惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

M
MIT News - Artificial intelligence
罗磊的独立博客
Hugging Face - Blog
Hugging Face - Blog
J
Java Code Geeks
G
Google Developers Blog
美团技术团队
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
腾讯CDC
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
T
The Blog of Author Tim Ferriss
月光博客
月光博客
B
Blog
WordPress大学
WordPress大学
云风的 BLOG
云风的 BLOG
博客园_首页
人人都是产品经理
人人都是产品经理
aimingoo的专栏
aimingoo的专栏
Y
Y Combinator Blog
Jina AI
Jina AI
S
SegmentFault 最新的问题
H
Help Net Security
博客园 - 聂微东
Microsoft Azure Blog
Microsoft Azure Blog
Google DeepMind News
Google DeepMind News

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
四步走,做有深度的数据分析
接地气的陈老师 · 2022-07-21 · via 人人都是产品经理

编辑导语:相信很多同学在分析问题的时候都有困惑:怎么做才算有深度的挖掘?到底要挖到什么程度为止?一堆指标有高有低要怎么看?这篇文章作者从四步走,详细阐述了如何进行有深度的数据分析 ,感兴趣的小伙伴一起来看看吧~

很多同学在分析问题的时候都有困惑:怎么做才算有深度的挖掘?到底要挖到什么程度为止?一堆指标有高有低要怎么看?

今天系统的跟大家分享下,如何深入挖掘问题。

一、0级深度‍

最简单的原因分析,就是单维度做个细分对比。比如分析为啥业绩没达标,细分一看,发现5个分公司,有2家没达标。那么分析结论就是:“因为2个分公司没达标,所以业绩没达标”搞掂!

当然,这时候可以再多做一步:量化每个没达标的分公司的影响。比如看看谁是达标率很低的,谁是拖累大盘的。做到这一步,单维度的细分对比就做到头了。

二、1级深度

既然单维度细分可以做,那多维度也能做。常见的,就是拉交叉表。比如业绩为啥没达标?把产品、用户、分公司等维度,都拉出来和业绩目标做个交叉,然后把每个维度有哪些差异一一列出来。很多同学做问题原因分析,其实都在干这个事……

注意,这里可以多做一步,就是发现几个维度之间的联系。因为很有可能,A、C、E三个分公司卖不好,背后有同样原因:他们都是甲产品的主要销售地,而甲产品做烂了……这种联系,可以通过两个维度交叉对比发现。

三、2级深度

然而事还没完,我们依然会追问:为啥甲产品会做烂?是这个产品先天性质量不过关,还是后期运营没有做到位?注意!到这一步,问题发生变化。不管是“先天质量不过关”还是“后期运营不到位”,都没法直接拿一个指标来衡量。此时,我们需要做转化,把语文描述的假设原因,转化成可量化,可验证的指标。

比如“先天质量不行”,这里有两个点:

  1. 什么叫质量
  2. 怎么算不行

衡量质量,可以从产品性能、配置等硬件角度(需要二手资料收集),也可以从用户体验、口碑等角度(需要调研/舆情数据采集),先把指标定下来。衡量“不行”则得找到参照物,可以参照自己的上一代产品,或竞争对手同期产品进行对比(如下图)

“后期运营不到位”,也是同理,可以进一步拆分。而且因为运营涉及了推广、促销、商品周转等好几个方面,所以得每个方面单独看数据:

  1. 推广质量如何(各推广渠道转化漏斗)?
  2. 促销力度如何(优惠力度/整体资源投入)?
  3. 商品周转如何(是否有渠道缺货/积压)?

注意!当出现好几个方面的时候,有可能有第1级深度时候的问题:几个方面相互影响。此时由于假设不能用一个分类维度简单替代,所以检查相互影响的难度较大。一般来说,为了分析清楚,需要从业务逻辑角度,找“离用户近的,上游的”原因。比如推广、促销、商品周转三者相比,推广更上游,推广不行,人不够,啥都不行。所以可以先从推广上排查。

四、3级深度

我们在2级深度,确认了:

  • 产品的包装不是很受消费者欢迎(前期调研没做好)
  • 产品的价格偏贵,对手有更便宜的货
  • 推广效果不理想,推广转化率未达预期

所以呢?分析结束了吗……

不一定,因为一个健壮的问题原因,得是:

有这个原因的时候,问题存在;没有这个原因的时候,问题消失。

两边都成立,才能称之为“健壮”,因此如果只做到2级深度,领导经常会反问:“那是不是我换个包装/降个价/换个文案,它业绩就能好啊”说这话的同时,语气中好充满了不信任。

此时终结问题的最好办法,就是:真的安排一次测试。哪怕是先小范围的测试,确认能解决问题也行,后续推大规模测试。注意,三个问题里,包装问题相对难改,价格和推广是很容易改的,做测试的时候,一般会选择容易改的下手,尽快获得反馈。

比如价格问题,可以就近找个节日,安排一次节日促销,动一下价格看看效果。这里有两个点要注意:

  1. 测试得可控,不能不留后手。比如调价,万一全面降价,商品销量还是没起色,咋办!不留后手,只会逼死自己。
  2. 测试要注意控制其他变量。比如测价格,肯定会通过渠道投广告,那渠道运营就不能太烂,至少拿一些之前表现相对好的渠道来做。不然又扯不清,到底渠道和价格各自影响多少。

这是企业里做测试,与实验室做测试的最大区别。实验室是封闭环境,可以耐心地做各种精细分组,一个个控制变量做对比。但企业环境下,很多问题前后有牵扯,内外有影响,要往着“出业绩”的方向努力。结果好,一切都好。不然磨磨唧唧试了几次都没提振业绩,估计自己都得走了。

五、4级深度

做到3级深度,很多同学会觉得:这下终于无死角了吧。其实还是有个潜在的问题,就是:短期和长期的矛盾。短期内的重点问题,不代表长期内也是重点问题。比如短期内促销一下就能拉起销量。可长期来看,上的促销越来越多,产品力越来越弱。最后经费烧尽,企业就完蛋了……

因此,短期测试/验证的结果,需要长期累计的数据做支持,以评估长期效应。这样做数据逇时候,就不能“头疼医头,脚疼医脚”而是得做长期观测。把每一次遇到问题的假设列清单,记录下来,然后观察长期内:

  • 是不是某些问题反复出现
  • 是不是有些问题持续很长
  • 是不是解决问题手段趋于单一
  • 是不是解决问题成本越来越高

如果是,那就说明存在长期问题。

此时,那些反复出现、长时间持续的问题,就可以成为突破口。虽然短期内它们不是重点,会被促销等掩盖,但长期存在本身就是问题,就得推动业务去解决它。

六、小结

很多同学做不深入,是因为从2级深度开始,就不能只指望几个指标/维度交叉一下,直接拉出结论来,就得结合业务场景,转化业务假设,然后搜集证据。这要求掌握业务场景、指标、逻辑能力。这些能力需要积累和锻炼才能提升。

而第3、4级深度,又依赖于业务配合。我们经常见到,有些公司的业务遇到问题,不是甩锅,就是粉饰太平,要么就是不分三七二十一搞打折促销,导致很多假设无法被验证,分析经验也无法积累。

这时候,就要求做数据的同学,自己有总结问题的能力,归纳业务到底干了啥。如果我们发现业务只会“三板斧”,发现一些持续性问题始终没人管,其实我们的洞察能力已经上了一个台阶。如果我们能再设计实验,验证假设。即使没有真的投产,也是宝贵的分析经验积累。这些经验能让我们在其他更规范的企业,发挥价值。

#专栏作家#

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议。

专栏作家

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Pexels,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。