來 源:漁好學
不能度量,就無法增長。
數據分析對于企業商業價值的提升起到了至關重要的作用。我們通過對數據的觀測來判斷事物的發展趨勢,也常常利用數據的思維來辯證的為決策做參考。
今天就來給大家分享一個數據分析必備的方法之一,麥肯錫邏輯樹分析法。
邏輯樹又稱為問題數,演繹樹或者分解樹,是麥肯錫公司提出的分析問題,解決問題的重要方法。
首先它的形态像一顆樹,把已知的問題比作樹幹,然後考慮哪些問題或者任務與已知問題有關,将這些問題或子任務比作邏輯樹的樹枝,一個大的樹枝還可以繼續延續伸出更小的樹枝,逐步列出所有與已知問題相關聯的問題。
總的來說,邏輯樹滿足以下3個要素。
要素化:把相同問題總結歸納成要素
框架化:将各個要素組織成框架,遵守不重不漏的原則
關聯化:框架内的各要素保持必要的相互關系,簡單而不孤立
1、數據體系的搭建
數據體系的搭建中,需要借助邏輯樹的思路将業務的整體的目标結構化的進行拆解,然後轉化成可以量化的數據指标,再轉變為指标體系。
舉個例子,比如下面的OSM模型搭建數據體系的思路就是借助了邏輯樹的思路。
首先業務的整體目标是提升表情的分發,讓表情的溝通更有趣更簡單。
通過邏輯樹分析法,我們可以進行第一步的拆解,就是把整體表情進行拆解為提升表情發送數,提升表情下載,增加表情傳播。
提高表情發送數主要是提升用戶的發送,那麼就變成去提升用戶的發送,那麼怎麼提升用戶的發送呢,我們可以通過内容和功能維度去解答。
在内容方面,我們要做到我們的表情豐富度和有趣度和新穎度和表達度等等,要讓用戶有發這個表情的欲望。
除了表情本身,在發表情功能上我們也要針對性的進行優化,比如提高用戶查找表情的效率,我們要去縮短查找表情的時間。
提升表情的下載,也是同樣的内容和功能本身,在功能方面,我們涉及到怎麼把每個用戶喜歡的表情排在最前面,因為這樣用戶可以快速找到他們想要下載的表情。
另外,也要通過功能的優化,提升用戶進入到表情商店的比例,從源頭上保證有足夠的用戶數都能夠進入到表情商店。
在内容方面,我們要保證表情商店的表情在豐富度和吸引用戶方面進行優化等等。
提升表情的傳播,也是需要在内容和功能上優化,這就涉及到社交關系的傳播和表情的關系,涉及除了要去引導用戶下載自己喜歡的,還要去下載他和朋友共同喜歡的表情。
這樣當A用戶發送了A和A的朋友B 共同喜歡的表情,就可以得到更多的轉發。
2、數據問題的分析
針對用戶訂單減少的問題的分析,可以利用邏輯樹分析法,定位到可能的流失原因,再用數據驗證。
比如某個電商平台的訂單降低,我們利用邏輯樹的拆解從地區、用戶、商品類型等多個維度去思考。
從地區的角度,整體的訂單減少,可以看一下是否是某個地區降低了,可以細分到省、市。
從用戶的角度,是否是哪一類的用戶的訂單在減少,同時還可以區分不同活躍度的用戶在訂單上的表現,看具體的原因猜想。
從商品的角度,可以區分一下不同品類的商品看是否是特定品類的商品訂單量跌了。
背景:某電商APP DAU 跌了,需要分析為什麼 DAU 會跌?
這也是數據分析面試經典的問題,在回答這個問題的時候,為了使得我們的答案具有結構化和條理化,需要應用邏輯樹分析法。
分析思路:
整體的分析思路如上,首先是拆分成外部和内部因素,從最大的兩個思路去切入,一般去分析這個問題的時候,很容易就會忽略外部因素,外部因素也是很重要的一部分。
外部的思考主要是競品分析,分析是否是競品的崛起導緻一部分用戶轉移到他們那邊去了。
外部的另外一個就是行業分析,可以借助 PEST 等分析方法,分析這個行業的外部環境是否變得惡劣,比如國家限制、生活、經濟、政策、政治等外部原因。
假如外部沒有明顯的問題,這才進入到内部因素的排查。
内部的分析首先應該是時間因素,因為真正在工作實際中,我們發現大多數的 DAU 等數據指标有大幅度波動都是因為節日引起的。
所以有兩個判斷的方法,假如這個 DAU 隻是環比跌的很厲害,然而同比沒有明顯變化,甚至可能比去年這個指标還是漲的,那麼很大的概率可能就是節假日的影響。
然後是用戶維度,整體的DAU= 新用戶+老用戶,所以應該看這兩個部分的是哪一部分的用戶數減少。
如果是新用戶減少,因為新用戶是從渠道通過廣告買量買過來的,與這個數量相關的涉及到渠道的質量,買量的錢,買完的一些承接運營活動。
所以,可以分開拆解看,是否是渠道本身的質量問題,比如騰訊廣點通、頭條巨量,看渠道本身在投放上起量是否是有問題的。
同時也要看我們投放廣告的錢是否有減少這會直接影響到我們能拉多少的人,預算直接決定了你的拉新絕對量的上限。
拉取過來的用戶要保證活躍,我們通常會有運營活動或其他策略的承接,也就是業界說的拉承一體化,所以我們要去分析是否是運營活動的效果或者其他策略的效果影響我們的承接,導緻這部分用戶的活躍度下降。
除了新用戶的分析,老用戶的分析也是非常重要的,常用的用戶畫像分析。
主要是分析老用戶是否下降,如果下降了分析這部分下降的用戶群體具有什麼樣的畫像特征,這樣可以輸出一個下跌用戶的完整行為和基礎屬性的洞察,比如下降的用戶群主要是18歲以下的未成年人等等。
第三個是産品本身維度,如果分析出是所有類型的用戶,所有渠道的用戶都在跌,那就可能是産品本身的功能引起的。
我們需要去排查一下 DAU 主要的功能模塊的組成的用戶,去看一下這些功能的 DAU 是否跌的,一般如果沒有版本上線,舊的功能的用戶波動是由于功能 bug 引起的。
産品本身的排查比較麻煩,因為有可能定位某個功能的人數變少了但是不知道原因,這時候可以借助用戶反饋,一般可以從用戶反饋上發現一些問題。
有話要說...