用數據分析解決問題的過程
明確問題
通過觀察現象，把問題定義清楚。
分析原因
哪裏出現問題？
爲什麼會出現這個問題？
1.使用“多維度拆解分析方法”，對問題進行拆解，將一個複雜的問題細化成各個子問題
按照“多維度拆解分析方法”，我們可以按照用戶、產品、競品這三個維度來拆解。分別對應公司的三個部門。用戶對應運營部、產品對應產品部、競品對應市場部。
用戶（運營）：畫出用戶使用產品的路徑圖，然後從AARRR分析方法的5個環節去分析原因。
產品（產品部）：這段時間銷售的產品是否滿足用戶的需求。
競品（市場部）：競品是不是在搞什麼優惠活動，用戶跑到競爭對手那裏了
2.對拆解的每個部分，使用“假設檢驗分析方法”，找到哪裏出現問題。分析的過程可以用對比分析方法等分析方法來輔助完成。
3.在找到哪裏出現問題後，多問自己幾個爲什麼出現這個問題。然後使用相關性分析找出問題的原因。
決策
找到原因，並給出建議和可以實施的解決方案。
案例1：汽車銷量下降問題分析
1.明確問題
問題：與去年一年的月平均銷售額相比，本年度最近一個月的新車銷售額降低了大約15%。
下圖是最近2年新車銷售額變化
2.分析原因
1)多維度拆解數據層
按照指標定義，將“新車銷售總額”拆解爲“新車銷售數量”與“平均單價”。
新車銷售額 = 新車銷售數量*平均單價
從“用戶是否首次購買”這個維度，將“新車銷售數量”拆解爲“本品牌首次購買數量”和“本品牌再次購買數量”。
“本品牌首次購買數量”，可以拆解爲“從其他品牌流入”的用戶（之前在其他品牌買過車）和“首次購買車輛”的用戶。
“本品牌再次購買數量”拆解爲“再次購買時仍然選擇了本品牌產品”的老用戶，和“轉爲購買其他品牌用戶”的老用戶。
客戶忠誠度 = 老用戶“再次購買時仍然選擇本品牌產品”的車輛數/ “老用戶再次購買的車輛總數”。
這樣，“本品牌再次購買數量”= “老用戶再次購買車輛總數”* 客戶忠誠度。
如下所示：
根據“多維度拆解”圖，我們可以對數據進行清洗，得到拆解後的各個細分數據。
2)假設檢驗方法，分析原因
根據以上“多維度拆解圖”，下面用“假設檢驗方法”對每個部分進行驗證。
a.提出假設：問題出在平均單價
收集證據：下圖是平均單價的隨時間變化的折線圖
得出結論：從圖表可以看出，“平均單價”在這兩年期間比較穩定，基本在平均值（200萬日元）上下5%的範圍內。至少在過去的一年裏，沒有出現過價格明顯下降的情況。
b.新車銷售數量：
提出假設：問題出現在新車銷售數量
收集證據：下圖是“新車銷售數量”隨時間變化的折線圖
得出結論：從圖表中，我們可以看出，“新車銷售數量”與銷售總額一樣，也減少了近15%。由數據可知，問題出現在“新車銷售數量”上。
c.收集證據
得出結論：從圖表可以看出，本品牌首次購買數量基本維持穩定，而再次購買數量在過去的一年出現了減少。從數據上可以確定，“本品牌再次購買數量”是“新車銷售總額”減少的主要原因之一。
d.接下來對“本品牌內再次購買數量”的拆解對象進行分析
提出假設：問題出現在客戶忠誠度上
收集證據：下圖是客戶忠誠度隨時間的變化
得出結論：從圖表可以看出，導致“本品牌再次購買數量減少”的是客戶忠誠度的下降。也就是老客戶中選擇了其他品牌人數的比例增加了。
e.按某個維度對客戶忠誠度進行拆解
一般拆解的維度可以是用戶（年齡、職業、性別等），產品（車型），競品（研究競品是不是在搞什麼優惠活動，用戶跑到競爭對手那裏了）。
從哪個維度來比較客戶忠誠度，才能找到問題發生的原因呢？
作爲這個例子的可靠假設，可以展開以下討論：
按照不同的客戶羣體，例如不同年齡層的客戶來分析客戶忠誠度，會發現對不同的車型來說，人們的評價或喜愛程度並不一定與年齡有關。
也就是說，不同的車型更能體現出人們對其評價或喜愛程度的不同。
根據這一假設，可以從“產品（車型）”的維度來比較不同產品的客戶忠誠度，在進行”產品（車型）”的維度來比較不同產品的客戶忠誠度“時，我們要用到對比分析方法，下圖是比較表格：從產品（車型）維度比較不同產品的客戶忠誠度。
根據這個比較表格，我們展開對比分析。
a.衡量整體的大小：平均值
對不同車型的銷售量和忠誠度的平均值進行比較。
對銷售總額這個最根本的問題來說，是否存在對其影響較大的車型和並無太大影響的車型呢？
雖然深入分析是好事，但如果分析的對象對問題整體的影響微不足道，這個工作就不會產生任何意義。根據對問題影響的大小來決定優先順序和關注程度，也決定了根據分析結果採取的措施能夠對解決問題產生多大貢獻。
我們看下每種車型佔銷售數量的比較（下圖）
從圖表中，我們可以發現只有車型A的比例明顯小於其他車型。如果將問題鎖定爲車型A，即使採取了有效的對策，對解決整體問題的影響仍然是有限的。因此可以暫且降低車型A的優先順序。
