参考：
答应你们的业务场景分析题来了（1）
答应你的业务场景分析题来了（2）
收入下降，如何分析原因？
产品日活DAU下降，我该如何着手分析？
当面试官问“分析下GMV同比下降20%的原因？”时，他想知道什么？
和费米估计一样(题目本身并不是要你得到一个准确的估计值，而是考察逻辑拆解能力和对业务的理解)，这种业务场景题的初衷并非是让你给出非常专业的回答，而是侧面考察你的逻辑感和业务感，判断你在遇到问题时，能否进行很好的拆分。
参加了多次笔试有很多类似于这样的问题：
- “如果告诉你GMV同比下降了20%，你要怎么分析？”
- “日活跃人数周环比下降了15%，怎么用数据分析得到原因？”
- “转化率同比下降15%，会从哪些角度进行考虑”
前几天的猿辅导笔试中就遇到了这样一道题目：
"某电商平台准备一个大促活动，BOSS说，把活动的销售总额提高五倍，我们应该怎么办？"(感觉这个和GMV【成交总额】是类似的)
还有很多类似的这样的题目，只不过是考察的指标不同(分析GMV/日活/转化率/客单价/跳转率/CPC/毛利率)或者描述方式不同。这是我们称为业务场景题的考察。
- GMV：gmv=销售额+取消订单金额+拒收订单金额+退货订单金额
- 日活：每日使用APP的用户数，每台设备只记录一次。
- 转化率：转化率等于期望行为人数除以作用总人数。期望行为就是我们考量目标希望做到的行为，比如点击率中“点击”就是期望行为，转发率中“转发”就是期望行为，以此类推下载率、激活率、购买率、打开率、成交率、复购率等。
- 客单价：人均付费
- 跳转率：跳出率=访问一个页面后离开网站的次数/总访问次数
- CPC：（Cost Per Click） 点击成本，即每产生一次点击所花费的成本
- 毛利率：(销售收入净额－销售成本) / 销售收入净额 * 100%
以“日活跃人数周环比下降了15%，怎么用数据分析得到原因？”为例介绍"人货场思维"
第一步：验证数据的准确性
当出校数据的异常波动(大幅度波动)时，作为数据分析师，采取的第一步行动一定是验证数据的准确性，很多时候其实是底层表的数据质量出现了问题导致数据的失误，这种情况下解决底层表的质量问题就可以，不需要上升到分析阶段：
第二步：再排除数据自身错误的前提习，展开多维度的分析
人货场思维:
- 人：客户
- 货：商品
-
场：企业以及行业环境
“人货场”这三个维度，能够在绝大多数的业务背景下，相对全面&有逻辑的列举出影响因素，针对每一个有可能影响最终结果的因素进行一一验证，得到结论。
下面我们从人货场的角度出发，来分析一下电商平台的活跃人数下降了15%的问题。
- 从人的角度，主要会考虑：
- 新老客户
- 不同地区客户
- 不同渠道客户
- 是否VIP为客户
- 不同获取方式的顾客
通过数据的一一验证。例如，发现新用户的活跃人数周环比上升了2%，但是老用户的活跃人数周环比下降了16%，则说明拉新活动的表现平稳，推测可能是客服体验不佳、产品质量问题等造成老客户流失严重。若数据表明是H5渠道的客户周环比下降了50%，则需要验证H5端的技术是否出现了问题。
2.从货的角度，主要会考虑：
- 不同品类
- 不同价位
- 不同商家
通过数据一一验证。例如，若发现上周电子产品的活跃人数占整体活跃人数的40%，但是周环比下降了30%,则可以推测是电子产品类表现不佳，导致整体的活跃人数的周环比下降严重。若发现有一批上周十分活跃、产量较高的商家，这周没有上架产品，可能是因为商家维护、商家合作政策的变动，需要具体评估后考虑是否追回这批商家。
- 从场的角度来看。主要考虑：
- 企业内部活动
- 行业整体表现
