CDA數據分析師 出品

作者：宋天龍

編輯：Mika

大家好，我是觸脈咨詢的合伙人宋天龍。今天給大家分享的主題是關于如何避免輸出沒用的數據分析結果。

我們先通過例子來簡單看一下，在日常的數據分析工作中，所需要步驟和過程的分析結果的基本情況。

這個分析結果有用嗎？

層次一

先來看第一個，是比較初級的數據分析師經常會輸出的結果。

跟2020年相比，非媒體新用戶的占比稍有提升，但留存率有下降。

這個結論其實是基于數據得到的。非媒體指的是非通過費用的方式投放得到的，也就是一些正常的合作渠道。通過比較可以發現，2021年的值有所提升。留存率方面，指的是21年的9.3%比20年的13.5%有所下降。

這個結論相當于在現有圖表的基礎上，用文字把結論念了一遍。這是初級分析師比較容易輸出的結果。但是可以發現，他只是把數據結果用文字的形式重復了一遍而已，其實是沒有結論的。

層次二

下面看第二個層次的。在上面結論基礎上，有的分析師會有一些帶有結論的定義輸出。

基于上面留存率和新用戶占比的變化，可能給出結論，“這是正?，F象”。“正?，F象”本身就是對于前面所有數據描述的概括，這是一個結論。

后面又分析了從用戶成分上，2021年的渠道為什么會導致新用戶占比的提升?？赡芡斗啪鸵岳聻橹?，因此新用戶占比提升是正?，F象。同樣的，新用戶的比例提升就會導致留存率的下降，拉低了整個網站的留存率情況。

這里把在剛才第一句的基礎上增加結論句——這是正?，F象。然后下面增加了分析過程。分析過程里涵蓋了：新用戶的占比為什么提升，老用戶的整體留存率為什么下降，并有分析的過程。這比剛才整個的結論顯然要好很多了。但是仍然不夠。

層次三

下面再看第三個。在剛才的基礎上，又有了進一步的結論。

結論是，但是新用戶的比例提升26%，留存率下降31%。按照過去6年的新用戶成分與留存率的關系計算，留存率下降的比例過高。

新用戶的比例提升26%，這里是基于28.9%，減去23.4%的值，再比上23.4%得到的。同樣的也可以計算出新用戶留存率下降31%的結果。

通過這個結論，基本上已經發現了一個問題。剛才得出“這是正?，F象”的結論，只是對于新用戶的提升跟整個留存率下降的解釋。

但是一增一減的過程中，按照過去整個長期數據規律的測算，這其實是不符合規律的。這是在之前的分析里沒有提到的點。這個是一個問題，新用戶的比例上升，對于整個的留存率下降來講是不成比例。在這里發現了問題，但是僅有這個結果仍然是不夠的。

層次四

再往下看。下面又增加了一個分析的部分，發現其中B渠道的新用戶的數量比較大的，同時其新用戶的占比可能比較高。但是留存率比較差，可能會嚴重的低于整個2011年新用戶的留存率。

整個新用戶的比例跟整個留存率下降是不成比例的。這是什么導致的？在這里面發現了問題的根源性渠道，就是B渠道導致的。B渠道新用戶的量比較大，同時占比較高，留存效果較差。這里同時考慮了量的因素和各個比例的因素，兩個因素同時作用下導致了問題出現。

這里已經發現B渠道是有問題的，但只有這樣仍然不夠。我們繼續往下看。

層次五

再經過分析發現，B渠道的投放策略有問題。這是由渠道營銷和運營的這些人決定的戰略行為。

通過站內行為分析一下B渠道投放的用戶，當中用戶的轉化預期和轉化路徑等方面是否符合期望，這是一個特別重要的分析部分。

在留存過程中是不是存在某些漏斗環節比較嚴重，也就是說假如留存的周期較長，當中需要分幾個步驟共同去實現，是否有某個步驟問題較大，就會導致整個留存過程中出現短板。

最后我們就會得到落腳點，建議針對上面這些問題我們該怎么做。最后這一步才是真正的分析問題，解決問題，提出建議的過程。

綜合一下看看剛才五個層次的過程。依次經過了先描述了數據事實，去年跟今天的對比，之后形成結論，這是個正?，F象，然后做了基本的分析。

同時在結論基礎上發現了問題，通過問題繼續往下去探究其成因。以及最重要的就是有落地，發現問題之后，建議通過幾個方面去做改善和提高。這個過程才是有用的分析結果輸出。

大部分的分析師其實是比較初級的，只是把數據擺出來。稍微進一步的分析師會把數據結論進行簡單總結，做簡單分析，這是大部分的初中級分析師現在做的基本程度。再往下的中高級分析師，會發現一些潛在的問題，找到成因，最重要的就是最后會輸出一些落地的建議，而這個落地的建議才是評估它是否有用的標準。

因此數據分析師的輸出，無論是PPT、Excel、郵件等形式的數據分析報告。這是不夠的，只是存在于業務員腦子里。要能真正有能夠落地的建議才是有用的。

錯誤的KPI驅動：一開始就錯了

下面來講一講，會導致數據分析結果沒有用的一些主要影響因素。

第一個因素是錯誤的KPI驅動一開始就錯了。第一步如果錯了，后面每個步驟都會出錯。

常見的錯誤KPI：

• Display廣告過度追求轉化率
• 拉新以“新用戶占比”為KPI指標
• 追求利潤階段，選擇銷售額作為KPI指標
• 庫存商品的銷售KPI為利潤率

右邊截圖是海底撈在2021年11月底發布的公告。里面提到了一點，在之前運營過程中，由于經營不善導致了很多店面虧損，所以決定要收縮店面做精細化的運營。里面反思的一條是，過度相信連住利益的KPI指標以及企業文化建設不足。大家可以看到， KPI定義的不準確會導致整個運營過程中步步都有問題。

