文章图片

整个新用户的比例跟整个留存率下降是不成比例的 。 这是什么导致的？在这里面发现了问题的根源性渠道 ， 就是B渠道导致的 。 B渠道新用户的量比较大 ， 同时占比较高 ， 留存效果较差 。 这里同时考虑了量的因素和各个比例的因素 ， 两个因素同时作用下导致了问题出现 。
这里已经发现B渠道是有问题的 ， 但只有这样仍然不够 。 我们继续往下看 。
层次五
再经过分析发现 ， B渠道的投放策略有问题 。 这是由渠道营销和运营的这些人决定的战略行为 。

文章图片

通过站内行为分析一下B渠道投放的用户 ， 当中用户的转化预期和转化路径等方面是否符合期望 ， 这是一个特别重要的分析部分 。
在留存过程中是不是存在某些漏斗环节比较严重 ， 也就是说假如留存的周期较长 ， 当中需要分几个步骤共同去实现 ， 是否有某个步骤问题较大 ， 就会导致整个留存过程中出现短板 。
最后我们就会得到落脚点 ， 建议针对上面这些问题我们该怎么做 。 最后这一步才是真正的分析问题 ， 解决问题 ， 提出建议的过程 。
综合一下看看刚才五个层次的过程 。 依次经过了先描述了数据事实 ， 去年跟今天的对比 ， 之后形成结论 ， 这是个正常现象 ， 然后做了基本的分析 。
同时在结论基础上发现了问题 ， 通过问题继续往下去探究其成因 。 以及最重要的就是有落地 ， 发现问题之后 ， 建议通过几个方面去做改善和提高 。 这个过程才是有用的分析结果输出 。
大部分的分析师其实是比较初级的 ， 只是把数据摆出来 。 稍微进一步的分析师会把数据结论进行简单总结 ， 做简单分析 ， 这是大部分的初中级分析师现在做的基本程度 。 再往下的中高级分析师 ， 会发现一些潜在的问题 ， 找到成因 ， 最重要的就是最后会输出一些落地的建议 ， 而这个落地的建议才是评估它是否有用的标准 。
因此数据分析师的输出 ， 无论是PPT、Excel、邮件等形式的数据分析报告 。 这是不够的 ， 只是存在于业务员脑子里 。 要能真正有能够落地的建议才是有用的 。
错误的KPI驱动：一开始就错了
下面来讲一讲 ， 会导致数据分析结果没有用的一些主要影响因素 。

文章图片

第一个因素是错误的KPI驱动一开始就错了 。 第一步如果错了 ， 后面每个步骤都会出错 。
常见的错误KPI：

• Display广告过度追求转化率
• 拉新以“新用户占比”为KPI指标
• 追求利润阶段 ， 选择销售额作为KPI指标
• 库存商品的销售KPI为利润率

右边截图是海底捞在2021年11月底发布的公告 。 里面提到了一点 ， 在之前运营过程中 ， 由于经营不善导致了很多店面亏损 ， 所以决定要收缩店面做精细化的运营 。 里面反思的一条是 ， 过度相信连住利益的KPI指标以及企业文化建设不足 。 大家可以看到 ，KPI定义的不准确会导致整个运营过程中步步都有问题 。
如果方向错了 ， 执行再对也是错的 。 因此方向是最重要的开始 。
使用相关性指标来改善KPI：单纯的相关可能导致偏离预期

文章图片

现在在大数据时代 ， 可能很多人会强调相关性而非因果关系 。 这种思想会对的实际工作造成严重的数据应用误导 。