如何讓“GMV下降”實(shí)現(xiàn)自動(dòng)化分析？
前言：
1. 分析思路
1.1 定位問題
1.2 排查影響因素
2. 自動(dòng)化實(shí)現(xiàn)
2.1 必備功能（由始至終）
2.2 面向用戶（由內(nèi)而外）
2.3 前后端邏輯
前言：
作為一名數(shù)據(jù)分析師，分析“某某指標(biāo)下降或者提升”是非常日常的工作。但如果每次一遇到這類問題就一通操作分析，著實(shí)有些耽誤時(shí)間。好在這類“指標(biāo)異動(dòng)”的分析通常是有一些固定的套路的，邏輯并不復(fù)雜。
因此，咱們嘗試抽象出這類問題的解決方法，并做一個(gè)「自動(dòng)分析」的工具，來替代數(shù)據(jù)分析師的這部分日常工作，解放生產(chǎn)力呀。
本文就拿“GMV異動(dòng)”舉例，來介紹這類指標(biāo)異動(dòng)的分析思路、以及如何實(shí)現(xiàn)自動(dòng)化。
其中“分析思路”在業(yè)內(nèi)主要有兩種：貢獻(xiàn)度和基尼系數(shù)。本文主要介紹前者。
1. 分析思路
1.1 定位問題
1. 確定發(fā)生期和基準(zhǔn)期
即：什么時(shí)候相對(duì)什么時(shí)候的下降？
發(fā)生期：GMV產(chǎn)生變化的時(shí)期，比如2021年11月1號(hào)-11月30號(hào) 基準(zhǔn)期：參照期，比如2021年10月1號(hào)-10月31號(hào)
這里注意，發(fā)生期和基準(zhǔn)期的天數(shù)是否相同？如果是相同，那么直接對(duì)比總GMV變化就行；反之可以對(duì)比他們的日均GMV變化。為了方便“自動(dòng)化”，我們暫且都按日均GMV算。
2. 確定數(shù)據(jù)準(zhǔn)確性
這是我們?cè)谑盏健癎MV異動(dòng)”時(shí)候，第一個(gè)要排查的因素！
為什么要把【數(shù)據(jù)準(zhǔn)確性】放到第一個(gè)？因?yàn)橐悦馕覀兛赃昕赃攴治霭胩旌蟀l(fā)現(xiàn)：“原來只是數(shù)據(jù)源出問題了”，白白浪費(fèi)了分析資源！
那么數(shù)據(jù)準(zhǔn)確性可以從以下幾個(gè)方向確定：
數(shù)據(jù)傳輸、存儲(chǔ)、清洗有沒有問題？ 與該指標(biāo)（GMV）關(guān)聯(lián)的其他指標(biāo)是否異常？ 指標(biāo)統(tǒng)計(jì)口徑是否異常？ 是否有業(yè)務(wù)邏輯上的更改？ 是否埋點(diǎn)上報(bào)異常？ 是否指標(biāo)計(jì)算方式更改？
3. 按【GMV=dau轉(zhuǎn)化率客單價(jià)】來定位問題所在
到此，我們進(jìn)入正題，開始開始定位GMV異動(dòng)的可能原因。
按GMV公式，我們分3步驟探索：
定位GMV下降的特征——對(duì)應(yīng)GMV本身 是否是由于dau基數(shù)影響到gmv——對(duì)應(yīng)公式里的dau 定位GMV下降的特征的支付漏斗折損位置——對(duì)應(yīng)公式里的轉(zhuǎn)化率
下面具體展開：
1）定位GMV下降的特征
統(tǒng)計(jì)GMV的常見維度，分為固有屬性和變化屬性，如：
固有屬性：（用戶從一開始就自帶的屬性，在之后的行為里都不會(huì)發(fā)生變化） 新增渠道：ios，華為，小米，vivo，oppo，其他... 城市線 ：一線，二線，三線，... ...
變化屬性：（用戶在之后的行為里可能會(huì)產(chǎn)生變化的）
支付時(shí)段：0-6點(diǎn)，6-12點(diǎn)，12-18點(diǎn)，18-24點(diǎn) 支付方式：sdk支付，微信支付，... sku類型：包月，包季，包年，... ...
