业务分析方法

概览

战略层面

了解行情

熟悉行业基础信息，了解行业整体情况。

PEST模型

通过PEST模型分析行业所处的政治、经济、文化、科技等环境因素如何影响行业，对未来企业的发展方向做出预判。

波特五力模型

分析内部市场环境。

学习标杆企业

分析竞争对手

产品层面

• 引入期：侧重监控用户行为数据，优化迭代产品

• 成长期：侧重监控用户新增、用户活跃、用户留存、渠道数据等，筛选优质渠道，扩大客户基数，提高用户活跃及留存，提高各个关键环节转化率

• 成熟期：侧重监控会员，成单数据等，提升盈利点

• 衰退期：侧重监控内容、市场品牌数据等，品牌驱动，设计出有效的营销策略，找出第二增长曲线或二次创新

数据指标

公司是一台复杂的机器，惟有这台机器上的各个零部件都做到及格水平，最终才有可能产出一个及格的结果。

在这一部分我们需要考虑：

• 不同岗位的业务指标制定的逻辑是什么

• 各种业务指标的差异和内在联系是怎样的

• 如何从繁复的指标中找到解决问题的关键指标

What is a good metric?

A good metric is comparative. Being able to compare a metric to other time periods, groups of users, or competitors helps you understand which way things are moving. "Increased conversion from last week" is more meaningful than "2% conversion."

A good metric is understandable. If people can't remember it and discuss it, it's much harder to turn a change in the data into a change in the culture.

A good metric is a ratio or a rate. Accountants and financial analysts have several ratios they look at to understand, at a glance, the fundamental health of a company. You need some, too.

A good metric changes the way you behave. This is by far the most important criterion. If you don't know how to act on the data, or if acting on it is a significant departure from your current behavior, it's best to find something else to focus on.

数据类型

数据分析法

对比分析

还是那句话，好的指标是比出来的。

对比分析主要是对两个相互联系的指标进行比较，从数量上说明研究对象的规模大小，水平高低，速度快慢等相对数值，通过相同维度下的指标对比，找出业务在不同阶段下的问题。

单看绝对数据意义不大的，比如某产品的7日roi达到了30%，它是好还是不好，我们仍不可知。因为不知道这个30%对于这个产品算是高还是算低，同比是上升了还是下降了。

• 比什么

  • 绝对值：本身具备价值的数字（销售额、阅读数、视频、直播的观看人数）

  • 比例值：在具体环境中看比例才具备对比价值

  • 注意：

    • 单纯比较绝对值，不易得到问题的严重程度

    • 单纯看比例值，容易忽略数据的量级

• 和谁比

  • 和自己作比较

    • 和不同时期的自己比较

    • 同自家不同业务产品比较

    • 和设定的目标比

  • 和行业比较

    • 和行业的平均水平比较，和行业的标杆比较（是自己的问题，还是整个行业的问题）

    • 分析自身的情况（都涨，我能不能涨得更快，都跌，我能不能跌得更慢）

• 怎么比

  • 整体数据大小（平均值、中位数）

  • 整体波动（变异稀疏=标准差、平均值）

  • 趋势变化（时间变化/趋势图，环比和同比）

    • 环比：分析10月，和9月对比

    • 同比：分析今年10月，和去年10月对比

• 注意：

  • 如果是对总体的数值进行比较，那么各对比纬度的规模需要一致

    • 对比建立在同一标准纬度上

    • 拆分相关影响因素

    • 各项数据对比需要统一量纲

多维度拆解

• 多维度拆解

  • 纬度：看待问题的角度

  • 拆解：A=B+C，如：用户=新用户+老用户

• 怎么拆

  • 从指标构成拆解

  • 从业务流程来拆解

• 例子（分析房价影响因素）

  • 城市（超一线、一线、二线、区域中心、净流出地）

  • 区域（CBD、新区、老区、近郊、远郊）

  • 产品（产权、楼龄、朝向、户型、景观）

  • 资源（交通、教育、医疗、配套）

漏斗分析法

漏斗分析本质是一套流程分析，主要适用于流程较长，环节较多，并且随着环节进行流量逐渐流失的场景（在互联网产品、推广、运营分析中适用较多）

通过漏斗分析，我们很容发现问题发生在哪里，但是它无法解释问题为什么发生在这里

公式拆解法

针对某项指标，用公式表现该指标的影响因素，以销售额为例：

矩阵分析法

简而言之就是分类

数据的异动处理

搞明白每一次涨跌

跌——采取措施，减缓趋势

涨——弄清原因，加大投入

例如：

• 收入跌了10%

  • 是不是一个问题

    • 问题严重么

      • 假设：是个例，以前没有这种情况

      • 证明：周同比，月同比都没有这种跌幅

      • 结论：是个问题，且严重

    • 提出分析方向

      • 假设：技术问题，表现为数据突然下跌，修复后可恢复

      • 证明：分析流量规律

      • 结论：没有问题

      • 继续假设：渠道问题

      • 证明：某个渠道突然下跌

      • 结论：是该渠道问题

      • 继续假设：什么导致该渠道出现该问题

      • 证明：...

      • 结论：...

    • 找到根源，进行业务处理