以下的文章內容來源于柯家媛老師的專欄，如果您想閱讀專欄《小白必備的數據思維課》，點擊下方鏈接

https://edu.cda.cn/goods/show/3844?targetId=6753&preview=0

在日常工作中遇到簡單的業務問題，可以直接查看數據進行驗證并解決，但遇到復雜的問題時，可能看到數據都無從下手，拿到數據也看不出什么問題。本文將介紹一種常見又比較通用的數據分析方法-多維度拆解法，希望能夠成為你進行數據分析和解決業務問題的利器。

多維度拆解是通過不同的維度去觀察同一組數據，從而洞查數據異動背后的原因。

一、多維度拆解的適用場景

1、對單一指標的構成或比例進行拆解分析

這種場景往往適用于像分欄目的播放量和新老用戶比例等等。

2、對業務流程進行拆解分析

一般適用于從不同渠道瀏覽到添加購物車到購買的這種全局的轉化流程，

像有些跨區域的產品，不同的區域活動的效果自然不同，這時候我們就可以從不同省份的活動情況來進行分析。

3、對需要還原行為發生的場景進行拆解分析

比較適用于一些直播類的產品，比如需要去觀察打賞主播的等級、性別，來自哪個頻道進行多維度的拆解。

二、案例解析

舉個栗子：我們做少兒英語培訓的產品，進行了一波推廣營銷活動后，想看下推廣效果怎么樣，如何查看呢？

首先我們從【進入網站事件】進行分析：

第一個維度

從用戶性別進行拆分，由下圖可以看出，進入網站的用戶61%都是女性。相比孩子的父親，母親更關注少兒英語培訓，這也跟大部分家庭由母親帶孩子有關。

第二個維度

從操作系統進行拆分，可以看出大部分用戶來自iOS用戶。據相關數據統計，女性用戶更喜歡用蘋果設備，這也與前面的性別分析是一致的。

第三個維度

按渠道來源進行拆分，由下圖可以看出42%的用戶來自于訂閱號。這是因為我們在活動開始前做了一場公開課，并在訂閱號上做了相關推送。

第四個維度

從城市等級這個維度進行拆分，咱們的產品定位是中等偏高收入的人群，這類用戶主要集中在一線城市，這也符合我們產品目前的定位。

第五個維度

從進入網站這個事件按新老用戶進行拆分，由下圖可以發現，每天的DAU在過去的一周內沒有發生什么波動，但是按新老用戶拆分后發現，隨著這一波的推廣，咱們的新增用戶數一直在漲的，但是DAU卻沒有啥變化，這是因為老用戶一直在往下跌，這一漲一跌交集之后，DAU的趨勢沒有啥變化，這背后反映的情況是：引入了大量的新用戶，但是沒有成功的留住他們。

經過推廣活動之后，注冊-下單-支付的這個流程的轉化情況如下圖，那么從哪些方面提升轉化率呢？我們就可以用多維度拆解的方法，對這個業務流程進行拆解。

首先從渠道來源進行拆解分析，由下圖可以看出，百度來的流量雖然不少，但是下單和支付的轉化率相比其他渠道還是挺低的。那像這種情況咱們可以加大其他渠道的廣告投放力度，減少百度的投放力度。

其次從城市進行拆解分析，在鄭州這座城市用戶下單的意愿不強烈，這表明我們的產品可能不適合二級城市（新一級城市）的用戶。

最后從操作系統拆解分析，由下圖可以發現，iOS用戶支付能力比較強，這也跟我們的產品大部分是女性用戶有關。

基于以上拆解的案例可以看出，多維度拆解法的運作原理非常簡單：指標或是業務流程按照多維度拆分，來觀察數據的變動，從而找出問題的原因。

業務數據分析對數據分析工作至關重要，不懂業務就很難進行深入有效的數據拆解，所以CDA數據分析師一級把對比分析作為考點，

以上的文章內容來源于柯家媛老師的專欄，如果您想閱讀專欄《小白必備的數據思維課》，點擊下方鏈接

https://edu.cda.cn/goods/show/3844?targetId=6753&preview=0