在產(chǎn)品和運(yùn)營體系中，數(shù)據(jù)是茫茫方向中的一盞指明燈。通過數(shù)據(jù)反饋，我們可以從重重問題中快速、準(zhǔn)確地找到引發(fā)問題的異常因素，規(guī)避異常情況的發(fā)生。

作為《增長模型下的產(chǎn)品與運(yùn)營實(shí)戰(zhàn)》體系的第一篇，我想先談一下整個(gè)產(chǎn)品和運(yùn)營大體系的最基礎(chǔ)環(huán)節(jié)——數(shù)據(jù)體系。

就像人走路的時(shí)候需要看到前方的道路，產(chǎn)品和運(yùn)營在做決策前也需要睜開“雙眼”。左眼，是數(shù)據(jù)；右眼，是用研。（哎，別問我為什么不是左眼用研，右眼數(shù)據(jù)……）

通過線上數(shù)據(jù)反饋，我們可以準(zhǔn)確地發(fā)現(xiàn)問題，找到規(guī)律，求證猜想，平息主觀之爭，為產(chǎn)品改進(jìn)和運(yùn)營優(yōu)化的制定和實(shí)施提供明確的方向。

一、互聯(lián)網(wǎng)公司數(shù)據(jù)職能設(shè)置

互聯(lián)網(wǎng)公司普遍十分重視數(shù)據(jù)，數(shù)據(jù)部門職能設(shè)置卻各不相同。大多會設(shè)置獨(dú)立的BI部門（如攜程、京東），有些（如亞馬遜）也會把數(shù)據(jù)人員分散在各個(gè)團(tuán)隊(duì)。

數(shù)據(jù)職能常見的有三個(gè)主要角色：

a. 數(shù)據(jù)工程師，負(fù)責(zé)搭建底層數(shù)據(jù)架構(gòu)，定義數(shù)據(jù)埋點(diǎn)規(guī)范、編寫埋點(diǎn)代碼（有時(shí)也會由開發(fā)人員植入埋點(diǎn)代碼）、以及建立和管理數(shù)據(jù)庫報(bào)表。

b. BI，負(fù)責(zé)根據(jù)業(yè)務(wù)需求在數(shù)據(jù)庫中抓取對應(yīng)數(shù)據(jù)項(xiàng)，編寫SQL代碼，生成各類報(bào)表。（注：傳統(tǒng)的數(shù)據(jù)庫管理員（DBA）的職能更類似于數(shù)據(jù)工程師 + BI – 埋點(diǎn)）

c. BA，負(fù)責(zé)對BI生成的報(bào)表進(jìn)行分析，結(jié)合業(yè)務(wù)知識對數(shù)據(jù)進(jìn)行透徹解讀，輸出有明確指導(dǎo)意義的觀察和建議。BA人員通常需要有較強(qiáng)的業(yè)務(wù)背景知識，能夠準(zhǔn)確地理解數(shù)據(jù)背后的業(yè)務(wù)狀況和波動原因，并用業(yè)務(wù)“語言”輸出分析結(jié)論。

我在實(shí)踐中的體會是：兩種組織架構(gòu)方式各有明顯的利弊，優(yōu)缺點(diǎn)截然相反。

當(dāng)數(shù)據(jù)人員集中在一個(gè)部門時(shí)，數(shù)據(jù)庫管理和報(bào)表定制均十分專業(yè)高效。但因?yàn)殡x業(yè)務(wù)部門較遠(yuǎn)，業(yè)務(wù)理解受到影響，在數(shù)據(jù)定義和解讀上相對偏薄弱。

數(shù)據(jù)職能分散在各個(gè)業(yè)務(wù)線時(shí)，正好相反。并有較嚴(yán)重的數(shù)據(jù)重復(fù)拉取，人力浪費(fèi)不說，還因口徑定義上的差異，導(dǎo)致同一數(shù)據(jù)在不同部門各不相同。例如轉(zhuǎn)化率=訂單數(shù)／訪客數(shù)，有的部門在訪客數(shù)中去除“疑似機(jī)器人”部分，有的部門則統(tǒng)一訪客數(shù)為“二跳訪客”，帶來轉(zhuǎn)化率數(shù)據(jù)的明顯差異。

一個(gè)比較好的做法是把數(shù)據(jù)工程師和BI集中在數(shù)據(jù)部門，在各個(gè)業(yè)務(wù)線分別設(shè)置BA人員，兩邊對接。