展開這些維度，計(jì)算這些維度下的特征對(duì)GMV異動(dòng)的貢獻(xiàn)度，并按貢獻(xiàn)度降序排名
記：
發(fā)生期各維度的特征為gmv2，總值為sum2
基準(zhǔn)期各維度的特征為gmv1，總值為sum1
某特征貢獻(xiàn)度=(gmv2-gmv1)/(sum2-sum1)
給貢獻(xiàn)度設(shè)定閾值，認(rèn)為超過該閾值就是需要重視的特征，比如“貢獻(xiàn)度超過20%”就算它是影響GMV異動(dòng)的特征
把以上特征分為【固有特征】和【變化特征】
2）是否是由于dau基數(shù)影響到gmv
計(jì)算兩個(gè)時(shí)期下的【固有特征】的特征的DAU相對(duì)差異：
同樣還是給差異設(shè)定閾值，如果超過該閾值就是dau基數(shù)影響了GMV。
比如：
“新增渠道-ios，在發(fā)生期的dau比基準(zhǔn)期的dau低了50%”，那我們就認(rèn)為ios的基數(shù)變化可能是影響GMV異動(dòng)的因素之一。
3）定位GMV下降的特征的支付漏斗折損位置
計(jì)算兩個(gè)時(shí)期下的【固有特征】和【變化特征】的轉(zhuǎn)化漏斗，來看是哪個(gè)位置的上級(jí)轉(zhuǎn)化率產(chǎn)生較大差異。
比如：
支付路徑為【a-b-c-d-e】，其中發(fā)生期和基準(zhǔn)期的【a-b-c-d】的各級(jí)轉(zhuǎn)化率的相對(duì)差異不超過5%，比較穩(wěn)定；但是發(fā)生期【d-e】的上級(jí)轉(zhuǎn)化率的比對(duì)照期低50%，那我們認(rèn)為【d-e】是一個(gè)對(duì)GMV異動(dòng)折損比較大的位置。
綜上，我們基本定位到：
是哪些特征的GMV產(chǎn)生了異動(dòng)？ 是否是因?yàn)檫@些特征原本的基數(shù)（dau）異動(dòng)了，而導(dǎo)致GMV異動(dòng)？ 在這些特征下的支付路徑上，有哪些位置產(chǎn)生了折損？
1.2 排查影響因素
我們?cè)倮^續(xù)從產(chǎn)品內(nèi)外部尋找可能導(dǎo)致產(chǎn)生“異動(dòng)特征和折損位置”的事件。
1. 內(nèi)部
大盤 拉長時(shí)間軸到去年/上季度/上月/上周同期，看歷史異常還是近期異常？*添加其他產(chǎn)品的同期數(shù)據(jù)，看是否大家都是異常？ 產(chǎn)品 發(fā)生期的版本是否有功能調(diào)整、樣式改版、策略調(diào)整？ 發(fā)生期的版本是否有其他缺陷？ 技術(shù) 【支付路徑】之間哪里有bug？ 運(yùn)營 運(yùn)營活動(dòng)、push效果如何？ 拉新渠道、投放推廣是否發(fā)生變化？ 用戶 用戶群是否發(fā)生變化？
2. 外部（PEST）
政治 政策影響、監(jiān)管 經(jīng)濟(jì) 竟品app數(shù)據(jù)、雙11、618 社會(huì) 假期效應(yīng)：開學(xué)季、暑期、傳統(tǒng)節(jié)假日 熱點(diǎn)事件：突發(fā)熱點(diǎn)
綜上，我們基本能定位到GMV下降的可能原因：
找出“異動(dòng)特征和折損位置” 找出產(chǎn)生“異動(dòng)特征和折損位置”的事件
2. 自動(dòng)化實(shí)現(xiàn)
所謂“自動(dòng)化”，其實(shí)是指：開發(fā)一個(gè)讓“GMV下降”能夠一鍵分析的數(shù)據(jù)產(chǎn)品。
我們首先需要確認(rèn)該產(chǎn)品的必備功能；其次是它的面向用戶，即“給誰用”；最后確定該產(chǎn)品的前端展示和后端交互邏輯。
2.1 必備功能（由始至終）
把必備功能分為以下3類：
