通过指标体系分析指标变化的原因

指标体系是重要的数据产品。在应用指标体系进行数据分析,并寻找指标变化原因时,通常把这个过程叫多维分析

多维分析包括如下两个层面:

1.基于指标的业务口径来寻找原因
从指标的业务口径来寻找变化的原因,是指当指标发生变化时,依据指标的业务口径来寻找变化分析的方向,这种分析方法特别适合于汇总型、比例型和占比型指标,因为它们的业务口径中天然包含其他指标,可以从其包含的指标中寻求原因。

电商的收入规模类指标 GMV ,即成交金额,其标准业务口径包含已付款和拍下未付款两部分。当 GMV 发生变化时,按照指标的业务口径分析,即分析已付款和拍下未付款的变化分别是什么,可以分为以下几种情况:
■ GMV 上涨,已付款上涨,拍下未付款上涨。
■ GMV 上涨,已付款上涨,拍下未付款下降或不变。
■ GMV 上涨,已付款下降或不变,拍下未付款上涨。
■ GMV 下跌,已付款下跌,拍下未付款下跌。
■ GMV 下跌,已付款下跌,拍下未付款上涨或不变。
■ GMV 下跌,已付款上涨或不变,拍下未付款下跌。
然后再去寻找已付款由哪些部分组成,或拍下未付款由哪些部分组成,追踪这两个指标的业务口径,继续排查原因。

在电商运营中,购买转化率是一个重要指标,通常购买转化率的口径如下:

购买转化率=成功付款人数/浏览商品的人数

当购买转化率发生变化时,基于口径分析一般有以下几种情况:
■购买转化率上涨,成功付款人数上涨,浏览商品人数上涨、下降或不变。
■购买转化率上涨,成功付款人数上涨、下降或不变,浏览商品人数下降。
■购买转化率下降,成功付款人数下降,浏览商品人数上涨、下降或不变。
■购买转化率下降,成功付款人数上涨,下降或不变,浏览商品人数上涨

说明:依据指标口径分析指标变化的原因,看似各种情况很多,事实上这些情况是可以穷尽的,并且在实际业务经营中所有情况的出现标准80%的业务经营中是非常高效的。不是均匀分布,而是集中于几种情况上.

2.基于指标关联的维度来寻找原因
从指标的关联维度来寻找变化的原因,是指当指标发生变化时,依据标的关联维度来寻找变化分析的方向,这种分析方法特别适合于原子指标,它们已不可细分,无法从指标的口径中寻找,就只能从其关联的维度中号北原因。

产品的 DAU ,按照指标的维度来分析,标准分析过程是按照新客、老客、沉默唤醒、流失召回四大客群的 DAU 分别进行分析,来寻找产品整体 DAU 的变化原因。

整体 DAU =新客 DAU +老客 DAU +沉默唤醒 DAU

基于指标维度来分析指标,是整个数据分析中最有魅力的过程,这个时候就会感觉到一套完整严谨的指标体系是多么重要,因为里面清晰定义了指标关联的维度,以及维度的属性。

你可能感兴趣的:(数据运营,数据分析)