最近無意翻到2年前做到一個產(chǎn)品方案ppt圆雁，其中一個數(shù)據(jù)分析過程其實在后來是經(jīng)常用到的，特此對這個小的分析方法做了個提煉總結(jié)。
首先一個聲明：
任何一個結(jié)果數(shù)據(jù)都是有多因素組成允睹，比如轉(zhuǎn)化率、比如某個頁面的二跳率幌氮。很多情況下缭受，產(chǎn)品本身不是決定這個數(shù)據(jù)的核心因素，比如電商可能就是價格该互、商品的產(chǎn)品力米者、稀缺資源等等；但不可否認，產(chǎn)品本身是其中一個因素之一蔓搞，占多大比重跟業(yè)務形態(tài)相關(guān)胰丁。作為產(chǎn)品人，保障產(chǎn)品本身不掉鏈子喂分，也是你最大的價值之一锦庸。
適用范圍：
提升一個目標有兩方面，
?一蒲祈、是主動式的這個就需要對業(yè)務本身的熟悉和經(jīng)驗甘萧，以及目標，場景等梆掸，去看在這個頁面最需要什么扬卷，最大化提升效率；所謂的產(chǎn)品sense酸钦，要做到極致需要天賦怪得，但要做到優(yōu)秀只需要努力，深入業(yè)務本身去了解用戶钝鸽；這里不展開講汇恤，做法千千萬。
二拔恰、被動式的去除業(yè)務本身因素和其他一些客觀因素但看產(chǎn)品現(xiàn)狀。去觀測尋找當前現(xiàn)狀的一些可改進的點基括，這個是最低成本的颜懊。下面介紹一種常規(guī)的數(shù)據(jù)模型。
模型介紹：
x為一個結(jié)果指標风皿，如：一個頁面的某一個核心二跳率指標河爹。這個指標我們認為有幾個直接影響，x1桐款、x2咸这、x3；通過：歷史數(shù)據(jù)對比魔眨、橫向數(shù)據(jù)對比媳维、直覺等方法我們認為存在異常（如要科學一點的可參考統(tǒng)計學中的四分位數(shù)）。我們發(fā)現(xiàn)x1和x3遏暴，進一步對x1和x3拆解侄刽，再得到異常x131和x311、x321等等朋凉。州丹。。直至最后拆無可拆，得出結(jié)論墓毒。
總結(jié)一句話發(fā)現(xiàn)異常-拆解因素-尋找異常-拆解因素吓揪；循環(huán)直到最后。
案例帶入：提升某電商產(chǎn)品詳情頁到訂單填寫頁二跳率
數(shù)據(jù)假設詳情頁到填寫頁數(shù)據(jù)為X;我認為可能存在的影響因素:X1報錯或提示所计、X2出選擇套餐彈窗磺芭、X3產(chǎn)品品類、X4頁面加載速度醉箕。
計算后钾腺，發(fā)現(xiàn)再詳情頁到，x2正常讥裤、x1放棒、x3都有異常數(shù)據(jù)異常。進一步非拆分己英，
X1報錯或提升從詳情頁到填寫頁數(shù)據(jù)較高间螟，分別列出這個過程中所有到報錯或提升出現(xiàn)率，X11损肛、X12厢破、X13、X14...在進一步分析治拿，一個提示異常多摩泪，“請選擇分數(shù)”，但是本身有做默認1份邏輯劫谅；再實際去抽了一個報這個錯到產(chǎn)品發(fā)現(xiàn)见坑，購買分數(shù)bug，沒載出來捏检。
此時數(shù)據(jù)刨除X1的異常數(shù)據(jù)荞驴，再看X2因素分析；
X2分品類看贯城，先X21熊楼、X22看，發(fā)現(xiàn)X21存在異常能犯；再進行拆分X211鲫骗、X212、X213...發(fā)現(xiàn)某個2級品類轉(zhuǎn)化特別低悲雳，再去看挎峦，發(fā)現(xiàn)這些產(chǎn)品的套餐異常多，不容易選擇合瓢；發(fā)給運營建議進行優(yōu)化坦胶。
同樣的以此類推，分析X3的時候再刨除X2的異常數(shù)據(jù)進行類似的分析...
最后這個case我當時找到大概5個小問題，分別進行了小優(yōu)化顿苇。
擴展用途：
1峭咒、主動發(fā)現(xiàn)查找問題。
2纪岁、提煉成常規(guī)的數(shù)據(jù)監(jiān)控模型凑队。
3、尋找潛在提升的點幔翰。
4漩氨、不只二跳，其實最終的結(jié)果指標也可以進行拆分遗增，只不過會更加復雜一些叫惊。