二、數(shù)據(jù)使用方式

互聯(lián)網(wǎng)需要進(jìn)行數(shù)據(jù)觀察的領(lǐng)域十分廣泛，每個(gè)細(xì)分領(lǐng)域都有不同的核心KPI，應(yīng)當(dāng)根據(jù)核心目標(biāo)拆分背后的影響因素，有針對性地提出數(shù)據(jù)需求，制定數(shù)據(jù)報(bào)表。

通常數(shù)據(jù)的使用方式分為如下情況：

1. 常規(guī)數(shù)據(jù)報(bào)表

常規(guī)數(shù)據(jù)報(bào)表主要用于需要長期持續(xù)觀察的核心數(shù)據(jù)。例如：

• 流量漏斗監(jiān)控，可分為首頁跳失率、商詳頁到達(dá)率（分為瀏覽-商詳、搜索-商詳兩大分支）、加車率、結(jié)算率、結(jié)算完成率等核心環(huán)節(jié)漏斗數(shù)據(jù)。
• 用戶渠道來源情況，如各渠道來源的用戶數(shù)、新客數(shù)、訂單占比、轉(zhuǎn)化情況等等。
• 品類轉(zhuǎn)化率波動，如各品類的流量、訂單、SKU銷售數(shù)量等。
• 流量分發(fā)效率，如各頻道／欄目的CTR、商詳頁到達(dá)、轉(zhuǎn)化、復(fù)訪率等。

當(dāng)常規(guī)監(jiān)控的核心數(shù)據(jù)項(xiàng)發(fā)生超閾值波動或趨勢性波動時(shí)，通常會觸發(fā)專題分析，并根據(jù)分析結(jié)果采取相應(yīng)對策，以推動數(shù)據(jù)回到常規(guī)范圍。

常規(guī)數(shù)據(jù)報(bào)表建議通過公司的BI系統(tǒng)定制在線報(bào)表，按監(jiān)控頻度進(jìn)行觀察分析。

2. 專題分析

專題數(shù)據(jù)分析通常按專題的主要影響因素確定數(shù)據(jù)項(xiàng)，拆分觀察維度，抓取多維度數(shù)據(jù)，對某個(gè)專題目標(biāo)進(jìn)行分析，找到影響因素所在的數(shù)據(jù)維度，得出結(jié)論，指導(dǎo)后續(xù)動作。例如：

• 針對某個(gè)重大事件的狀況或效果分析，如雙11大促后的數(shù)據(jù)總結(jié)盤點(diǎn)。
• 核心數(shù)據(jù)出現(xiàn)重大波動，如Web平臺轉(zhuǎn)化率持續(xù)提升的原因分析。
• 出現(xiàn)趨勢性狀況，如某付費(fèi)渠道來源的用戶數(shù)量持續(xù)下降。
• 某個(gè)專題研究，如95后導(dǎo)購特征和消費(fèi)特征分析。

3. AB測試

產(chǎn)品經(jīng)理常有的困惑是，當(dāng)上線了某一個(gè)功能或者頻道后，目標(biāo)數(shù)據(jù)出現(xiàn)了某種變化。然而，變化背后的影響因素非常多，例如時(shí)間因素導(dǎo)致的差異（如工作日的轉(zhuǎn)化率高于周末）、競爭對手的動作、季節(jié)性因素等等。核心數(shù)據(jù)的波動往往是這些影響因素綜合作用的結(jié)果，很難準(zhǔn)確界定該功能本身帶來了多少直接影響。

運(yùn)營也常有類似的訴求，例如當(dāng)首頁圖標(biāo)做了飄紅，或者引導(dǎo)文案做了一些調(diào)整，數(shù)據(jù)出現(xiàn)了波動，但卻很難確定多大程度為該特定運(yùn)營動作的效果。

上述情況下，最好的方法就是做AB測試：取兩個(gè)數(shù)據(jù)集，在數(shù)據(jù)集樣本的選取中對各種影響因素做均勻的隨機(jī)分布（如地域、用戶群體特性），并對其中一個(gè)數(shù)據(jù)集實(shí)施特定產(chǎn)品功能或運(yùn)營動作；在同一時(shí)段中，觀測目標(biāo)數(shù)據(jù)在兩個(gè)測試集上的差異，從而精確判定待觀測功能／動作的準(zhǔn)確效果。

這里要特別注意兩點(diǎn)：

1. 為了確保統(tǒng)計(jì)效果的準(zhǔn)確性，需要有較大的樣本量和統(tǒng)計(jì)時(shí)長（結(jié)果數(shù)量=用戶量*統(tǒng)計(jì)時(shí)長，要么用戶量足夠大，統(tǒng)計(jì)周期可以略短；如果用戶量較小，則需要更長的統(tǒng)計(jì)周期）。