同样通过数据进行严重。例如，上周由于大部分店开展了促销活动，活动拉新效应显著，本周此活动刚好结束，推测本周活跃人数周环比下降是由于此活动引气的。(如果是年同比的话可以考虑经济形势、行业表现等大环境的影响)
最后进行总结。
表达的时候要条理清晰，“我会从人货场三个角度进行考虑：第一，从人的角度，分析……；第二，从货的角度，分析……；第三，从场的角度，分析……”
针对GMV同比下降20%这个问题，用逻辑树的模式进行分析：
"逻辑树"方法：
（我感觉和费米估计的思路很像）
第一步：拆指标
GMV的公式：
GMV=访客数（uv）* 订单转化率(cr) * 单均价
注：这个拆解方式并不是一定的，只要给出合理的拆解即可
第二步：提出假设
GMV的同比下降主要受到访客数、转化率、单均价的影响。
将假设一继续进行拆解
进一步将假设一拆解为新访客数的影响和旧访客数的影响。
再进一步将新访客的影响进行拆解：来自渠道A的新访客、来自渠道B的新访客、来自渠道C的新访客。
再进一步将旧访客的影响进行拆解：用户人数*回流率
将假设二继续进行拆解
进一步将假设二拆解为下单页面流程的影响、去年3月活动的影响、新产品上线效果不及预期的影响。
将假设二继续进行拆解
进一步将假设二拆解为下单页面流程的影响、去年3月活动的影响、新产品上线效果不及预期的影响。
将假设三继续进行拆解
进一步将假设三进行拆解，优惠活动、市场产品价格的下降。
注：假设一中的回流率下降（与假设二中的转化率的拆解同理）
第三步：验证假设
假设一中渠道A、B、C的用户减少
查看日新增用户数、渠道曝光率和渠道转化率等数据，发现各渠道用户减少，所以得出该结论假设成立。
假设二中的下单页面流程的影响
一般会用漏斗分析对数据进行观察。
【产品详情页】->【加入购物车】->【提交订单】->【支付付款页面】->【支付成功页】
可能会发现在【支付付款页面】->【支付成功页】的转化率同比下降严重。推测是因为app开发或者产品流程管理问题，导致用户在支付付款页无法付款，造成转化率降低——建议开发与产品合适下单流程是否存在卡点。
假设二中的去年三月活动的影响
假如和运营沟通后，了解到去年3月同期开展了“开学季”活动，且活动表现优异。数据结果也表明活动期间转化率与活动前后相比，有明显提升。
推测由于今年未开展活动，导致转化率同比下降，进而对GMV产生影响——建议运营人员参考去年活动标准，选择合适时机继续开展营销活动。
假设二中的新产品上线是否效果不及预期
有运营的同事告诉你，今年3月更换了主推产品，这批产品都是之前没有销售记录的。数据的结果也表明新产品的转化率明显低于老产品，推测新产品上线效果不佳对转化率有明显影响，建议考虑更换产品。
假设三种的优惠活动的影响
在假设二中已经验证，可以建议运营人员参考去年活动标准，选择合适时机继续开展营销活动。
假设三种的产品市场价格下降的影响
通过市场调研，了解到主营产品在这两年得到了规模化生产，出厂成本价格大幅下降，市场卖价也逐步下降——推测行业市场的规模化发展影响了单均价，进而造成GMV的同比下降。
第四步：得到结论
把以上验证假设得到的结论以及建议整理成文即可。
这个问题的实质就是：【提出问题】——>【作出假设】——>【验证假设】——>【得到结论】的过程。
在刚入门时，“作出假设”可能会难倒一片新人，这是再正常不过的现象了。在面试的时候，其实也不用过多的关注自己提出的假设是否完全正确，只要逻辑合理即可，毕竟对面试官来说，也不会奢望一个没有工作经验的人，能够快速找到业务发展的痛点问题……
在慢慢摸清了数据分析流程后，反而是“验证假设”这一步更加繁复。繁复并不是说事情本身有多么困难，而是每天找开发核对底表逻辑、写代码提数、挖掘数字与数字的关系，有时候是一项重复而枯燥的事情。