点击播放 GIF 0.0M
说在前面
点击播放 GIF 0.0M
在工作中， 特别是女性对于美的追求和喜欢以及消费意愿明显增加，我经常需要对关键业绩指标的波动分析原因，消费趋势每年都在增长。数据来源：美团研究院二、美容行业定义美容行业划分于两版块，这也是运营、产品的小伙伴很头疼的问题，也就是生活美容和医学美容。生活美容：是指经过专业培训的人员使用一些护肤化妆品和专业的美容仪器，总感觉分析原因的时候千头万绪。为了能按时下班，能对人身做全方面的肌肤进行护理和保养。医学美容：是指运用专业的医学手段及对人体的外貌跟身体各位进行修复和再塑。生活美容主要是以日常的便利性为主，我整理了一套非常简单使用的方法。今天就结合一个之前做过的真实问题（数据已脱敏，所以注重广泛用户；而医美更多是针对功能，改得妈都不认识了），用户对商家的品牌、医师的专业程度以及成功案例等特别重视，给家分享一下。
问题场景：某负责电商业务线的老板忽然发飙了，因此对于广告主来说， 把几个运营小组的领导叫去一顿批：“为什么3月份消费人数多了那么多，要根据不同消费用户属性来满足不同的消费群体。不过目前在我国现阶段来说生活美容消费还是占主要市场。三、美容行业的细分项目四、用户人群画像1. 主要集中在二十岁到二十九岁这个年龄段的的消费群体对美容是特别感兴趣.2. 近年来，业绩反而下降了，越来越多的男士也对美容感兴趣，去分析分析”……于是，不过占主导市场的话还是以女性为主。3. 对于美容的效果，我就这么开始了分析之旅。要从哪里搞起呢？
拆解问题，梳理取数表
原始问题是：“为什么3月份消费人数多了那么多，但业绩却下降了”这是一句口语化的描述，是没法直接拿来分析的。我们得拆解问题，把它变成一个用符合数据规范的问题。
第一步：明确分析对象。
原问题里，提到了2个对象：消费人数，业绩。要先明确，这两个对象所对应的指标，比如：消费人数，总消费金额。明确了以后，可以放到取数表里，并且要按月统计，因为原问题的主语就是“3月份”。
第二步：明确对比对象。
原问题里，提到了“下降”，那么相对谁下降，得先明确一下。家可能直观想到的是：对比2月份呀。注意，2月份是春节，因此业绩是自然少的，至少也得拿1月份来对比。这里强烈建议家跟业务沟通清楚跟谁比，不然方向歪了，结果全错。比如，沟通完，发现是跟1月份对比。此时，可以把：月份（1月/3月）作为主分类维度。
第三步：明确细分维度。
明确了对比对象以后，我们会很想知道：到底3月和1月有什么差异，导致消费减少？这时候需要引入细分维度，作为查找差异的线索。
选细分维度，要找：能反映业务行为的。因为本质上业绩是业务做出来的，要改善业绩，也得思考业务能做啥。所以得从业务角度出发找细分维度。
比如在这个业务场景里，有四个门可能影响到业绩：
增长团队：负责获客拉新，影响到新用户数量、质量
用户运营：负责VIP权益设计，影响到VIP用户数量、质量
活动运营：负责短期促销活动，影响到全体用户消费率、质量
商品运营：负责商品供应，影响到用户消费率，消费客单价
因此，在取数的时候，应该有至少4个分类维度，反映这四方面情况，从而锁定到底是哪里出了问题。
有些分类维度比较好找，比如：
增长团队：新用户/老用户
用户运营：高级VIP/初级VIP/普通用户
活动运营：用户是/否参加活动
这些维度都是简单的分类变量，容易讲清楚。
商品运营会比较难划分，因为同时上架商品多达100种，且用户可能同时购买好几种，因此很难用一个简单分类变量区分清楚。同时，商品的销售，又和促销/VIP优惠等等有关，因此即使找到某一款产品卖得差，也很难拆分清楚，到底是商品不行还是活动不行。
注意：对于问题，目前我们还是两眼一抹黑的状态。在情况不清晰的情况下，拆分越细，思路越乱。做分析就像剥洋葱，从外到内，先确定问题，再看细节问题。因此现阶段，不用把商品维度拆分特别细，反而可以用一个：当月累计消费分段，来取代。当用户当月累计消费金额下降的时候，要么是高端商品卖不动，要么是低端商品卖少了，下一阶段的分析思路也很清晰了。
经过以上三步，梳理分析需求表如下，这样可以交给查数姑（比如本小妹我）来跑数啦
分析数据，锁定方向
拿到数据以后，照例做个透视表。之后都可以基于透视表进行分析了。
第一步：明确问题小。
拿3月和1月的整月消费人数，消费金额对比如下图
可见消费人数多了11万，消费总监而反而少了1900多万，难怪领导会好奇
第二步：形成问题假设。
结合4个相关门的分工，对业务敏感的小伙伴，可能马上猜到一 些假设了：
增长团队：嫌疑最小，人数还在涨
用户运营：新增VIP少了，消费力下降
活动运营：活动力度太，用户出钱少了
商品运营：商品线不合理，低价的太多
下边，就可以一一排除，找到问题源头
第三步：逐步排查，推导结论。
做排除法，首先从最没有嫌疑的开始，因此先排除新用户的问题（如下图）
新用户问题排除以后，其他三个维度可以一一排除。这里先看VIP维度，发现如下
锁定问题发生点在初级VIP+普通用户身上，再细看活动情况。
这个数据就很有意思了，参与促的群体，人数和消费金额都涨了，只剩下没参与活动群体，这又帮活动门把黑锅甩了出去，只剩下非活动、非新人、非高级VIP群体——这似乎已经做实了是商品运营的黑锅呀。此时再看非活动群体消费结构，问题就很明显了。
第四步：深入分析，验证结论。
想进一步做实问题，需要更深入的看商品结构，此时可以聚焦看
想进一步做实问题，需要更深入的看商品结构，此时可以聚焦看：
商品运营是否真的更换过商品线
是否引流款真的卖爆
是否利润款、搭配款真的没跟上
为此，需要设计新的数据需求表，这里就不赘述啦，思路和方法是一样的。
数据背后的更深层问题
然而，以上分析的就是真相吗？问一个简单的问题：为什么商品运营调了商品结构，但活动运营没有相应调整活动方案呢？如果活动运营调一下方案，比如派高金额产品优惠券，或者用满减优惠，是可以很程度避免问题的呀。
这两个门之间，很可能发生一些事：
假设1：无心之举，沟通不畅
假设2：门隔阂，各顾各家
假设3：门对立，故意坑
当然，作为数据分析师，咱不方便多说，领导们可以按图索骥思考哦。
总结
以上就是今天的全攻略。在结尾我想说的是：做分析的时候，想清楚自己面对问题的逻辑，整理一份好用的取数表，实在太重要了。经常有小伙伴：胡乱塞细分维度！搞了堆数据。取数累死人不说，分析的时候还没啥用。然后对着数据看不出来一二三，气急败坏的跑来：“小熊妹，小熊妹，这个数该咋看呀！”真是让人气不打一处来。小伙伴们要引以为戒哦。
注意，以上这种分析方法，不适合每日指标波动！因为一天时间的波动，很有可能就是自然波动，即使有范围波动，也常常是系统异常，所以不适合这么细的拆解。有机会下次再分享啦。感谢的话，记得点赞、在看、转发三连哦，谢谢家。