如果方向錯了，執行再對也是錯的。因此方向是最重要的開始。

使用相關性指標來改善KPI：單純的相關可能導致偏離預期

現在在大數據時代，可能很多人會強調相關性而非因果關系。這種思想會對的實際工作造成嚴重的數據應用誤導。

如果天很熱，會導致冰棒和汽水的銷量比較高，這是一個常識。同時天很熱的話也會帶動比基尼銷量的增加，因為夏天很多人會去游泳，去海邊去度假，因此比基尼的銷量也會提升。

天很熱會導致冰棒和汽水銷量增加，這是由客觀的外部環境決定的。天很熱也會導致比基尼銷量增加。這個過程中單純分開看這兩個因果關系都沒有問題，但如果基于這三個一起去做分析的話，就會這樣的結論。

冰棒、汽水的銷量和比基尼的銷量會成高度的正相關關系。如果基于相關性的指標去做KPI改善的話，從而得出結論，提高冰棒、汽水的銷量，就能提升比基尼的銷量。這就是錯誤的。

常見的錯誤相關性應用有：

• 利用增加訪問深度來提升訂單轉化率
• 利用增加網站停留時間來提升訂單轉化率
• 利用增加老用戶占比來提升銷售額

使用相關因素來代替因果因素，沒有抓住核心因素

通常企業在做完營銷活動后，會進行復盤。如果這次活動比較好的話，到底是為什么會導致這次運營結果比較好呢？

很多分析師如果沒有經驗的話可能會這么分析。比如把所有能拿到的維度都統一的細分對比分析一遍。

因此會輸出圖中左側的結論。

把所有現在拿到的數據維度，從各個角度上做統計分析和對比。這么做沒有錯，但是沒有本質上解答問題。

如果是有經驗的分析師會怎么做呢？他會著重分析運營相關的因素，從而找到里邊的經驗。

這里以用戶運營為例， CRM推送里老用戶的銷售額貢獻占了79%。接著重點去分析用戶運營里做了什么或者做對了什么。

• 人群選的對

通過預測模型得出，人群比較精準，因此選對人是一個重要的因素。

• 商品選的對

通過推送時，商品跟用戶購買商品的匹配度會比較高，因此商品選的對，也是一個特別重要的因素。

• 推送時機、推送渠道、標題策略……

從而通過這樣的分析，告訴用戶運營部門，當中做了什么樣的事情，做對了什么，哪些地方可能沒做對，因此之后需要把對的繼續保持，錯的要做修改和優化去提升。這是能夠直接從因果關系的層面去分析到底這個活動結果為什么好。

沒有畫龍點睛之筆，沒有業務的落腳點。

這里面沒有業務落腳點就包含兩個場景，第一個就是沒有落地建議，你只給了他的這種結論分析過程，甚至好多這種模型算法解釋，但是分析完之后就沒有結果落地建議。第二類就是沒法落地的建議，給出一些比較難落地的建議。

因此，我們建議分析師一定要去了解業務，業務方的整個運營流程是怎么樣的，以及評估之后，業務方到底有哪些事情可以做，以及它的范圍內可以做。這些都是你在落地里面需要去考慮的因素，而并不是說基于數據去單純的做分析和建議，你需要把業務的背景知識和業務的權力范圍，以及業務的需求點放到你的建議里面去。

單因素的因果邏輯，因為差所以要改善

舉個例子，這是網站的真實客戶的情況。從用戶到站，最終要讓用戶完成抽獎的過程，但是抽獎前給設置了幾個中間環節，比如到站之后，需要關注，留下電話號碼，最后再來抽獎。如果說按這個流程的話，其實只需要一步行了，用戶達成之后直接進行抽獎，不要中間這個過程，一定會發現抽獎率是非常高的，它就會高于現在四個步驟。

抽漿轉化率會有一定的流失，但是我們獲得了大量的關注，留下電話號碼的用戶的粉絲和銷售線索。這個時候其實它是一個平衡的狀態，我拿流失的抽獎轉化率的用戶，換來的是粉絲和銷售線索的增加。

大多數業務場景下，我們不能只居于一個因素去做考量，因為那是太幼稚的一個想法了。

講自己不懂的故事，我們不會比運營方“更懂”業務

分析師的重點或者核心競爭力，不是在于多么懂業務，而是懂得如何通過數據去驅動業務，實現更好的數據化運營，這個是數據分析師的價值所在。

在輸出結果的時，避免給班門弄斧，除非有數據的支撐。數據分析師不應該講如何運營，而是講如何通過數據更好的實現運營。

超出報告服務對象的執行范疇：無意義的越俎代庖

為誰寫報告，就應該以報告對象的服務為核心。

舉個例子，以社交媒體部門為例，要給他寫一個報告，這個時候給的建議點比較合理的會包括哪些？

合理的建議點：

• 如何發掘KOL和KOC
• 如何提前發掘熱點話題
• 如何監控并找到負面評價
• 如何找到并利用裂變路徑

這些都是合理的建議。

下面再看一些哪些是超出范疇的建議，比如：

• 如何改善網站內部流程
• 如何優化SEO
• 如何改進搜索功能
• 如何設置商品策略

所以事實上是你給誰服務就要給他去做專門的數據的報告。所以這里面其實我建議大家就是要把權、責、利統一起來，這是有效落地的基礎出發點。

以上就是我今天的分享內容了，希望對大家能夠有所幫助。