2. 如果某一個(gè)樣本中存在少數(shù)對均值影響巨大的樣本（例如一個(gè)金額巨大的訂單），需要予以排除，以減少偶然性帶來的偏差。

4. 個(gè)性化

這是個(gè)大數(shù)據(jù)的時(shí)代，差異巨大的用戶群體面對海量的商品和選擇，“千人一面”帶來的糟糕體驗(yàn)已不再適用。

每個(gè)用戶在系統(tǒng)中都會留下自己的線索和足跡，體現(xiàn)自己在商品品類、價(jià)格段、品牌偏好等方面的階段性需求。系統(tǒng)可以通過數(shù)據(jù)有效發(fā)現(xiàn)當(dāng)前用戶的當(dāng)前需求，進(jìn)行有效的推薦，而用戶也會感受到系統(tǒng)“懂我”，產(chǎn)生良好的購物體驗(yàn)。

亞馬遜早年的“Everything Store”理念，在當(dāng)前時(shí)代下，也逐漸轉(zhuǎn)化為“Everyone Store”，也就是我們常說的“千人千面”。

數(shù)據(jù)是千人千面的基礎(chǔ)，通過機(jī)器學(xué)習(xí)和算法設(shè)計(jì)，讓系統(tǒng)在各個(gè)模塊中進(jìn)行智能化推薦，自動組裝匹配當(dāng)前用戶的場景，是數(shù)據(jù)使用的最重要方式之一。這部分我會在后續(xù)文章中結(jié)合實(shí)際案例重點(diǎn)展開。

三、常規(guī)性數(shù)據(jù)報(bào)表的定制及數(shù)據(jù)監(jiān)控

為了最優(yōu)使用BI資源并突出自身專注點(diǎn)，在定制常規(guī)性數(shù)據(jù)報(bào)表時(shí)，切勿大而全。需要完全考慮清楚的主要有兩點(diǎn)：北極星指標(biāo)、指標(biāo)監(jiān)控頻度。

1. 北極星指標(biāo)

任何一個(gè)業(yè)務(wù)要能不斷優(yōu)化和提升，做出更好的效果，都需要正確設(shè)立核心指標(biāo)，持續(xù)監(jiān)控，并根據(jù)實(shí)際數(shù)據(jù)與階段性預(yù)期進(jìn)展之間的差距進(jìn)行分析，觸發(fā)相應(yīng)的調(diào)整動作，以使得業(yè)務(wù)的發(fā)展和計(jì)劃保持一致。

這套思路在項(xiàng)目管理理論中被總結(jié)為PDCA ，即計(jì)劃（Plan）、執(zhí)行（Do）、校驗(yàn)（Check）、響應(yīng)（Act），在項(xiàng)目管理和持續(xù)質(zhì)量改善中也被稱為戴明循環(huán)。該體系是業(yè)務(wù)目標(biāo)管理的核心方法，感興趣的同學(xué)可以查閱項(xiàng)目管理理論，本文不進(jìn)行贅述。

從PDCA概念中可以看到，目標(biāo)的制定、執(zhí)行成效的判斷以及糾偏動作的效果，都需要好的數(shù)據(jù)指標(biāo)進(jìn)行衡量，并作為最終目標(biāo)達(dá)成與否的判斷依據(jù)。這個(gè)可度量的指標(biāo)，與目標(biāo)呈直接的正相關(guān)關(guān)系，該指標(biāo)被稱為北極星指標(biāo)。

北極星指標(biāo)體系通常分為多級，每一級指標(biāo)的設(shè)立選取，都是為了更好的支持上一級指標(biāo)的達(dá)成，以最終共同實(shí)現(xiàn)公司頂層戰(zhàn)略（公司級的北極星指標(biāo)）。

在這里舉個(gè)實(shí)際例子。一個(gè)電商公司的經(jīng)營規(guī)模往往通過公司的年?duì)I業(yè)額（GMV）來衡量，也即GMV是整個(gè)公司的北極星指標(biāo)之一。營業(yè)額有多種拆分計(jì)算方式，在此列出常見的一種簡化計(jì)算方式：

GMV = AC * Freq * Conversion * AOS

• AC：活躍顧客數(shù)
• Freq：顧客平均訪問頻度
• Conversion：轉(zhuǎn)化率
• AOS：平均單均價(jià)

