回忆是一座桥
却是通往寂寞的牢

指标下降或异动的分析方法论

明确问题

  遇到异常情况时,首先要做的就是明确问题,只有把问题清晰明确的定义下来之后,才可以知道接下来应该围绕着什么问题去定位问题群体、探寻原因,最后才可以针对这个问题给出解决方法。

  确认数据是否准确

  明确问题的第一步就是检查问题出现时的源数据是否准确可靠,以及指标计算的口径是否一致,以防报假警,要检查的内容大概有以下几点:

  • 明确问题出现的时间范围,找出这段时间范围的源数据

  • 检查数据的真实性与可靠性

  • 检查指标的统计口径是否一致

  确认指标波动的幅度

  通过确认指标波动的幅度,可以确定问题的轻重。通常,重度波动情况在前期一般是有迹可循的,这通常是由于外部环境发生变化导致的,比如政策方面的影响。因此,在确定问题的严重程度时,还需要结合外部环境,预先给出预期值,这样看数据时就不会大惊小怪。

  确认指标波动的持续时间

  通过确认指标波动的持续时间,可以确认问题的缓急。通常,指标波动有三种情况:

  • 一次性变化
  • 周期性变化
  • 持续性变化

  一次性变化一般都是短期/突发事件,比如系统down掉导致无法交易,比如某一天突然下大雨,比如某天上大促销等等。周期性变化一般都是行业内的常态,比如季节性因素的影响导致的雪糕销量波动、游泳池客流量波动等等,一般不需大惊小怪。持续性变化通常是一直出现上升/下降趋势,持续性变化背后往往是有深层次的原因,比如用户需求转移,行业繁荣/枯萎,渠道形态变迁等等。这些都是单一企业很难低档,只能跟着走的力量,所以才会显示出持续变化。

  对问题下定义,明确界定问题

  如果数据源是真实可靠的,也对指标波动的幅度与持续时间进行确认了,那么就可以判断问题的轻重缓急,即可以对问题下定义了。界定问题时需要明确问题主体、时间范围、比较对象、完成目标,比如:与上半年的计划利润相比,实际完成利润严重落后于计划,请你找出问题原因所在并给出可靠的解决方法,以使下半年能够顺利达成计划的利润目标。

初步解读指标波动原因

  指标的波动通常都与事件的发生相关联,往往重大的变化都伴随着重大事件的发生。因此反映在数据上,往往表现为在事件发生后,指标应声而落。这样即使不需要严谨的分析,只要在指标走势图上标识出事件发生的先后顺序,都能看出事件的影响。

  确认指标走势,针对不同走势从不同方向找原因

  事件可分为内部事件和外部事件。外部宏观事件常用PEST来分析,P影响一般是致命打击,直接把指标打崩,把业绩搞停。而EST的影响更多是渐进的、缓慢的、基础的、结构性的,因此表现在指标上,更多是阴跌不止。内部事件往往能短期内快速改变指标,所以在解读指标变化的时候,可以按以下原则进行:

  • 泰山压顶看政策
  • 短期变化找内因
  • 长期异动找外因

  关注指标走势转折点

  • 起点事件:指标刚开始下跌时,发生了什么事,判断是否由该事件引起指标的波动;往往起点事件是问题发生的直接原因。

  • 拐点事件:在指标持续下跌过程中,是否某个事件的出现,让问题变得更严重,或者开始好转。拐点事件意味着,这是可以改善指标的手段。

  • 终点事件:当XX事件结束后,指标恢复正常。或当开始XX事件后,指标下跌结束。终点事件的两种形态,代表着两种改善指标的方法:等问题自己过去,或者主动出击解决问题。

  可以把事件标注在指标变动趋势图上,这样可以清晰地看到事件与指标的关系,从而更好地缩小怀疑范围,细化分析假设。找到那些看起来像是核心问题的事件进行深入研究。

定位问题产生的群体

  指标发生波动的影响因素有很多,但通常都被整体所掩盖了,所以需要进行拆分,以找到具体的导致指标出现波动的问题群体。这些问题群体不一定指的是人,还可以是产品、地域等各种维度的细分。只有定位到了具体的问题群体,之后才可以有针对性地研究解决方法,进行决策,从而使问题得到解决。

  在定位问题群体时,其实就是按各个维度进行拆分,然后将各个细分群体和同期进行比较,从而定位到问题群体。思路简单,但如果没有方向和目的地进行拆分,那么就很容易在数据中迷失,从而走了很多弯路,不仅浪费时间精力,还得不到结果,所以拆分要注意拆分的思路和方向。

