数据分析方法和思维—5w2h

大数据 数据分析
5W2H分析方法从问题出发,有一套科学完整的分析思路,对造成问题的原因进行推测,并提出相应的解决方案,最终解决问题,形成闭环。

 [[383740]]

本文转载自微信公众号「DS数据科学之美」,作者YYloveYQ  。转载本文请联系DS数据科学之美公众号。

01写在前面

首先谢谢懵懵冰, 粽子, 王松, Spring, 李思宏 ,大力 等(排名不分先后)转发文章让更多人看到

在数据分析的面试中, 你是否不止一次遇到以下的问题:

  • DAU降低了, 怎么分析,
  • 用户留存率下降了怎么分析
  • 订单数量下降了怎么分析

像这样的问题, 如果没有科学的思维框架去梳理你的思路的话, 去回答这个问题我们就会有一种想要说很多个点, 但不知道先说哪一个点, 只会造成回答很乱, 没有条理性, 同时有可能会漏斗很多点

回答这种分析的类似的问题的时候, 大多数情况下都可以利用5w2h 的方法帮助我们去组织思路, 这样可以在回答这种类似的问题的时候, 可以做到逻辑清晰, 答得点缜密完善

比如DAU下降了, 5w2h 分析法会教你如何拆解DAU下降以及归因以及给出建议

比如用户留存率下降了, 5w2h方法会教你去拆解用户, 归纳不同群体的留存率下跌原因

比如订单数量下跌了, 5w2h 方法助力漏斗分析, 快速挖掘流失的关键步骤, 关键节点

02什么是5w2h

5w2h 分析法主要是 以五个W开头的英语单词和两个以H开头的英语单词组成的, 这五个单词为我们提供了问题的分析框架

5W的内容

1.What-发生了什么?一般用来值得是问题是什么, what 的精髓在于告诉我们第一步要认清问题的本质是什么

2.When-何时?在什么时候发生的? 问题发生的时间, 比如dau 下降了就是下降的具体时间分析, 这个时间是不是节假日等等

3.Where-何地?在哪里发生的? 问题发生的拆解其中一个环节, 还是dau 下降了, 是哪一个的地区的下降了, 是哪一个功能的使用的人下降了等等

4.Who-是谁? 比如dau 下降了, 就是是哪一部分的用户群体在降, 是哪一个的年龄, 性别, 使用app 时长等等

5.Why-为什么会这样?dau 可能降低的原因猜想, 比如某个地区的dau 降低了, 其他地方的没有降低, 那可能是这个地区的app 在使用的过程中有什么问题

2H的内容

1.How-怎样做?知道了问题是什么以后, 就到了策略层了, 就是我们要采取什么样的方法和策略去解决这个dau 下降的问题

2.How Much-多少?做到什么程度?这个主要是比如dau下降了以后, 我们采取对应的策略是可能花费的成本是多少, 以及我们要解决这个降低的问题解决到什么程度才可以

035w2h在实际案例中的应用

1.背景:

某APP的付费人数一直在流失, 如何通过数据分析去帮助产品和业务去挖掘对应的付费的流失原因并给出对应的解决策略

2.分析思路:

尝试用5w2h 分析法去拆解这个问题

what: 我们的问题是付费人数开始流失了, 这种流失应该就是表现出来同比和环比可能都是下降的

when: 整体的流失很难看出问题, 所以我们需要去分析不同的流失周期的用户的占比大概都是多大, 从而分析出现在付费用户的流失周期主要集中在哪里。

where: 付费的入口和不同付费点的分析, 主要是分析哪一个入口的付费人数流失严重或者哪个功能的付费人数流失严重, 挖掘关键位置

who: 对用户的属性和行为进行分析, 分析流失的这部分用户群体是否具有典型的特征, 比如集中在老年群体, 集中在某个地区等等, 行为的特征分析表现在流失的用户的行为活跃表现是怎么样的, 比如是否还在app 上活跃, 活跃的时长和天数等等的分析

why: 通过上面的分析, 就可能大致得出用户的流失的原因, 需要把数据结论和猜想对应起来去看, 并做好归纳总结

how: 当我们挖掘和分析出付费用户流失的原因了以后, 需要采取对应的策略去减少流失的速度, 同时针对流失的用户进行挽留和召回

how much: 在通过数据分析给出对应的策略的时候, 也需要帮助业务方去评估我们的策略大概需要的成本, 让业务方知道这个策略的可行性以及价值

3.分析过程:

(1) 不同用户的流失周期比例分析, 大部分的群体的流失周期还不是很长, 说明整体来说用户的流失是最近刚发生的, 同时流失的周期不长, 说明我们有能力可以针对这部分的流失用户利用策略进行挽留

(2)不同付费入口的拆解分析

对比付费的四个主要的入口, 分析每天的付费人数的走势, 发现付费人数的减少主要集中在我的tab 入口, 我的tab 入口的付费降低的可能原因是什么呢

这就需要拉上业务方一起去分析对应的原因, 比如是可能是这个位置的付费功能的具体流失的每一个环节的流失情况(结合漏斗分析一起去看)

分析出我的tab 页面中 付费功能具体的流失环节, 然后再针对性的进行调整迭代

(3) 用户特征分析

这里以年龄为例, 分析流失的付费用户的年龄特征, 发现主要集中在18岁以下的未成年群体, 这部分的用户群体为什么流失呢? 就需要结合用户反馈等一起去看

除了年龄的角度, 我们还可以分析流失的用户的性别特征, 城市级别特征, 活跃时长和活跃天数, 经常使用的功能等特征

(4) 原因总结归纳

通过分析, 付费的用户群体主要原因是我的tab 的付费功能引起的, 可能是具体的某个付费转化环节出现问题

流失的用户群体主要是18岁以下, 男性, 三线城市为主(假设)

流失的用户群体活跃时长, 活跃次数, 活跃天数等没有明显下降

(5) 策略落地

这个环节需要和业务方反馈我们的数据分析结论, 然后结合产品的经验以及用户反馈以及调查问卷等方法进一步确定原因

如果确定好是我的tab 中付费功能的某个环节出现问题, 就需要针对的进行改进, 同时上线小流量的ab test 去验证我们的策略是否有效

04总结

5W2H分析方法从问题出发,有一套科学完整的分析思路,对造成问题的原因进行推测,并提出相应的解决方案,最终解决问题,形成闭环。

当然,理论很美好,在实际应用过程当中可能还会遇到各种各样的业务场景,针对不同的业务场景, 整体的框架还是不变的, 但分析的维度就需要根据不同的产品形态和业务特性来调整。

 

责任编辑:武晓燕 来源: DS数据科学之美
相关推荐

2021-04-20 08:01:35

5W2H方法框架

2019-01-16 18:39:24

数据开发模型

2022-02-16 10:37:41

数据分析思维数据分析

2020-12-08 10:27:04

数据分析技术IT

2020-10-25 08:56:31

数据分析数据大数据

2019-10-14 15:57:36

数据分析多维度二八法

2019-09-24 14:36:38

数据分析思维大数据

2017-01-16 15:44:38

数据分析大数据指标体系

2013-01-06 10:15:02

大数据分析数据分析师大数据

2022-08-03 14:30:52

大数据数据分析数据收集

2017-01-23 16:30:46

数据分析大数据

2020-12-22 15:33:42

数据分析技术IT

2022-03-15 12:27:57

数据分析工具技能

2020-04-30 09:17:28

数据分析电商分析思维

2022-09-07 15:47:21

数据分析对比分析大数据

2016-05-18 11:57:02

数据分析数据思维大数据

2020-10-27 09:27:46

SQL分析数据

2017-02-27 10:51:23

大数据分析方法

2017-01-23 13:34:44

2021-03-16 11:33:23

数据分析
点赞
收藏

51CTO技术栈公众号