上面四個(gè)核心指標(biāo)，則為第二級核心指標(biāo)，通?？上逻_(dá)到各個(gè)部門分別負(fù)責(zé)。

例如，市場部負(fù)責(zé)流量和用戶數(shù)及其活躍度，產(chǎn)品和運(yùn)營負(fù)責(zé)轉(zhuǎn)化率指標(biāo)，類目線負(fù)責(zé)單均價(jià)指標(biāo)。于是這些指標(biāo)成為各個(gè)部門的北極星指標(biāo)。如果一個(gè)指標(biāo)的核心影響因素分散在多個(gè)部門，也由同一個(gè)部門牽頭負(fù)責(zé)。

為了達(dá)到上述各個(gè)二級指標(biāo)，還可以進(jìn)一步拆分。以活躍顧客數(shù)為例：

AC = RC + NC – EC

• RC：留存顧客數(shù)
• NC：新客數(shù)
• EC：流失顧客數(shù)

于是這些指標(biāo)又可以進(jìn)一步分配到負(fù)責(zé)拉新和留存的職能團(tuán)隊(duì)，成為這些團(tuán)隊(duì)的北極星指標(biāo)，由這些團(tuán)隊(duì)各自牽頭負(fù)責(zé)。

負(fù)責(zé)拉新的團(tuán)隊(duì)，又可以進(jìn)一步把拉新指標(biāo)拆分到渠道，如付費(fèi)渠道、免費(fèi)渠道等，進(jìn)行下一級的核心指標(biāo)定義和目標(biāo)制定。

同樣地，下一級負(fù)責(zé)付費(fèi)渠道的職能團(tuán)隊(duì)或人員，則可以進(jìn)一步拆分到具體渠道，如網(wǎng)盟、SEM、應(yīng)用商店等，進(jìn)一步制定各個(gè)渠道的具體目標(biāo)。如此層層往下，直到直接可控的最下一層。

以此類推，產(chǎn)品和運(yùn)營負(fù)責(zé)的轉(zhuǎn)化率指標(biāo)，則可以沿轉(zhuǎn)化漏斗拆分為首頁到商詳、搜索到商詳、商詳加車率、購物車結(jié)算率、支付成功率等，通過逐層遞進(jìn)的拆分具體到各個(gè)團(tuán)隊(duì)進(jìn)行分解，成為各自的北極星指標(biāo)。

對于各個(gè)職能部門／團(tuán)隊(duì)來說，自己所負(fù)責(zé)的這一級指標(biāo)以及下一級指標(biāo)情況，應(yīng)當(dāng)成為常規(guī)數(shù)據(jù)報(bào)表的監(jiān)控內(nèi)容，由此制定報(bào)表格式，向BI部門提出數(shù)據(jù)需求。

站在宏觀維度來看，三級指標(biāo)的達(dá)成可以確保二級指標(biāo)的達(dá)成，二級指標(biāo)的達(dá)成可以確保頂層指標(biāo)的達(dá)成，從而為業(yè)務(wù)目標(biāo)提供保障。因此，指標(biāo)體系的合理拆分和嚴(yán)密監(jiān)控糾偏對公司目標(biāo)實(shí)現(xiàn)至關(guān)重要。

2. 指標(biāo)監(jiān)控頻度

常規(guī)數(shù)據(jù)報(bào)表的周期通常為日報(bào)、周報(bào)、月報(bào)、季報(bào)。實(shí)時(shí)數(shù)據(jù)監(jiān)控通常為應(yīng)急響應(yīng)需要（如故障宕機(jī)、突發(fā)事件處理），而半年報(bào)、年報(bào)則大多為業(yè)務(wù)結(jié)果的統(tǒng)計(jì)，周期過長，發(fā)現(xiàn)的問題及響應(yīng)過慢，通常不在常規(guī)數(shù)據(jù)報(bào)表的范圍。

每個(gè)業(yè)務(wù)單元都具有各不相同的特點(diǎn)，需要進(jìn)行有針對性的數(shù)據(jù)統(tǒng)計(jì)頻度設(shè)定。下面以產(chǎn)品和運(yùn)營層面對轉(zhuǎn)化率的監(jiān)控為例：

實(shí)時(shí)監(jiān)控

在大促期間觀察活動效果，流量變化迅速，高峰此起彼伏，爆品庫存時(shí)有告罄，此時(shí)數(shù)據(jù)觀察應(yīng)當(dāng)精確到最小顆粒度甚至實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)曲線，對數(shù)據(jù)體現(xiàn)的問題（如售罄、宕機(jī)、技術(shù)故障、黃金資源位單品滯銷、頁面陳列錯誤、價(jià)格設(shè)置錯誤導(dǎo)致的波動等）迅速響應(yīng)，優(yōu)化促銷品及資源位，并使用賽馬機(jī)制，調(diào)整會場流量分發(fā)，以把大促效果推到極致。

