3-4 指标异常分析方法论

多参加几次不同公司数据分析的面试，你会遇到一些“铁打的问题”：

“分析一下GMV下降30%的原因吧？”
“我的产品DAU突然上涨了10%，你会怎么分析？”
“转化率周环比下降了15%，要从哪几个角度来考虑？”

指标波动的问题，一定是数据分析面试考察的高频内容。不仅仅是因为这类题的回答能够体现候选人的思维逻辑性与业务熟悉度，也是因为指标变化是数据分析师在日常工作中常见且重要的分析主题。

那在笔试或者面试的时候遇到这类问题应该如何回答呢？

我们以“分析一下GMV环比下降20%的原因”为例进行回答。包括以下步骤：

第一步：确认数据

对于数据分析师来说，在遇到问题的时候，首先需要保证自己的逻辑是准确的，在此基础上查看数据底表、或者上游数据表的逻辑是否有问题，导致最终取出来的数据存在较大的异常。在实践里，当数据波动较大（20%以上）的时候，很有可能是数据本身的问题，不需要上升到分析的环节。

所以确认数据是否正确，是我们回答的第一步。

第二步：拆解指标

在我看来，GMV=订单的均价*订单量。

①订单均价往往和下单商品的单价以及下单商品的数量有关。

②订单量与订单量商品详情页的流量以及购买转化率有关。

③商品详情页流量则和APP的总流量以及商品详情页的跳转率有关。

也就是说，以上任意一个指标的变化，都会影响到GMV。

进而，凡是会影响到以上任意指标的事情，都可能会影响到GMV。

对了，指标的拆解方式千千万万种，不一定要拆成和我一样的形式，只要言之有理即可。

第三步：寻找不同维度的数据提供支持

这是最重要的一步，也是最能体现候选人逻辑思维能力以及业务敏感度的环节。有许多常见的维度拆解方式可供选择：

①分新老客。假如在分析中我们发现，新用户贡献的GMV下降非常明显，通过进一步的调查得知，针对新用户的无门槛现金券发放活动取消了，新用户注册后的购买转化率的概率大大降低，因此影响了整体GMV。

②分地区。通过对不同省份和城市进行分析，发现在上海、浙江某些城市的GMV下降非常厉害，因为有一款竞品在江浙地区大力推广，并通过低价同款商品吸引了我们的大批用户，导致APP总流量下降，购买转化率也降低，整体销售水平下跌。

③分渠道。在互联网企业里，用户往往会来自不同的渠道，如广告点击，主动搜索，地推引流等等。根据渠道分析的结果，我们可能会发现由广告点击引流的用户，贡献GMV下降严重，进一步探索认为，市场部新推出的广告以特价卫生纸等生活用品为主，但APP的主打商品是特价服装，引流用户与企业的目标用户重合度较弱，导致广告投放的转化率很低。

④分商品品类。对不同品类商品的GMV进行分析后，发现御X坊，XX日记等国产化妆护肤品近期销售乏力，是因为上一次促销后商家没有及时更新、上架产品，可选的SKU数量下降，消费者的选择余地减少，成交量低于先前水平。

⑤分价格区间。对于电商企业来说，往往会设定明确的重点消费人群，提供主打商品以及合适的价格区间。假设某电商的主要消费人群是大学女生，主打服装商品的价格区间是80-100元，在一次调整后，首页广告、活动界面的女装商品价格集中在200-3000元，订单量下降显著，造成了GMV的下跌。

⑥是否时间季节规律。对于某些企业而言，可能会存在较为明显的时间季节销售规律。以大型OTA企业为例（飞猪、携程），7-8月为暑期旅游旺季，进入9月以后，外出旅游的人数减少，GMV自然也会下降。

当某天的GMV突然大幅度下降，需要确定是否先前有开展促销活动，活动结束后的销量会逐渐恢复到日常水平。例如，平