展示現(xiàn)狀：剛開始讓用戶看到他所要分析的2個(gè)時(shí)期的GMV現(xiàn)狀，每天是如何波動(dòng)的？絕對(duì)值差異和相對(duì)差異分別是啥樣的？ 自動(dòng)一鍵分析：接下來交給我們后臺(tái)一鍵分析，除了給出“異動(dòng)特征和折損位置”的數(shù)據(jù)過程，還要對(duì)其每一步進(jìn)行自動(dòng)化文字解讀。 快速：最后盡量使整個(gè)“一鍵分析”的過程控制在秒級(jí)別
2.2 面向用戶（由內(nèi)而外）
知道用戶是誰，才能知道給他具體做什么功能；以及讓這些功能的理解成本最低、用起來順手又方便。
數(shù)據(jù)人員： 因?yàn)樵镜摹爱悇?dòng)分析”工作是咱們數(shù)據(jù)分析師承擔(dān)的，因此得要這個(gè)產(chǎn)品首先滿足咱們自己人，先要讓分析師用起來爽； 即使該產(chǎn)品的理解門檻高，分析師也能比較容易的解讀。 業(yè)務(wù)人員： 其次是最關(guān)注“異動(dòng)分析”的是業(yè)務(wù)同學(xué)，業(yè)務(wù)同學(xué)對(duì)“分析思路”的理解成本相對(duì)分析師要高一些，因此我們要把該產(chǎn)品的理解成本再降低，讓業(yè)務(wù)更快跑起來！ 有的業(yè)務(wù)同學(xué)在獲取“GMV異動(dòng)原因”的信息后，需要把這個(gè)解讀匯報(bào)給領(lǐng)導(dǎo)，因此存在“信息二次傳遞”的情況，我們還需要繼續(xù)往外考慮。 領(lǐng)導(dǎo)： 最后我們希望該產(chǎn)品能夠被領(lǐng)導(dǎo)們用（稱）上（贊）呀！讓領(lǐng)導(dǎo)們能夠自由分析、提高信息傳遞的效率，因此就更需要讓該產(chǎn)品容易用、好用。
2.3 前后端邏輯
根據(jù)以上對(duì)產(chǎn)品功能、面向用戶的明確，我們最后把產(chǎn)品的設(shè)計(jì)為如下幾部分：
1. 前端
篩選區(qū)域： 日期：發(fā)生期、基準(zhǔn)期 各個(gè)維度 數(shù)據(jù)現(xiàn)況展示：（使用GMV分區(qū)表） 相對(duì)差異：（發(fā)生期-基準(zhǔn)期）/基準(zhǔn)期，也按day1-dayn展開 基準(zhǔn)期是20天、發(fā)生期是15天 那么橫軸上起點(diǎn)是基準(zhǔn)期和發(fā)生期的第一天的GMV、以此往后推 基準(zhǔn)期的是day1-day20、發(fā)生期是day1-day15 橫軸上先是基準(zhǔn)期、再是發(fā)生期 拉長自然日期的GMV展示，比如： 合并2個(gè)時(shí)期的GMV絕對(duì)值展示，比如： 合并2個(gè)時(shí)期的GMV相對(duì)差異展示 貢獻(xiàn)度分析：（使用GMV分區(qū)表） DAU分析：（使用支付漏斗表） 漏斗分析：（使用支付漏斗表）
以上3個(gè)步驟是對(duì)應(yīng)【1.1定位問題：按【GMV=dau轉(zhuǎn)化率客單價(jià)】來定位問題所在】
大事件： 大事件是指【排查因素里的內(nèi)外部事件】，這部分需要人工手動(dòng)維護(hù)。 自動(dòng)化總結(jié) 對(duì)以上每個(gè)步驟的自動(dòng)化文字總結(jié)，這樣更方便用戶理解分析過程。
2. 后端數(shù)據(jù)
GMV分區(qū)表（按各維度展開） 支付路徑漏斗表（按各維度展開）
到此，實(shí)現(xiàn)“自動(dòng)化GMV異動(dòng)分析”的講解就結(jié)束啦?？傊?，本文的分析思路是簡化版，具體還需要各位大佬結(jié)合實(shí)際業(yè)務(wù)場景做定制化的修改啦～