日報(bào)表

對于日常促銷活動，可以以天為單位，對促銷品類和促銷方式在整體轉(zhuǎn)化漏斗中的表現(xiàn)進(jìn)行觀察，定位問題點(diǎn)并迅速進(jìn)行針對性優(yōu)化；如換品，換促銷規(guī)則，更新活動頁／活動欄目，配置促銷標(biāo)簽等，以達(dá)到最佳活動效果。

周報(bào)表

運(yùn)營方面，例如首頁或頻道運(yùn)營，可以以周或月為單位，通過各板塊CTR、停留時(shí)間、商詳?shù)竭_(dá)率、加車率、轉(zhuǎn)化率、復(fù)訪頻度等維度觀察欄目用戶的興趣指數(shù)，對于薄弱環(huán)節(jié)通過數(shù)據(jù)進(jìn)行深入分析（如用戶動線跟蹤、區(qū)域點(diǎn)擊熱度分析、跳失分析等），并適當(dāng)結(jié)合用研的定性定量深訪對頻道入口交互設(shè)計(jì)、頁面信息架構(gòu)設(shè)計(jì)、頻道子欄目鋪設(shè)、信息展示、營銷文案等進(jìn)行優(yōu)化，以達(dá)到最佳效果。

月／季報(bào)表

移動時(shí)代受到移動端發(fā)包頻度的限制（大多為每兩周到一個(gè)月發(fā)一個(gè)包），高度依賴技術(shù)功能的核心指標(biāo)往往以月或季為單位進(jìn)行統(tǒng)計(jì)。

例如，對于核心轉(zhuǎn)化漏斗模塊的功能迭代和新產(chǎn)品模塊的效率效果，可以以月或季為單位（與技術(shù)發(fā)版周期和新欄目用戶教育養(yǎng)成周期有關(guān)），結(jié)合季節(jié)性因素，縱向?qū)Ρ韧群铜h(huán)比相應(yīng)數(shù)據(jù)的波動，找到可以發(fā)力優(yōu)化提升的環(huán)節(jié)。

運(yùn)營動作一般帶來較快速的數(shù)據(jù)響應(yīng)，側(cè)重于日報(bào)、周報(bào)對運(yùn)營的指導(dǎo)；而產(chǎn)品動作一般受技術(shù)發(fā)版影響，數(shù)據(jù)響應(yīng)周期適中，更偏重月或季為周期的報(bào)表，但都謀求發(fā)現(xiàn)問題后迅速響應(yīng)。

年報(bào)總體來說可能更適用于公司戰(zhàn)略和業(yè)務(wù)線的財(cái)務(wù)考量，除了成果和得失總結(jié)，產(chǎn)品和運(yùn)營側(cè)的使用相對較少。

上述是針對轉(zhuǎn)化率的舉例。

如果是用戶運(yùn)營和增長，同樣可以根據(jù)頻度對用戶的渠道來源和激活情況、傳播效果（短周期，如天或周）、活躍度、品類滲透率、交易情況、人均價(jià)值（中周期，如月）、留存率、流失返回率、生命周期情況（長周期，如季或半年／年）進(jìn)相應(yīng)的數(shù)據(jù)報(bào)表制定和監(jiān)控，并觸發(fā)響應(yīng)的調(diào)整動作。

最后，在報(bào)表制定時(shí)，建議不要把太多級別的數(shù)據(jù)放在同一個(gè)報(bào)表上，造成數(shù)據(jù)的汪洋大海，表格過度復(fù)雜，也會迷失專注點(diǎn)。通常一個(gè)報(bào)表含兩級指標(biāo)為最佳。

例如，一級指標(biāo)的報(bào)表只含一、二級指標(biāo)數(shù)據(jù)，對于一級指標(biāo)的波動從二級指標(biāo)進(jìn)行觀察，找到波動原因。如果需要繼續(xù)深入，建議另外定制二級指標(biāo)報(bào)表，含二、三級指標(biāo)數(shù)據(jù)。以此類推。

四、專題分析

工作中常會碰到一些突發(fā)異常情況，例如某階段用戶轉(zhuǎn)化率大幅波動、交易金額飆升或銳減、某欄目CTR暴跌等，再或者觀察到某些趨勢性的變化（如消費(fèi)者導(dǎo)購偏好演變、品牌消費(fèi)趨勢變化）。此時(shí)通常會進(jìn)行專題性分析，以明確下一步解決問題的思路。

