在实际的数据分析场景中,最困难的事情并不是如何分析问题,而是如何提出一个好问题。我们数据分析师经常说,能提出一个好问题,比解决十个简单问题要有用的多
而很多人在做数据分析的时候,往往只是接受业务方或者领导提出的问题,自己很少去主动发掘数据问题,如果丢给他们一堆数据,他们很难从中发现出异常
今天启方就介绍一种可以有效提高逻辑能力和问题发掘能力的方法,也就是商业分析中经常会见到的——5w2h分析法
5w2h模型应该很多人都听说过,也经常被叫做“七何分析法”,主要由7个要素构成:
What:何事—— 我要做一件什么事?
Why:何因——为什么要做? 确定合理吗?
When:何时——什么时候要做?什么时候发生的?
Where:何地——在哪里做?依靠什么平台做?
Who:何人——需要什么人参与?主导人和对象是谁?
How:何法——具体干了什么?过程是什么?
How much:何量——投入与产出是多少?
5W2H分析法一般情况下是作为评价指标,对任何的数据和行为都可以按照这7个问题进行判断,如果其中有任何一个问题不明确,则需要进一步改进。
下面就介绍一个使用5W1H分析法对一个具体的业务场景进行分析,就以最近比较惨淡的餐饮行业为背景吧。
某家线下餐饮企业最近一个月显示客户明显减少,通过业务部门的初步分析判断是由于老用户的严重流失,但是业务部门无法追踪到用户流失的准备原因,想让你来通过现有的数据进行问题定位。
这个问题是比较常见的用户流失分析,分析方法有很多,今天我们就单独用5w2h来分析:
分析目的
一般来说,餐饮行业是极其注重用户运营和客户质量的,要想实现持续盈利就必须保证“新用户的流入>老用户的流失”,因此餐饮行业一般会通过广告投放进行拉新,然后通过促销活动进行促活,这是业务背景。
现在业务想要你定位客户减少的原因,本质上是想让你想办法提高客户留存率,而且还要在保持拉新成本不变的前提下,因此我们这次分析的目的,就是要定位到客户流失的原因,定位到原因就有调整的办法,采取有针对性的采取措施。
分析思路
我们直接按照5w2h的思维模式来:
数据分析
有了分析思路,我们就可以直接取出相应数据进行分析了,这里我们主要从客户类别、客户画像、客流量、成本、活动等维度入手,观察数据异常情况,找出客户流失的规律。
1、流失用户分析
首先我们先分析一下流失用户的画像,如下图所示:
通过用户流失图我们能看出来在客户分布中,总用户流失达到40%,其中老用户流失了35%,新用户流失了5%,这个数值比较极端,但基本可以定位为老用户流失问题。
因为我们无法追踪到客户的身份和职业等等,所以这个我们需要进行门店调查,看一下老用户的消费水平变化,我们取上个月和这个月老用户的平均消费区间,如下图:
内圈代表上个月的消费区间,外圈代表这个月的消费区间。
可以从上图中看出,上个月老用户的消费水平集中于40-50,但是这个月老用户的平均消费水平下滑到了40以下,主要这种情况主要有三种原因:
2、客户活跃时间分析
下图展示了这一个月中每天的客流量与客户类别的关系,通过这张图可以看出来某类客户的流失异常时间。
从图中可以看出来,老用户大概在14号左右出现了突然下滑的趋势,16号之后便处于一个低水平的状态;新用户在14号左右也受到了一些影响,但是影响有限,不如老用户更明显。
为了更加直观,我们可以直接用流失率来表示老客户流失的情况,流失率即代表:今天较昨天减少的老客户/昨天的老客户。
可以看出老用户的流失率在14号出现断崖式下降,20号有一次波谷,是流失率最大的一天,此后流失率渐渐平缓,趋向于零,说明老用户流失殆尽。
一般来说,影响老用户的因素无非是品牌、产品服务和价格,影响新用户的因素更多的是时间、位置、价格。因此明显可以得知14号出现了某种特殊情况致使用户流失,我们拉取13日和14日当天的订单数据进行对比。
可以看出来,13日的订单高峰主要集中在上午8-11点,以及晚上的19-22点;但是在14日的时候,老客户在中午和晚上出现崩塌式流失,尤以上午8点和9点为甚,这样时间我们就追踪到了。
接下来就要追踪,在14日上午这段时间里,究竟发生了什么。
3、流失原因分析
我们把时间定位到了14日上午,首先要知道这天发生了什么事情,造成了老用户的流失。
一般来说,老用户会造成流失的原因无非就五个:
我们可以拉取最近各种菜单或服务的订单量,看看有没有什么变化:
这张图展示了A-G6种产品和服务在近一个月的订单情况,分别代表着不同的价格区间,A的价格最低,订单最多,而G的价格最高,订单最少。
可以看出来E、F、G三种服务一直处于平稳的状态,位于图表的下方;而C、D两种服务虽然小有波动,但是变化也不明显,位于图表的中部位置;
而A服务明显在14日出现了断崖式下降,8服务也在14日左右出现了滑坡式下降,为了方便显示,将其提取出来单独展示:
那么,是什么原因让A与B的产品或服务出现大幅度下降呢?最直接的原因可能就是价格,此时我们就可以与业务人员进行调查,看一下是否A和B的价格在14日当天出现了调整,造成了老用户的流失。
如果真的是因为价格升高造成老用户流失,则需要考虑采取一些方式恰当挽回,比如针对老用户的补偿措施。
其次,我们要看一下外部的因素,老用户是否有了更多的选择,也就是是否在14日当日竞争对手采取了一些活动或者措施,或者是新开了一家店,造成我们的老用户流失。而如果新用户流失不明显,则说明并不是有了新店,很大概率是竞争对手提出了一些针对老用户的优惠措施,将老用户分流过去了。
最后,针对一些活跃度不高的老用户,需要采取一些唤醒措施。
4、门店位置分析
通过对门店的分析,我们能很轻易看出异常:乙门店在15号左右直接下降了40%左右,其他门店都处于正常水平。下一步就是细化乙门店的订单情况,分析方法同上,具体过程这里就不详细说了。
我们将分析的过程直接套入到5w2h模型中,得出相应的结论:
转载自网络 不用于商业宣传 版权归原作者所有,侵权删。