00 — 序言
日常工作中，你是否遇到過leader派發的這些任務？
- “這個功能做了有一段時間了，你來分析一下目前的現狀，以及有哪些可以改進的地方？”
- “我們下面希望做一些新的方向，你來從數據角度探索一下哪些方向可以做？”
類似這種工作，我們稱之爲「探索性分析」，也叫「進攻型分析」，即：沒有先驗觀點，需要通過數據逐一探索。與之相反的是「防守型分析」，類似「歸因分析」。
相比防守型分析，進攻型分析的方法論並沒有那麼成熟，網上也很少有類似的實戰文章。因此想和大家分享一些工作中總結的分析思路，核心聚焦於結論產出。當然，思路並不侷限於這一種，供大家參考應用。
01 — 案例背景
某搜索引擎類APP，在幾個月前上線了信息流功能（類似抖音）。老闆需要分析一下目前APP的現狀，以及未來可以在哪些場景發力，希望你通過數據給予一定的建議。
02 — 大盤摸底
在分析之前，首先要摸清楚信息流功能的現狀。最重要的指標是uv，因此需要將指標近期的波動進行解釋，讓老闆有一個清晰的認知，類似下圖。
除了uv這種大盤指標外，針對這個場景，還需要關注：功能滲透率、人均vv、人均時長、播放完成度、快滑率等核心指標。
02 — 人群深挖「人」
要對產品給出建議，就需要將「指標」與「維度」下鑽來探索。我們常說的「人貨場」則是維度下鑽的三大核心方面。「人」對應的是人羣挖掘，維度涵蓋：年齡、性別、職業、城市等級、消費水平等。此處需要注意用戶畫像的覆蓋比例，如果某個維度的比例很低，則失去了分析的意義。
回到案例上，針對年齡的下鑽可以得到下圖，數據結論爲：
- 36歲以上羣體佔比接近70%，但相比大盤，消費規模較差（TGI<100），滲透上有較大提升空間。
同時，可以將用戶屬性交叉分析，宏觀瞭解目前功能的用戶情況：
03 — 內容深挖「貨」
「貨」指的是對於內容分類的挖掘，維度涵蓋：內容一級品類、內容二級品類、內容特殊標籤等。在實戰探索中，內容拆解經常由粗至細，逐步深挖，直至得出結論，類似下圖：
回到案例上，針對類目消費情況探索，探索的內容包含但不限於“是否存在覆蓋量級較大，且消費質量較差品類”，如下圖：
數據結論爲：
- 旅遊品類覆蓋人數較多，但消費深度及消費質量較差；音樂品類消費深度較好，但消費質量較差。以上兩個品類需進一步下鑽聚焦。
同時可以篩選核心指標，結合氣泡圖進行聚類分析：
內容下鑽，往往伴隨着核心維度的組合，這個在下面會提及。
04 — 場景深挖「場」
「場」指的是對於用戶所處環境的挖掘，維度涵蓋：小時、網絡、天氣等。在實戰探索中，可以分析出用戶在不同場景中的消費偏好。例如：用戶傾向在白天看時事新聞，而在晚上看小說。
回到案例上，針對小時的下鑽可以得到的數據結論：
- 用戶在工作時間（10–11點、14–17點）消費較弱，需結合內容，判斷在工作時間適合推給用戶的內容。
05 — 交叉深挖「人貨場結合」
要得出產品測的結論，「人貨場」的交叉分析是必不可少的。一般情況，宏觀的概括性數據很難得出決策性的結論，需要聚焦到某個細分領域上。
回到案例上，針對類目與年齡的交叉數據，各年齡段在類目上的消費傾向分佈（越綠代表當前類目越偏向該用戶群，類似TGI）：
從以上可以得出的結論：
- 知識品類年齡越大，消費越充足；明星、運動品類，年齡越小，消費越充足。
- 年長群體的興趣分佈相比年輕群體更廣。（綠色佔比越多，說明在多個品類都更加偏向，興趣更爲廣泛）
06 — 結論輸出
當做完完整分析後，需要將核心結論抽取出來，結論一般從三個方向產出，同時附上案例：
- 事前 — 現狀描述：目前信息流uv天均xxx，近30日較爲穩定。
- 事中 — 改進點結論：通過分析，其中旅遊和音樂類目有較大提升空間，在晚上推送給女性羣體，有較好效果。具體結論需要後續結合AB實驗給出。
- 事後 — 改進的效果：在改進了旅遊和音樂類目後，截止六月，信息流uv預計提升5pp。
07 — 內容總結
以上就是一個完整探索性分析的核心思路。當然，真實的情況，肯定遠比上面的流程複雜，同時，也會走很多彎路，做很多無用的工作。曾經，小火龍做一個探索性分析花費了一週左右的時間，excel產出20+sheet，最後得出5個左右核心結論。相信大家也一樣，只要能得到1–2個對產品有推動作用的結論，都會很有成就感。
文章來源：小火龍說數據
原文鏈接：https://mp.weixin.qq.com/s/EtJH8wU8gsEuDzLiHXntSQ
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
文章推薦
◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