?1. 專題分析觸發(fā)原因

專題分析主要由如下情況觸發(fā)：

a. 在數(shù)據(jù)報(bào)表中，我們常常看到一些核心數(shù)據(jù)指標(biāo)產(chǎn)生波動，當(dāng)波動范圍超過一個(gè)預(yù)定義的警戒閾值時(shí)，就應(yīng)該觸發(fā)分析（無論正向的還是負(fù)向的波動），以理解波動背后的原因，并采取相應(yīng)的對策。

多大幅度的波動值得觸發(fā)分析因指標(biāo)本身特性對應(yīng)的業(yè)務(wù)敏感度而定。閾值設(shè)置沒有固定規(guī)則，大家可以根據(jù)影響的承受力來設(shè)定。這里有一個(gè)常見錯誤，就是對正常的小幅波動太過敏感，觸發(fā)頻繁的分析，最終卻沒有有價(jià)值的發(fā)現(xiàn)，屬于自然波動，浪費(fèi)了人力。

什么是正常幅度的波動，可以對一個(gè)大時(shí)間段的同一指標(biāo)進(jìn)行同比環(huán)比的統(tǒng)計(jì)后判斷。

例如，上圖是我們在某五周期間觀察到到流量按時(shí)間段到分布情況。大家仔細(xì)看下有什么異常？

猜對了，0點(diǎn)出現(xiàn)大流量！9點(diǎn)，14點(diǎn)，19點(diǎn)的流量峰值符合移動端用戶在早晨通勤時(shí)間、下午回到座位、傍晚通勤時(shí)間的訪問規(guī)律。但0點(diǎn)出現(xiàn)如此之大的流量，十分異常，就應(yīng)當(dāng)觸發(fā)專題分析。

b. 在數(shù)據(jù)報(bào)表中，數(shù)據(jù)體現(xiàn)出某個(gè)同趨勢性的連續(xù)變化，例如，連續(xù)7次正向或負(fù)向的增長。此時(shí)，即使還沒有達(dá)到預(yù)設(shè)的異常警戒閾值，都應(yīng)當(dāng)進(jìn)行分析，以理解趨勢背后的原因。

可能有同學(xué)會問，為什么是7次呢？

其實(shí)這不是絕對的，當(dāng)一個(gè)連續(xù)趨勢出現(xiàn)時(shí)，同向的數(shù)據(jù)點(diǎn)越多，表明背后有某種非偶然因素的可能性越大。從統(tǒng)計(jì)學(xué)角度，如果是偶然因素導(dǎo)致連續(xù)7個(gè)點(diǎn)往同一個(gè)方向發(fā)展，可能性只有1/128，大約為8%。因此，7點(diǎn)同趨勢變化背后存在非偶然因素的置信度已經(jīng)足夠高了。如果是特別關(guān)鍵的指標(biāo)，連續(xù)5個(gè)點(diǎn)同向發(fā)展（97%的確定性）也許就該進(jìn)行分析了。想要深入了解的同學(xué)可以搜索“7點(diǎn)原則”，查閱PMP或者統(tǒng)計(jì)學(xué)有關(guān)的理論知識。

當(dāng)然，背后應(yīng)當(dāng)去除已經(jīng)理解的影響因素，例如越來越靠近春節(jié)時(shí)流量持續(xù)下滑，或者接近換季時(shí)新一季的服裝銷售持續(xù)上升，都是正?，F(xiàn)象，除非波動過大嚴(yán)重脫離同比情況，否則這樣的趨勢并不值得浪費(fèi)人力進(jìn)行分析。

c. 對某個(gè)數(shù)據(jù)背后的原因感興趣，需要分析和理解該數(shù)據(jù)背后蘊(yùn)含的信息。這個(gè)和數(shù)據(jù)的波動本身沒有關(guān)系，只是深入去理解數(shù)據(jù)背后的原因或因素。

例如，分析為什么在平臺上第三方商家的流量達(dá)到48%，以制定更平衡的流量分發(fā)策略來扶持自營或第三方業(yè)務(wù)；分析為什么付費(fèi)渠道來源的用戶占比偏低或單客成本過高，以做更精準(zhǔn)更高性價(jià)比的流量采買投放。

2. 專題分析常用方法

簡單概括，專題性分析的主要做法是，按多個(gè)維度全面對波動數(shù)據(jù)指標(biāo)的下層構(gòu)成進(jìn)行拆分，觀察對比各個(gè)下層數(shù)據(jù)，找到在哪個(gè)細(xì)分維度出現(xiàn)異常波動，并鎖定該維度，層層遞進(jìn)，深入分解，直到最終找到答案。

