一个案例两种分析方法告诉你数据涨跌异动该如何处理？附送涨跌问题常见五种假设

向右看齐 2022-12-11 13:56 26阅读 0赞

## 前言 ##

说到数据涨跌，平时我们可能更多的是去关注跌了多少，因为人之本性，大家都是比较怕失去的，一旦跌了之后，我们往往要通过分析找到跌的原因，然后呢，再采取一些具体的动作来减缓这个跌的趋势，或者是直接把这个跌的趋势给消除掉，让他回到平稳。但是在这个涨跌的过程当中，大家在看到数据涨了时，都很开心。但可能很多朋友却不清楚涨的原因，往往就只是乐呵呵的鼓掌，说着我们涨了。却没有想着去研究清楚涨的原因到底是什么。  
但其实在整个涨跌异动的分析里面，我个人认为不仅是要关注跌，同时也要关注涨，并且不管是涨还是跌都要搞清楚背后的原因，因为当我们业务上涨的时候，往往是我们在业务上做对了什么事情。那么在涨的同时，我们需要搞清楚涨的具体理由，从而让我们这个增长，涨得更加大一些，涨得更加快一些。或者是跌的时候，我们要分析原因，然后去采取动作阻止他。这就是为什么我们要搞明白每一次涨跌的原因。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMzkyMzgz_size_16_color_FFFFFF_t_70_pic_center]

如果我们能够搞清楚这个原因，并且这个原因再多做几次或者是把做对的这个事情做得更大一些，那我们涨的空间就更大，或者是说我们分析清楚这个原因跟我们做什么事儿没关系，而是来自于市场上的一些波动，我们正好赌对了风口，那么明白这个原因之后，就尽情的取拥抱这个风口，面向这个风口去做更多的事情，那么我们也能涨得更多，所以说分析不仅只是限于跌这一块儿。  
其实在我们日常的工作中，观察分析过程当中做的最多的分析就是关于涨跌这一块儿的分析，并且每一次涨跌不管是涨还是跌，弄清楚了它背后的原因，不管对于我们自己，还是对于我们自己产品的认知都是一次提升，因此，我特别推荐大家去搞明白我们的每一次涨跌。  
***那搞明白每一次涨跌，它的意义到底何在呢？就是为什么每一次涨跌我们都需要去分析他？***  
是因为我们整个一个产品的构成往往是很复杂的，它有很多的产品模块或者一些运营策略，同时在运作，在生效，其实我们并不知道到底哪件事情做对了，让我们数据增长。哪件事情做错了，让我们数据的下降。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMzkyMzgz_size_16_color_FFFFFF_t_70_pic_center 1]

## 案例 ##

通过一个案例来给大家讲解数据的这种涨跌。\*(若有疏漏，不对之处请联系作者更改。)\*分析他是怎么去运作的。  
那么有一天，小猴和老猴早上走进公司，看见了老板坐在那个自己的电脑桌前，对着那个公司的数据平台叹了一口气说，昨天咱们的收入跌了10%啊，听到老板这个叹气，小猴和老猴纷纷陷入了沉思。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMzkyMzgz_size_16_color_FFFFFF_t_70_pic_center 2]

