啊，指标又下跌了，怎么分析？
大家好,我是爱学习的小xiong熊妹。
在工作中，我经常需要对关键业绩指标的波动分析原因，这也是运营、产品的小伙伴很头疼的问题，总感觉分析原因的时候千头万绪。为了能按时下班，我整理了一套非常简单使用的方法。今天就结合一个之前做过的真实问题（数据已脱敏，改得妈都不认识了），给大家分享一下。
问题场景：某负责电商业务线的老板忽然发飙了， 把几个运营小组的领导叫去一顿批：“为什么3月份消费人数多了那么多，业绩反而下降了，去分析分析”……于是，我就这么开始了分析之旅。要从哪里搞起呢？
拆解问题，梳理取数表
原始问题是：“为什么3月份消费人数多了那么多，但业绩却下降了”这是一句口语化的描述，是没法直接拿来分析的。我们得拆解问题，把它变成一个用符合数据规范的问题。
第一步：明确分析对象。
原问题里，提到了2个对象：消费人数，业绩。要先明确，这两个对象所对应的指标，比如：消费人数，总消费金额。明确了以后，可以放到取数表里，并且要按月统计，因为原问题的主语就是“3月份”。
第二步：明确对比对象。
原问题里，提到了“下降”，那么相对谁下降，得先明确一下。大家可能直观想到的是：对比2月份呀。注意，2月份是春节，因此业绩是自然少的，至少也得拿1月份来对比。这里强烈建议大家跟业务沟通清楚跟谁比，不然方向歪了，结果全错。比如，沟通完，发现是跟1月份对比。此时，可以把：月份（1月/3月）作为主分类维度。
第三步：明确细分维度。
明确了对比对象以后，我们会很想知道：到底3月和1月有什么差异，导致消费减少？这时候需要引入细分维度，作为查找差异的线索。
选细分维度，要找：能反映业务行为的。因为本质上业绩是业务做出来的，要改善业绩，也得思考业务能做啥。所以得从业务角度出发找细分维度。
比如在这个业务场景里，有四个部门可能影响到业绩：
增长团队：负责获客拉新，影响到新用户数量、质量
用户运营：负责VIP权益设计，影响到VIP用户数量、质量
活动运营：负责短期大促销活动，影响到全体用户消费率、质量
商品运营：负责商品供应，影响到用户消费率，消费客单价
因此，在取数的时候，应该有至少4个分类维度，反映这四方面情况，从而锁定到底是哪里出了问题。
有些分类维度比较好找，比如：
增长团队：新用户/老用户 用户运营：高级VIP/初级VIP/普通用户 活动运营：用户是/否参加活动
这些维度都是简单的分类变量，容易讲清楚。
商品运营会比较难划分，因为同时上架商品多达100种，且用户可能同时购买好几种，因此很难用一个简单分类变量区分清楚。同时，商品的销售，又和大促销/VIP优惠等等有关，因此即使找到某一款产品卖得差，也很难拆分清楚，到底是商品不行还是活动不行。
注意：对于问题，目前我们还是两眼一抹黑的状态。在情况不清晰的情况下，拆分越细，思路越乱。做分析就像剥洋葱，从外到内，先确定大问题，再看细节问题。因此现阶段，不用把商品维度拆分特别细，反而可以用一个：当月累计消费分段，来取代。当用户当月累计消费金额下降的时候，要么是高端商品卖不动，要么是低端商品卖少了，下一阶段的分析思路也很清晰了。
经过以上三步，梳理分析需求表如下，这样可以交给查数姑（比如本小妹我）来跑数啦
分析数据，锁定方向
拿到数据以后，照例做个透视表。之后都可以基于透视表进行分析了。
第一步：明确问题大小。
拿3月和1月的整月消费人数，消费金额对比如下图
可见消费人数多了11万，消费总监而反而少了1900多万，难怪领导会好奇
第二步：形成问题假设。
结合4个相关部门的分工，对业务敏感的小伙伴，可能马上猜到一 些假设了：
增长团队：嫌疑最小，人数还在涨 用户运营：新增VIP少了，消费力下降 活动运营：活动力度太大，用户出钱少了 商品运营：商品线不合理，低价的太多
下边，就可以一一排除，找到问题源头
第三步：逐步排查，推导结论。
做排除法，首先从最没有嫌疑的开始，因此先排除新用户的问题（如下图）
新用户问题排除以后，其他三个维度可以一一排除。这里先看VIP维度，发现如下
锁定问题发生点在初级VIP+普通用户身上，再细看活动情况。
这个数据就很有意思了，参与大促的群体，人数和消费金额都涨了，只剩下没参与活动群体，这又帮活动部门把黑锅甩了出去，只剩下非活动、非新人、非高级VIP群体——这似乎已经做实了是商品运营的黑锅呀。此时再看非活动群体消费结构，问题就很明显了。
第四步：深入分析，验证结论。
想进一步做实问题，需要更深入的看商品结构，此时可以聚焦看
想进一步做实问题，需要更深入的看商品结构，此时可以聚焦看：
商品运营是否真的更换过商品线 是否引流款真的卖爆 是否利润款、搭配款真的没跟上
为此，需要设计新的数据需求表，这里就不赘述啦，思路和方法是一样的。
数据背后的更深层问题
然而，以上分析的就是真相吗？问一个简单的问题：为什么商品运营调了商品结构，但活动运营没有相应调整活动方案呢？如果活动运营调一下方案，比如派高金额产品优惠券，或者用满减优惠，是可以很大程度避免问题的呀。
这两个部门之间，很可能发生一些事：
假设1：无心之举，沟通不畅
假设2：部门隔阂，各顾各家
假设3：部门对立，故意坑
当然，作为数据分析师，咱不方便多说，领导们可以按图索骥思考哦。
总结
以上就是今天的全部攻略。在结尾我想说的是：做分析的时候，想清楚自己面对问题的逻辑，整理一份好用的取数表，实在太重要了。经常有小伙伴：胡乱塞细分维度！搞了一大堆数据。取数累死人不说，分析的时候还没啥用。然后对着数据看不出来一二三，气急败坏的跑来：“小熊妹，小熊妹，这个数该咋看呀！”真是让人气不打一处来。小伙伴们要引以为戒哦。
注意，以上这种分析方法，不适合每日指标波动！因为一天时间的波动，很有可能就是自然波动，即使有大范围波动，也常常是系统异常，所以不适合这么细的拆解。有机会下次再分享啦。感谢的话，记得点赞、在看、转发三连哦，谢谢大家。
超详细！用户留存分析实操攻略
数据透视表大全领取！
该文档共136页，分为26个章节，采用图文教学式的方法，带你剖析数据透视表的各个方面，只要你敢看文档，没有学不会的数据透视表。