在拆分到下層維度過程中，需要考慮從多個(gè)角度出發(fā)，反復(fù)對比。例如，如果某一周發(fā)現(xiàn)轉(zhuǎn)化率產(chǎn)生異常波動，可以按如下維度進(jìn)行拆分觀察：

維度一：商品品類

拆分到各個(gè)品類，觀察是否由某個(gè)品類的轉(zhuǎn)化率大幅波動帶動了整體轉(zhuǎn)化率的波動。

案例1：

某一周我們發(fā)現(xiàn)全站轉(zhuǎn)化率飆升近2%，通過二級報(bào)表對各品類轉(zhuǎn)化率進(jìn)行觀察后發(fā)現(xiàn)，轉(zhuǎn)化率波動主要出現(xiàn)在美妝品類。進(jìn)一步對美妝品類各SKU的銷售進(jìn)行觀察，發(fā)現(xiàn)潔面儀、水牙線、和某款面膜等三個(gè)商品短時(shí)間銷量巨大。這三個(gè)單品的上線價(jià)格遠(yuǎn)比京東和天貓更為低價(jià)，并與市場部確認(rèn)，市場部有在“什么值得買”網(wǎng)站進(jìn)行投放，導(dǎo)致大量用戶涌入，銷量激增，通過這三個(gè)熱銷爆款的銷售推動了全站轉(zhuǎn)化率的波動。

案例2：

有一次服裝線的采銷對某品牌服裝在設(shè)置促銷券時(shí)忘記設(shè)置互斥，導(dǎo)致用戶可以反復(fù)領(lǐng)券和疊加用券。而該技術(shù)漏洞被人在烏云平臺所披露，導(dǎo)致大規(guī)模的用戶和黃牛涌入搶購，零元購買，極短的時(shí)間里賣出數(shù)千件，造成轉(zhuǎn)化率瞬時(shí)飆升。因?yàn)槿斯ぴO(shè)置價(jià)格和促銷時(shí)錯誤難以絕對避免，此類問題在各個(gè)電商平臺時(shí)有發(fā)生。

維度二：用戶群體

拆分到各個(gè)用戶群體，觀察是否由于某個(gè)用戶群體的購買情況變化造成了轉(zhuǎn)化率的波動。注意用戶本身就可以按很多個(gè)維度拆分：

• 性別
• 地域：省、地區(qū)
• 消費(fèi)價(jià)格段：高、中、低價(jià)格段
• 消費(fèi)風(fēng)格類型：例如時(shí)尚人群，母嬰人群，數(shù)碼控，閱讀愛好者，家庭主婦……

案例3：

某一周的數(shù)據(jù)觀察中我們發(fā)現(xiàn)全站轉(zhuǎn)化率的飆升，通過地域和品類的分析，發(fā)現(xiàn)是由于華東地區(qū)高溫，導(dǎo)致空調(diào)風(fēng)扇等商品在華東的銷售飆升，推高全站轉(zhuǎn)化率。北京地區(qū)霧霾爆表也曾導(dǎo)致凈化器、口罩等商品在北京地區(qū)銷售猛增。

維度三：渠道來源

拆分到各個(gè)用戶來源渠道，按渠道對應(yīng)的銷售情況進(jìn)行觀察。

例如，有時(shí)轉(zhuǎn)化率大幅提升，分析發(fā)現(xiàn)是因?yàn)槭袌霾吭谀承?dǎo)購網(wǎng)站的黃金資源位進(jìn)行了爆款投放，從該渠道產(chǎn)生了巨大的流量和銷售進(jìn)而推高了整體轉(zhuǎn)化率。當(dāng)然部分渠道的刷單現(xiàn)象也常常會引起整體轉(zhuǎn)化率波動。

維度四：轉(zhuǎn)化漏斗

觀察首頁到商詳，商詳?shù)劫徫镘?，購物車到結(jié)算，結(jié)算到支付等轉(zhuǎn)化漏斗環(huán)節(jié)的細(xì)分轉(zhuǎn)化率的變化情況。

案例4：

有一周轉(zhuǎn)化率低于警戒值，通過漏斗分析發(fā)現(xiàn)支付環(huán)節(jié)成功率大幅下滑。對支付渠道進(jìn)行分解后發(fā)現(xiàn)某銀行渠道的支付成功率下降到零。與該銀行溝通后確認(rèn)，該銀行對支付接口進(jìn)行了升級，升級版本存在問題，導(dǎo)致該支付渠道支付失敗，導(dǎo)致整體轉(zhuǎn)化率產(chǎn)生波動。