小猴心里面想，

1.  是不是谁搞了个活动啊？是不是搞砸了，把咱们这个收入给影响了？
2.  或者是不是我们上个月有个促销活动结束了，这个促销结束用户就不买了？促销活动也还没有结束呀。  
    这个时候小猴就相当慌了，小明说，该不是我昨天上了那个商品搜索结果页导致的这个情况吧，然后小明之后委屈的跟老板说，这可能是我的锅。老板一听，特别愤怒，你们这群分析师什么问题不解决，现在居然影响我们公司的营收，小明瑟瑟发抖。  
    这个时候刚刚一直在旁边思考着的老猴站了出来说，老板别慌，我们先一起来看一看。首先我们看什么呢？**我们看一看这个问题到底是不是严重，那我们怎么样子来看这个问题是不是严重呢？就是我们一般是做一个假设**，就如果这个下跌，他是一个个例，是真的有问题。
3.  我们先跟他的往期去比一下。去看一下周同比和月同比，假如说昨天是周六，如果每周六都跌，那昨天跌了好像也很正常，也没有什么问题。  
    但是，我们拿到实际的数据去对比发现，不管是从周同比，还是月同比。都没有发生这样的一个跌幅，数据是很平稳的，那证明我们这一次这个下跌，他确实是一个问题。  
    首先我们已经确认了这个问题，真实存在并且很严重，那么接下来我就**开始做一些假设**，
4.  有没有可能是服务器挂了？因为以前也遇到过这样的情况，交易就停一会儿。为了验证我们这个问题，我们**又做了一个假设**，如果真的是因为服务挂了的话，那应该会在某一个时间点，我们的这个交易行为会出现断崖式的下跌，就在那个时间段，所有的交易都没有产生，整个就跌下去了，特别跟前一天对比会更加的明显，并且修复好了之后这个交易行为还会回来，但是，我们按照小时去查看我们的交易数据，发现它很符合平时的流量规律，该高的时候高，该低的时候低，没有在哪一个小时之内发生那种特别明显的低谷，那种断崖式的下跌，那这说明什么呢？这说明是我们的技术上服务没出现问题，这个是我排出第二个服务的问题。
5.  做电商的最重要的，其实就是要将渠道的问题了解清楚，那我就开始怀疑了，既然既不是因为时间周期的影响，也不是技术对稳定性的影响，还是看一下渠道有没有出什么问题，因为我觉得假设如果是渠道出现问题的话，那么应该存在某个渠道，他是远低于我们平时的流量的，肯定没法产生交易的转化。  
    为了证明这一点呢。我就把我们昨天整个网站的一个访问数据，按照渠道去进行一个拆解，后来我就发现来自百度渠道明显是下降了将近20%，从百度搜索渠道来的流量跌了20%，需要进一步查询，因为其他渠道都没跌，就是一个渠道跌了，这里面肯定有问题呢，我们已经锁定了一个渠道的问题，是来自于百度的搜索流量有下跌，那除了这个搜索渠道以外呢，我可能还会从这个地区去看一下，比如说有可能我们这个电商是分区域、分城市运营的，如果我们中的某些区域，因为商品的原因啊？或者宣传的原因或者是缺货的原因导致当地人根本买不了东西，那么也会出现这种下跌。因此，我们就按照地区去进行拆解，我们把地区这个维度拆解之后，发现陕西和浙江的流量低了不少，就是来自于陕西和浙江的订单，低了不少，最后的结论呢，我就怀疑说是不是跟当地的一些什么，仓储、宣传活动有些关系？结合整个过程，我们得出一个结论，首先对这个收入下跌10%，这确实是一个需要处理的问题，其次，这个问题主要来自于陕西、浙江的百度渠道比平时要低，那么我需要问一问负责这一块的同事，然后我们就找到了我们的这个市场部门，关键词的设置是不是出了什么问题？或者是跟百度的合作是不是出了什么问题，然后市场这边回答说，我们陕西和浙江的这个关键词投放计划在28号那天已经被消耗完了，29号上班之后才重新充值，进行了一个新的一个投放计划，那也就是说28号晚上那段时间，其实我们在陕西和浙江两地是没有百度的付费。

## 总结 ##

首先遇到所有的涨跌时，不要慌，先要搞清楚他是不是个事儿，有的涨跌可能是正常的，比如说我们都知道开学了，很多产品的数据都要跌对不对？所以说一旦遇到一个涨跌的时候，我首先是周同比、月同比，甚至有时候按年去同比一下看一看，在这样的一个同比下，是不是都有发生类似的下降或者上升的过程，然后，确定这个事情真的是一个事儿之后，我们才应该去搞清楚它涨跌的一个原因。那这个时候呢，老猴做了三个假设，服务挂没挂、渠道是否有问题，某些地区是否缺货，然后通过去回答这三个问题，分别找到了三个答案，A，技术上没有问题渠道呢，有一个渠道明显降低了，地区呢，也有两个地区明显低了，然后再结合分析。  
所以，当你面对一个数据涨跌的时候，你整个过程就是这么5步，

1.  发现异常  
    当我们看到这个数据跟前段时间不一样的时候。通过观测数据确实是异常。
2.  确定问题，  
    那就是他到底是不是一个问题，那我们可能可以用到整体的对比分析，按照时间维度去进行一些同比比较。
3.  确定原因  
    这个问题如果真的存在，那我们可以用多维度的拆解方法，找到这个异常指标，从不同的维度去拆解它，去找到我们的原因所在，
4.  针对性的去解决这个问题
5.  执行  
    就是动用公司的资源把这个解决问题的方案给执行出来，最后我们就真正的把数据涨跌的从一个异常到最后公司的动作完成了整个一个闭环。

