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。