  复合指标拆解

  在定位问题群体之前,需要先确定波动指标是复合指标还是基础指标,基础指标是指不可再分的指标,而复合指标则是由基础指标运算后得到的指标。如果波动指标是复合指标,那么直接针对复合指标进行研究,很有可能会使得真相被整体掩盖,因此就需要找到影响复合指标波动的真正基础指标,然后基于基础指标进行研究,才能准确地定位到问题产生的群体。

  复合指标拆解与找出有问题的基础指标的方法可以概括为如下:

  • 采用杜邦分析法,对复合指标进行拆分,拆分时宜采用乘法,而不宜采用加法
  • 拆分时可根据经验往问题相关维度拆分,例如,销售金额的拆分:
    • 按用户维度,销售金额=用户数×客单价
    • 按产品维度,销售金额=销售数量×平均销售价格
  • 采用假设检验法与对比分析法,检验每一个基础指标对比同期的升降是否能导致复合指标波动

  如果波动指标不是复合指标,那么可以跳过拆分这一步骤,直接进行下一步。

  根据业务流程定位问题

  一般来说,从业务流程的角度去定位问题是最稳妥的。可以根据业务流程,按漏斗分析法、比较分析法、假设检验法等分析方法,检查每个环节是否出现异常。当定位到异常环节时,再横向展开,根据各种维度进行拆分,从而找出真正的问题群体。

  根据指标相关维度去定位问题

  有时也可以根据经验,从问题指标的相关维度去拆分,而不必整体探寻一遍。比如,问题指标为日活跃用户数(DAU),这个指标肯定是与用户维度相关的,所以可以直接按用户的各种画像去进行拆分,比如:性别、年龄段、学历、职业、收入区间、来源渠道、使用的设备、所在地区、新老用户等等

  根据用户、产品、地区三维度去定位问题

  此外,也可以直接全面整体性的去探寻,也就是按所有维度去拆分,但这样很耗时耗力,一般可以按照用户、产品、地区三个维度拆分就可以了,这三个维度的覆盖面基本足够全面了。

找出问题产生的原因

  成功定位到问题群体后,很多人把结论一抛:“造成xx指标波动的原因是xx群体的xx下降造成的”,就以为工作完成了。但其实并不是的,这样的结论只是描述了现象,而没有找到真正的原因。数据分析的目的就是找出问题的真正影响因素,并转化成可执行的决策建议。因此,在定位到问题群体后,不妨多问一下为什么?为什么xx群体的xx会下降?是什么原因导致的下降?该如何改善?

  另外,找原因时也要注意方向和思路,不能盲目寻找,一般可以从内外两个角度去寻找原因,内部原因可以从产品、价格、渠道、促销(4P营销理论)、用户获取(AARRR模型)等方向去查找,外部原因中,宏观方面的可以从政治、经济、社会、技术(PEST)方向查起,微观方面的则可以从竞争对手角度(假设检验法)去查找,也可以换位思考,站在问题群体的角度上考察我们的业务流程是否存在问题。

  产品角度

  从产品角度出发,一般可以检查下问题出现的这段时间范围内,公司内部是否对产品进行了调整与改变,以及产品在这段时间范围内的表现情况,比如APP是否稳定,打开速度如何等等,检查是否是这些原因导致了用户体验不佳造成的问题。

  • 是否策略、设计上发生了改动?
  • 是否功能上发生了变化?
  • 是否存在Bug?产品是否稳定?

  价格角度

  检查下问题发生时的时间范围内,我们的定价与竞争对手相比是否对用户具有足够的吸引力,是否是价格调整导致的问题。

  渠道角度

  检查下问题发生时的时间范围内,我们的销售渠道是否畅通,渠道的数量与质量是否发生变化。

  促销角度

  检查下问题发生时的时间范围内,我们的促销活动、运营活动的效果如何,是否竞争对手的促销力度更大。

  用户获取

  检查下问题发生时的时间范围内,新用户的增长如何,以及老用户的复购如何。同时,可采用AARRR模型去检查下用户获取方面是否存在问题。

  竞争对手

  检查下问题发生时的时间范围内,竞争对手在做什么,是否因为竞争对手的影响导致的问题发生。

  换位思考

  可以从问题群体的角度出发,按业务流程进行假设检验,判断我们的业务流程是否存在劣势。

提供可执行的决策建议

  最后,针对找到的问题群体与原因,结合公司内部情况,给出可执行的决策建议。注意,给出的决策建议必须是可执行的,在提建议时不妨换位思考,假设自己是管理层,该怎么解决问题。

未经允许不得转载:夕枫 » 指标下降或异动的分析方法论
订阅评论
提醒
guest
0 评论
内联反馈
查看所有评论