分享

指标又双叒下降了,我到底该怎么给老板分析?

 进击的可乐 2021-12-15
大概率每天早8点25更新  

哈喽,大家好,我是可乐

平时工作中经常会遇到指标下降了,指标又下降了,指标又双叒下降了

面试中也常会问到的业务类问题就是XX指标下降/上升,要怎么分析?

今天,我们也来说说这种指标变化类的问题,应该如何解答

比如:

次日用户留存率下降了 5%该怎么分析?

可以从3个步骤来分析:

界定问题

首先要界定问题,可以从3个方面来看

数据来源及准确性

要明确该指标的数据来源,以排除是否是数据源出现的问题

还要明确指标的准确性,是否是人为写错这样的问题

这里要考虑的就是次日用户留存率这个数据是哪个部门提供,是否准确无误?

现状分析

明确了数据来源及准确性后,对现状进行一个分析,可从以下3方面进行:

  • 明确指标的含义
    明确这个指标在业务层的含义,是了解这个指标的第一步

用户在某段时间内开始使用应用,经过一段时间后,仍然继续使用该应用的用户,被认作是留存用户。次日留存率是当天新增的用户中,新增日之后的第1天还登录的用户数 / 第一天新增总用户

  • 现状如何
    这个指标现阶段是什么样的,这是突发事件吗,以及以前是否发生过类似的事情

现状是用户次日留存率下降了5%

  • 变化是否异常
    该指标的变化是否在正常的波动范围内?

对比分析

进行完现状分析后,再进行对比分析,可从以下4个方面进行:

  • 和谁对比产生的差距
    这是最重要的,这个指标变化了,它到底是和谁对比产生差距了,这是需要特别明确的一点。

比如统计发现某3日次日留存率较之前和之后下降了5%,这就是和自身比较发现了明显的差距。

  • 和目标对比
    指标虽然变化了,但是和目标对比如何?

  • 时间上对比
    时间上环比、同比确认下变化幅度

  • 地点上对比
    和行业平均水平对比如何?和其他竞品对比如何?

分析问题

下面就是要重点解决两个问题:

  • 为什么会出现这个问题?

  • 哪里出现了问题?

为了解决这2个问题,可以从两个角度来分析

指标拆解

可以从指标下手,将一个大指标拆解为几个小指标,比如这里的次日留存率可以拆解为次日留存用户和新增总用户,进而查看到底是哪一步的显著变化导致了留存率的下降。

多维度分析

接着再从不同的维度分析,将一个问题拆解成几个子问题,比如可以分别从内部、外部出发,内部又可以细分到新老用户、不同的渠道,以及哪些活动,外部分析可套用PEST模型框架,如市场的变化、用户喜好的变化、竞品的变化等。分别计算每个维度下的次日留存率,定位到具体是哪一个维度留存率的显著下降导致了该指标的变化。

验证

验证是否是该维度指标的变化导致了整体指标的改变。

  • 假设:问题出在老用户次日留存率上

  • 验证:统计老用户次日留存率

  • 结论:老用户次日留存率近一个月持续稳定,且在近一周内没有大幅下降,排除老用户次日留存率这个维度。

进行决策

查找到了什么原因导致哪里出现了问题以后,就要重点关注:

  • 如何解决这个问题?

给出建议,指定详细的计划并执行,最后解决问题。


    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多