业务分析--维度拆解

强推良心公众号：猴子数据分析
资料来源：
如何解读报表?
收入下降，如何分析原因?

分析思路

一、明确问题---把问题定义清楚

• 需要明确数据来源和准确性
• 对业务指标进行理解。

1.明确数据来源

1）时间
2）地点
3）数据来源准确性：确认数据来源于哪个部门，并核实数据的准确性。

2.指标含义及和谁比

1）拆分维度---> 各维度的核心指标

image.png

image.png

分析一下：
❤指标拆解目前总结了两个方向，以后学到了再扩展。具体分为：
①不涉及钱的（订单量，销售量等单纯是数量）
不涉及钱的一定涉及 【转化率】 或者 【人均量】
②涉及钱的（充值收入，销售额等，他们通过数量*钱来计算）
涉及钱的一般涉及 【单价】
❤上面两个维度分完，一般就需要从其他维度进行划分了，从以下几个维度选择一个，常用的就是新老用户。分完之后，再选择一个维度，这里选了渠道。其实你也可以先选地域分布，然后再选新老用户。这还是得看业务背景，在哪个维度上差别较大，优先选择哪个维度，就跟决策树一样。
☆维度指标：
①用户画像（新老用户，地域分布，年龄，性别，民族，国籍，学历，职业，兴趣爱好，家庭收入，已婚未婚，几个孩子，有车没车，有房没房，有贷款无贷款）
②社会属性（宗教信仰，政治面貌）
③用户偏好（喜欢实用还是浪漫，偏爱哪个功能，偏爱哪个渠道，偏爱哪种促销方式）

每进行一次划分，就走一遍这个流程，首先看涉不涉及钱，其次哪个维度差异最大，先划分哪个维度，划分万再看涉不涉及钱，再看哪个维度差异大，一次类推……

二、假设检验分析方法--找到问题出现的原因

提出假设，收集证据，验证假设，得出原因。

image.png

image.png

在收集证据的时候，就用到了跟谁比的问题。不比怎么知道好坏，怎么知道升降。还有一种情况就是发现了原因，还得继续分析。比如说，最后的问题落脚到了转化率的问题上，就得从产品的角度继续拆分下去。

image.png

就得从业务角度或者说产品角度去提出假设，收集证据，再确定原因。

image.png

三、提出建议

根据原因，提出建议。

以上通过公式来拆，下面的通过分析思路来拆

维度拆解方法二

题目来源：
某APP 7月份DAU比同年5月份上涨了10%，作为数据分析师，你会从哪些方面分析DAU增长的原因？ 请列举至少两种以上拆分思路。
解题思路

• 长短期拆分
• 内外部拆分
• 时空拆分

step1：确定数据是否存在异常：基于历史数据，利用移动平均等预测方法，预测7月DAU数值，与2-3倍标准差做对比，判断实际数值是否处于正常范围。也就是判断DAU上涨10%这是一个趋势，还是一个问题，是长期因素导致的，还是短期内社会事件、节假日、季节等因素导致的。（这是一个长期趋势还是短期问题）

step2：拆分数据维度：人群拆分、渠道拆分、地理拆分、内外部拆分。拆分的核心是找出哪些影响因素导致了数值的异常，从各个维度判断是整体因素还是某类因素）。

① 人群拆分：新老用户维度、性别维度、年龄维度、职业维度等等。

② 渠道拆分：从新用户的的引入渠道、APP的跳转入/跳转出渠道、分享渠道、付费渠道等。（AARRR 获取-激活-留存-付费-自传播）

③ 地理拆分：从地域分布、城市等级等粒度，拆分数据，分析DAU增长点是发生在某类城市、还是整体市场的变化。如果是在某个或某类城市的变化，则进一步分析其DAU增长原因。同时对比其渗透率与DAU变化较小的城市渗透率，判断这类城市的变化对整体DAU变化的影响程度。

④ 内外部拆分：内部主要指产品本身的改动点是否获得用户认可，包括产品模块的改动、产品周期性、产品运营策略的改动，可通过A/B Test、用户调研等方式进行检验。 外部可以从市场趋势、市场竞争、外部舆论、社会事件（PEST）模型等因素考虑，可利用舆论热度、关键词搜索量、ADX等指标衡量趋势类因素，也可从分隔市场角度解释市场竞争因素（在固定容量的市场环境中，一些产品的倒下或爆红，将导致用户量的集中和分散）。

具体维度考察技术、产品、运营，进一步细化DAU增长原因，分析问题，预测8月趋势变化，并为后续运营策略提优化建议。

总结

• 用户画像（）
• 渠道（AARRR）
• 产品（4P，波士顿矩阵四象限）
• 市场（波特五力模型、pest，swot）