5个等级的数据分析，哪个最深入？( 二 ) _数据分析

文章插图

但这样，逻辑上还是站不住，因为：
1.   本身消费高，但是用了A功能以后消费更高了
2.   本身消费高，但是比不用A的人更高
3.   消费低的人，用了A也有提高
4.   消费低的人，不用A只会更低
……

即使看到数据：A群体消费天然比不用的高，还是有至少这4种可能性要排除。所以得列清楚假设逻辑树，逐一排查可能性。这也是我们说的：验证观点，需要同时找正反两面的例子。

文章插图

注意，即使这样，还是有反驳观点。因为我们都是基于过去数据分析，很有可能一个反驳观点是：“A功能只能吸引到这一小簇用户，不能做大”或者“A用户只是尝新，过了这段时间就没有效果了”这两个观点，都涉及未来数据情况，因此需要观察一段时间才能有结论。

文章插图

如果我们等不了那么久，还可以做测试，比如测试：“做不大”这个点，可以主动向其他群体推广A功能，观察A功能增量以及留存效果，如果增量少，或者有增量但是留存差，那就可以推论：确实做不大。想要做深入分析，测试与长期观察是不可少的，好结论需要时间沉淀。

深入级别：4级
某天，你又收到一个需求：“分析下A功能对用户有啥影响？”看起来问题表达更简单了，可要解这个问题却更复杂了。因为从0级到3级，我们只讨论了“付费”这一个影响，实际上还有可能有更多影响，比如活跃、留存、转介绍等等。每个方向都得经历这么漫长的拆分、分析，才能得出综合结果。

文章插图

到这里，我们的分析已经非常有深度了。有趣的是，我们的问题，反而非常简单。实际上，如果一个问题：
1.   有清晰的衡量指标
2.   有明确的判断指标好坏的标准
3.   有明显的指标间影响逻辑
4.   基于封闭的业务场景，容易测试
那这个问题就是很容易解决的。

可现实中的问题，常常是：
1.     口语化表达的
2.     包含了多个方面的
3.     没有清晰判断标准的
4.     杂糅了很多影响因素
5.     没有时间、场地给我们慢悠悠测试

这时候就能从头开始，一点点梳理。把本篇文章的顺序倒出来，就是从0开始梳理业务问题的场景。

当然，并不是所有的分析都需要这样从头到尾过一遍。
有可能提问人自己完全没概念，此时可以先给到1级深度数据，让他建立认知，再给2级深度的数据，引导他关注差异。
有可能提问人嘴上说得含糊，但心里有明确的目标，这时候可以进行深入沟通，清晰需求。
有可能提问的人不需要严密的论证，有部分证据即打算直接下结论，这时论证其最疑惑的点即可
这时候唯一不要干的，就是不沟通，自己拍脑袋随便仍几个数，或者到网上找所谓“模型”生搬硬套。这样闭门造车，返工、加班、被diss都是经常的事。

如果在某个业务场景下，我们已经做了很多次验证，论证了业务问题的关键指标+判断标准+因果关系，这时候就可以直接套用，这就是我们说的：业务分析模型。不过在沉淀出来之前，还是得多做论证的，特别是因果关系论证，做的不够细致，分分钟被打脸。

【5个等级的数据分析，哪个最深入？】