你是不是觉得,平时做的日、周、月、季、年报没啥用? 每天麻木地更新,发出来也没人看,需要数的时候还是临时取数? 因为光有数据,没用配解读数据的方法! 数字要读出含义才有价值。结构分析法,就是解读数据的一种简单、快捷的方法,也是数据分析师的祖传手艺。 从人见人厌的平均数说起 人们天生讨厌平均数,总觉得用平均数很扯淡,有种“我和姚明平均身高,有毛用”的感觉。但是反问:为啥平均数这么不好用,但是大家还喜欢用呢? 因为:方便。 举个最简单的例子: 已知1:客户需要5万件产品 已知2:生产线平均每天生产5千件 问:需要生产几天 答:10天 虽然可能实际上是一天4879件,但是无所谓,这点偏差并不影响整体决策。用平均数来计算数量,安排人力物力,分配资源预计进度,都是很方便的。特别是在供应链一侧,生产能力、物资消耗、配送时间,是相对固定的,波动不大。因此非常好用。 但在营销侧,情况就变了。 营销侧更流行二八法则: 20客户贡献80收入 20产品创造80利润 20销售赢得80订单 这种情况非常普 因此,当业务数据很均衡、稳定的时候,可以直接上平均数,当业务数据分布差异巨大的时候,就得看分布结构了,这就是结构分析法的起源:去平均化,发现内部问题(如下图)。 结构分析法如何做 结构分析法的做法: 第一步:明确对象。 要观察结构的目标,是用户、商品、渠道、产品选好目标。 第二步:找到指标。 比如已选定观察用户,再定清楚,要观察的是用户的付费、活跃、注册时间、区域分析哪个指标。这里特备要杜绝面面俱到。整得太复杂,不但提取数据很麻烦,看数据的人也没心思看。最好抓核心指标。 第三步:分层观察。 一讲到观察,做数据的同学们习惯性想到箱型图。没错,箱型图是观察结构的方法但是业务部门看不懂呀。想要解放人力,方法越直观越好。因此推荐用下边两种分法,一眼就看明白。 第四步:总结形态。 还拿用户结构举例,我们的用户是大R型,还是大DAU型。直接决定了后续运营方向:是继续大量淘沙,还是小火慢炖,服务好大多数人。 同时,如果已经有业务上的标杆,标杆的结构,可以作为判断依据。 我们希望发展高端用户,所以A类用户占比必须到20 我们的标杆门店,A类用户占比就是20,所以其他店也要做到20! 我们的商业模式就是大浪淘沙,所以每批新用户中A类用户占比必须为20 这种简单直接的判断,对于提高日常报表使用率,非常有用! 结构分析法如何用 使用场景1:快速理解陌生的用户商品渠道情况。 比如实体企业,到一个地方巡店,看客户结构,看商品陈列比例 比如互联网企业,看渠道流量时间分布,看转化人数 都是只用几个指标,能快速反推整体情况,发现问题,这样的工作效率非常高。 使用场景2:监测用户商品渠道健康度变化 对稳定的业务而言,没事发生就是好事,稳定的结构代表问题不大 对新增业务而言,越快贴近理想结构,发展越好 这样有了明确的标准,就不会因为短期波动而纠结,集中精力办大事。 使用场景3:监测重大政策上线效果 对内部观察:是否政策起到正向推动 对外部观察:是否引发关键群体的波动 这样能利用常规报表,快速锁定问题点,后续也不用拖一堆无关维度出来交叉交叉再交叉,应急的时候响应速度更快。 以上工作完全可以靠常规报表搞掂,不需要临时取数,不需要额外占用数据分析师的时间。因此非常好使唤。 小结 类似的方法,还有矩阵分析法、趋势分析法、漏斗分析法。这些方法的共同点,就是:用一组有逻辑的指标,树立清晰的标杆,长期监控业务变化,从而快速得出结论。这些方法再和报表结合,就能极大提升工作效率。业务部门能定位到问题,数据分析师能解放工作量,这样才能做更深入的分析。 有趣的是,现在市面上流行的做法: 问:你要怎么分析DAU下降30呀? 答:从基本特征、来源渠道,DOUDNU等等维度拆拆拆,肯定能拆到某两个柱子差异好大,就是它了。 这样的做法是很有问题的。 只看时间点,不看走势 只看重大变化,不看细微发展 不找关键维度,闭着眼一个个试 不用固定指标,非整一堆细节指标 这样只会增加大量无效劳动,让业务养成“不看报表,只打电话”的坏习惯。 “喂,为啥又涨了呀” “喂,为啥又跌了呀” “喂,为啥涨了又跌呀” “喂,为啥跌了又涨又跌呀” 每天忙着处理这种琐碎问题,啥深入分析,啥建模都别想了。 所以想解放精力,就得把监测体系建好,多利用这种短平快的小方法,多利用固定指标体系和查找机制,这样才能高效率运转。 想更深入学习数据分析的小伙伴们,欢迎加入我的知识星球,加入后,可以免费享受六门视频课程、一对一咨询问题、一对一修改简历、面试指导、训练营等全方位的服务。 加入我们的星球后,可免费享有七大服务 上下滑动查看更多 双十一活动开启啦!内容更丰富后将涨价哦 扫码立享20元优惠,手快有! 已有1400小伙伴抢先加入 六门视频课程目录 左右滑动查看更多 原创精选 点击“阅读原文”可了解更多