案例5：

有一次技術(shù)團(tuán)隊(duì)上線新版本后，發(fā)現(xiàn)轉(zhuǎn)化率下跌，通過漏斗分析發(fā)現(xiàn)，在新用戶注冊環(huán)節(jié)有較大的注冊成功率下降。進(jìn)一步通過注冊流程的分析，看到產(chǎn)品功能上增加了一步強(qiáng)制實(shí)名認(rèn)證，導(dǎo)致部分用戶在這一步由于各種考慮而放棄了注冊。在與產(chǎn)品經(jīng)理溝通后把實(shí)名認(rèn)證改為可跳過，改為在后續(xù)階段進(jìn)行引導(dǎo)認(rèn)證。這一步改變使注冊成功率得以恢復(fù)，問題解決。

維度五：設(shè)備平臺

觀察iOS，Android，PC，Web等各個(gè)平臺以及各個(gè)app版本的轉(zhuǎn)化率情況。例如，我們有時(shí)發(fā)現(xiàn)，新發(fā)的Android包存在技術(shù)故障，導(dǎo)致用戶大規(guī)模登錄失敗，進(jìn)而影響整體轉(zhuǎn)化率。

維度六：銷售渠道

很多平臺會對接下一級分銷渠道，各個(gè)渠道的銷售情況變化也會帶來整體轉(zhuǎn)化率波動。有時(shí)某個(gè)渠道進(jìn)行了效果極佳廣告投放，會重大促進(jìn)該渠道的銷售，進(jìn)而影響整體轉(zhuǎn)化率。

維度七：流量或銷售時(shí)段分布

拆分到各個(gè)用戶來源渠道，按渠道對應(yīng)的銷售情況進(jìn)行觀察。

例如，有時(shí)轉(zhuǎn)化率大幅提升，分析發(fā)現(xiàn)是因?yàn)槭袌霾吭凇笆裁粗档觅I”的黃金資源位進(jìn)行了爆款投放，從該渠道產(chǎn)生了巨大的流量和銷售進(jìn)而推高了整體轉(zhuǎn)化率。當(dāng)然部分渠道的刷單現(xiàn)象也常常會引起整體轉(zhuǎn)化率波動。

案例6：

有一次轉(zhuǎn)化率下降報(bào)警，數(shù)據(jù)分析表明銷售情況在用戶、渠道、品類等方面都分布均勻。最后產(chǎn)品經(jīng)理與BA聯(lián)合排查，發(fā)現(xiàn)在0點(diǎn)到7點(diǎn)之間有大流量出現(xiàn)，并且流量集中在整點(diǎn)剛到時(shí)爆發(fā)，由此基本可以推測這些流量并非真實(shí)顧客，而是某種程序腳本整點(diǎn)觸發(fā)導(dǎo)致。最后與技術(shù)團(tuán)隊(duì)跟進(jìn)分析，確認(rèn)是某搜索引擎爬蟲開始集中爬取平臺商品、價(jià)格信息。

維度八：用戶賬號或商戶

有時(shí)某個(gè)商戶，或某些用戶，出現(xiàn)異常大規(guī)模訂單，導(dǎo)致整體轉(zhuǎn)化率、單均價(jià)等出現(xiàn)巨大波動（此類現(xiàn)象往往是刷單導(dǎo)致）。通過按商戶或用戶賬號的銷售情況拆分，可以發(fā)現(xiàn)此類問題。

在我和數(shù)據(jù)團(tuán)隊(duì)所做過的實(shí)際的分析中，以上八種維度都經(jīng)常發(fā)現(xiàn)問題。并不排除還有更多維度，大家可以按自己的業(yè)務(wù)特性進(jìn)行類推。

以上只是對轉(zhuǎn)化率進(jìn)行分解分析的一個(gè)例子。任何一種指標(biāo)通常都可以向下拆解，直到最后發(fā)現(xiàn)問題所在，而上面列舉的八個(gè)維度，通用于絕大部分的線上狀況分析。

具體的做法是：按各個(gè)維度對指標(biāo)拆分到下一級后，觀察下級各維度指標(biāo)是否均勻體現(xiàn)該波動。如果是，則基本可以排除是該維度的因素所導(dǎo)致。對同級的各個(gè)維度逐一拆分觀察，通常會發(fā)現(xiàn)某個(gè)維度下的某個(gè)次級指標(biāo)劇烈波動，鎖定該指標(biāo)，再次對其下層指標(biāo)進(jìn)行分解觀察，層層遞進(jìn)，最終可以找到結(jié)論。

作者：徐霄鵬，微信號：Alden_，微信公眾號：產(chǎn)品遇上運(yùn)營