你可以看到**数据其实永远都是用来验证我们想法的一个支撑工具**，比如老猴，他提了很多的假设，还有他需要去验证对不对，所以，这个过程其实最关键的还不是数据，数据我们总能找到，我们最缺的是什么呢，是老猴思考这个过程。就是它这个假设，为什么他能想到这么去假设呢？其实，在整个过程当中，你需要靠不断的试错，不断的积累的行业经验，积累的业务洞察，你才能够去获得这种业务洞察，然后才能够去做这些。

## 常见的假设套路 ##

做假设，虽然很多时候是依赖于我们对业务经验的积累，但是，数据涨跌的时候是有一些通用的假设的，就是比较常见的，  
分成大概五个方向。  
第一个活动的影响，  
其实经常，大部分的这个涨跌，很多时候都是受我们的那个运营，或者市场，那边去做一些活动有关的一些事情的影响。每次出一些问题的时候，我们首先就要去看一下活动的影响，查这个活动影响的时候呢，就会有一些方法，比如一些相关的一些动作发生一些大的波动的时候，我们可以先去看一看最近是不是要搞一些活动，那么对应的这个活动页面的PV、UV，或者对应的我们想用户完成那个动作，这个数据波动按不同的维度去猜一猜，或者说呢，我们去看一下这个活动是否有地域属性，比如说这个活动我们在上海搞了，然后这个数据波动又确实只在上海台波动。那我们多半能够把这个数据波动归因到这个活动上，  
第二个就是跟版本相关的假设  
就经常哈我们一个东西出问题，可能因为我们新版本发布之后带来的一些问题，当然有可能是新版本发布之后的一些增长。那这个时候呢，我们的数据发生移动的时候，我把版本号作为一个维度把它区分开来，我们看一下我最新发的这个2.0，相比我们之前的1.9版本它是不是有区别的  
第三个渠道的影响  
渠道其实也是跟这个活动一样是经常会影响我们最后的结果，到这块，无非就是去看一看，我们整个渠道来源的一个变化，那在网站上其实比较好看的，因为网站现在大部分还是依赖于各种各样的渠道来源，我们在APP里面可能比较困难。你可能只能通过新增的渠道来源来看一看最近的一个变化。  
第四个策略的调整  
我们经常会在线上改变一些策略，比如说我们的搜索策略，我们的补贴策略，或者是我们的这个推荐策略，或者一个运营的策略，那么这种策略改变，肯定是有一个固定的上线时间节点的，这个时候，我们就知道，这个发布节点之后。我们就可以按照这个时间节点，比如我们把我们受影响的关键指标数据，比如我们的什么支付这种行为，把它按时间，甚至有时候我们可以按分钟给拆开来看，就不要把他都合成一天的数据，而是把它拆成24小时或者成分钟级别，我们来看我们那个策略上线的那个时间节点的前后。我这个关键指标是否发生了波动，如果我这个关键指标的波动跟这个策略的上线时间节点特别吻合，那不用说了，我们这次的这个数据涨跌就是因为这个策略的原因。  
最后一个服务故障  
服务故障出问题，他其实跟前面这个策略调整有点类似，就是它通常是有一个很明确的故障时间的，但是呢。他跟策略调整不一样的是策略调整，我们自己是知道上线时间的，但是服务故障者不一定因为有的服务故障，并不是说完全导致宕机，有可能自己的研发都不知道发生了服务故障，所以说呢，这个时候我们通常可能需要将数据按照分钟级别进行一个拆分，因为小时体现不出来，我们按分钟级别进行拆分，然后去看一看有没有在哪一个分钟里面有我们的关键指标。因此，你只要掌握了最常见的五种类型的假设，通常能够解决你大部分所面对的数据涨跌的问题。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMzkyMzgz_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/3936e4db1f044ea1b473d0c376469d8a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMzkyMzgz_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221123/c2d1ce83d36548c9a5d913263f42566e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMzkyMzgz_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221123/885a909761fc485b8d907958b034bf61.png