我們再來比較對不同車型客戶忠誠度（下圖）
從圖表中，我們發現只有車型A的客戶忠誠度顯著偏低，其他車型之間沒有太大差別。
b.衡量波動：變異係數
接下來對不同車型客戶忠誠度的變異係數進行比較，得到下圖裏的數據。
從圖表可以發現，雖然車型A的變異係數明顯高於其他車型，但該車型數量較少，對整體的影響很小，因此在此就不涉及。
從其他車型來看，車型D的波動較大。車型D的客戶忠誠度與車型B、車型C幾乎沒有差別，所以很難將其認定爲直接影響問題的關鍵。但從波動程度來看，車型D極有可能含有其他問題或風險，需要引起注意。
c.衡量趨勢變化：時間折線圖
根據前面確認的結果，暫且將車型A從比較對象中剔除，對其餘3個車型的客戶忠誠度隨時間變化進
從圖片中可以發現，車型B和車型C的客戶忠誠度均自一年前開始逐漸降低。也就是說，轉爲購買其他公司產品的比例提高了。
具體數字是最近2年從約80%～90%減至50%～60%，降低了30～40個百分點。可見，擁有本品牌產品但需要再次購買車輛的人中，這2年期間有近30%被其他公司奪走了。
d.彙總對比分析結果
我們將前面的比較結果，填到下面的“比較表格”裏。
從上面的分析結果，車型B與車型C是重點進一步分析的對象。
分析到這一步，可以問自己一個問題：爲什麼車型B和車型C的客戶忠誠度會出現下降？
e.下圖從“車型B的客戶忠誠度爲什麼會下降“的疑問開始，提出假設，最終將問題歸納爲“售後服務”“產品”和“價格”3個因素。
在上圖中，有一個原因是“因爲其他公司推出了具有競爭力的產品”。對這個原因，無論如何深入分析，解決方法也只能是“開發更有競爭力的產品”等中長期措施，不能成爲儘快增加銷售的方法。因此，可以暫且將其優先順序推後。
也有可能這纔是根本原因，所以我們不是無計可施就忽視它的存在，而是因爲目前需要優先調查能在短期內採取對策的原因。與那些需要嚴密調查理論上的所有原因，寫成報告的情況不同，工作中需要根據目的、制約條件和實際情況，採取靈活的措施。
下面我們用假設檢驗分析方法來驗證上面提出的假設。
1.假設1
車型B和車型C的客戶忠誠度下降是因爲綜合滿意度下降。兩者有相關性。
證據：那麼，根據前面的圖，先來看綜合滿意度（月份平均）與客戶忠誠度是否相關。因爲沒有區分不同車型的滿意度數據，只有包括所有車型的綜合滿意度，所以需要計算.綜合滿意度與各車型客戶忠誠度之間的相關係數。（下圖是不同車型客戶忠誠度與綜合滿意度的相關係數）
結論從上圖可以發現：
體的客戶忠誠度與綜合滿意度之間的相關係數爲0.64，由此可知兩者之間存在相關關係。
再看不同車型客戶忠誠度與綜合滿意度的相關，車型B和車型C與綜合滿意度的相關係數分別爲0.75、0.69，數值較高，可以確認爲相關。
但是如果只分析到這裏，只看綜合滿意度，並不能決定“接下里應該採取哪些措施”。這樣的話仍然無法對實際業務產生意義，所以接下來還要再次應用相關分析來探討綜合滿意度之間和“售後服務”“產品”“價格”之間的相關程度。
2.假設2
綜合滿意度和售後服務、產品、價格的相關。
1)車型B
證據：下圖是車型B的綜合滿意度和售後服務、產品、價格的相關係數。
結論：通過上圖可以發現，對車型B來說，綜合滿意度和價格高度相關（相關係數是-0.72），表示價格越高，顧客滿意度就會越低。也就是說，與同類產品的價格比（相對而言是貴還是便宜）對綜合滿意度的影響較大。車型B的用戶對價格比較敏感。
下圖是車型B的綜合滿意度和售後服務、產品、價格的相關係數。
2)車型C
證據:下圖是車型C的綜合滿意度和售後服務、產品、價格的相關係數
結論:通過上圖可以發現，對車型C來說，綜合滿意度高度和售後服務滿意度高度相關（相關係數是0.59），表示售後服務越高，綜合滿意度高度也越高。
同樣是綜合滿意度，車型B的用戶與車型C的用戶所重視的關鍵點完全不同。當然，我們也可以越過綜合滿意度，直接考察每個車型的客戶忠誠度與“售後服務”“產品”“價格”等數據的相關係數。
總結
我們將前面所有的分析組織起來，就是下面這個圖。它體現了對問題進行深入分析的整個過程。
這個圖還體現出，分析者並不是只分析了偶然想到的某些項目，而是通過這個構造避免了遺漏或重複，並對那些最終確定並非問題或原因的項目也進行了檢驗。
另外，圖片裏對話框的內容解釋了停止深入分析的原因。這樣一來，聽衆就可以明白，分析者說到解決問題、進行分析或企劃的目標時，“該工作的最終目的”這一重要始點始終沒有動搖。鎖定原因之後，接下來就是制定改進（解決）措施了。
End.
作者：veggieg
來源：知乎專欄本文爲轉載分享，如侵權請聯繫後臺刪除