九大数据分析方法:指标拆解法
今天继续跟大家分享:九大数据分析方法系列。之前已经分享过:
周期性分析法
结构分析法
矩阵分析法
这三种方法,都是只对一、两个指标进行分析。小伙伴们肯定会问:那如果有好几个指标,要怎么进行分析呢?答:当遇到好几个指标的时候,得先分清这些指标间的关系。
一、常见的指标间关系
第一种:并列关系。几个指标相互独立,且是上一级指标的组成部分。
比如我们常说的:业绩=客户数*消费率*客单价
在这个公式里
一级指标:业绩
二级指标:客户数、消费率、客单价
客户数、消费率、客单价相互独立
此时,客户数、消费率、客单价就是并列的三个指标,并且都是业绩的子指标。
第二种:串行关系。几个指标相互关联,有前后顺序关系。
比如我们常说的:新注册用户数=广告浏览人数*落地页转化率*注册页转化率
一级指标:新注册用户数
二级指标:广告浏览人数、落地页转化率、注册页转化率
用户要先看到广告,再点击广告进入落地页,再完成注册
此时,广告页、落地页、注册页的指标相互关联,用户要一步步走
两种关系对比如下图
当我们遇到一堆指标的时候,一定要先分清这些指标之间的关系,之后再下手,因为这两大类关系,对应的是两种完全不同的分析方法:指标拆解法 & 漏斗分析法。今天先分享指标拆解法。
二、为什么要做指标拆解?
因为只看一个指标,能发现问题,不能解释问题。拆解指标,能从细节发现问题,进而引发新的思路。
举个简单的例子,一个小程序商城,上月销售业绩150万,本月120万。如果只看结果,除了少了30万以外啥也不知道。但是进行指标拆解以后,就能发现很多东西(如下图)
拆解以后可以明显看出:本月虽然注册用户人数增加了,但是消费率大幅度降低,所以收入少了。后续可以进一步思考:如何提高消费率。
此外,拆解完以后,也能发现不同情况。比如下图,看似都是下跌30万,但拆解后会发现,问题完全不一样
情况1,是消费率下降多
情况2,是客单价下降多
在业务上,这两种情况是有不同指向的。如果想提升消费率,需要用低价爆款产品来吸引,如果想提升客单价,需要用搭配销售,交叉销售的方式。在采取具体营销措施先,先看看拆解的结果,是很有指导意义的。
三、指标拆解怎么拆?
找到主指标。这一步很重要,拆解指标,一定是从一个很重要的主指标开始的,比如利润、销售收入、GMV一类。不找到主指标,随便拿个指标就往下拆,只会让思路越来越乱。
找到负责主指标的部门。这一步也很重要,因为很多指标不止一种拆解方法。到底怎么拆合适呢?要看拆完以后,是否有一个部门对指标负责。如果有的话,负责部门就能根据指标变化做改善。如果没有,那拆了也白拆(如下图)
确认子指标有数据采集。这一步也能重要,因为指标的背后是数据采集,如果没有数据采集,就只能用粗线条的拆解(如下图)
列出拆解公式,进行数据对比。这里呈现的就是最终结果。
很多小伙伴在工作中会纠结,比如:
为啥拆来拆去越来越乱?
两种拆解方法,到底用哪一种?
为啥拆的很细,但是落地不了?
都是因为没有遵守这个拆解顺序导致的,一定要记牢哦
四、指标拆解法的更多应用
在经过多年实践以后,人们发现,有一些固定的拆解方法,很容易说明问题。比如杜邦分析法,其实就是以利润为主指标进行拆解,拆解为收入,成本两部分。
这样的拆解,能帮人们快速看清楚利润来源和收支结构,从而优化企业经营。比如零售行业最喜欢讲的:人货场模型,其实就是把销售收入,按用户、员工(人)商品(货)渠道(场)进行拆解,从而分析业绩好的原因是什么。这些方法,在介绍完九大基本方法以后,会一一介绍给小伙伴们哦。
总之,指标拆解法是一种基本方法,多在业务场景运用,能产生很多价值哦,小伙伴们可以在工作中自行训练,看看能发现新的分析模型不。
免责声明:
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341