基于数据分析给出运营建议，咋整？！

接地气学堂

2年前

【摘要】：通过数据我们能看到什么能做什么

有同学问：“如何基于数据分析提出运营建议”，今天我们拿个简单的题目来举例。这个题目陈老师之前讲过，有印象的同学应该还记得。再举一次，是因为每到招聘季都有人把它搬出来，而且有关它的大部分讲解，都是错的。

已知，下图是某个电商一周销售金额走势（具体数据都差不多，总之曲线长这样），问：数据反映什么问题，怎么提运营建议。

很多同学一看这个数据，本能的回答就是：最后两天低了，要搞高

问题就从这里开始

00 为什么不能写要搞高

因为如果面试官多问一句：你准备搞到多高？就能把“要搞高”三个字干废了。无论怎么后续怎么解释都解释不清（如下图）

这就是：“说话的一张嘴，做事的跑断腿”的直观体验。“要搞高”三个字说起来轻松，可做起来一堆问题：

● 为什么非要搞高？

● 要搞到多高才算高？

● 市场搞高还是销售搞高？

● 用什么型号的产品搞高？

● 啥时候开始搞到啥时候？

所以说做数据分析的，要对业务常存敬畏之心，不然光空口白话，会被人笑话的。

真要提建议，当然得从第一个问题开始。为什么非要搞高是最初的判断，也是最重要的判断。判断错误会把整个方向带歪，搞得大家兴师动众劳而无功，所以一定要慎重。

01第一个建议是要不要搞

为什么不是低了要搞高，是因为很多业务都是周期性波动的，比如休闲类消费就是周末高，平时低；B2B交易就是工作日高，节假日低。碰上小长假之类的，除了吃喝玩乐大部分其他交易都会停。所以得多看几周数据，看过往趋势。

有些商品交易有明显生命周期性，比如手机都是新上市的卖的好，过一段时间性能落后淘汰了就自然会差。题目仅给了一张图什么条件都没说，所以有可能这是某个（或者某些类）商品的生命周期末尾，因此还得看具体品类。

我们还不知道，到底这一周交易的目标是多少，如果目标已达成，那即使低一点又有啥问题，所以还得看任务目标。

综上，想说：要搞高，前提是先判定这个数是低。这样就得先找标准。我们得综合趋势、品类生命周期、任务目标，综合下结论（如下图）

很多同学说，这一步看起来很简单呀，不就是把曲线拉长吗。实际上情况可能很复杂。请注意，简单是建立在两个情况上的：

1、销售金额是个很直观的、数值型的、结果性指标，高就是好，低就是不好。

2、上边举例的三种情况，都是严格符合趋势，且前后走势一致。

如果情况1不成立：比如是阅读量、用户数这种过程指标，判定就变得复杂。你得看这些过程指标的涨跌，和销售金额，毛利这种结果指标间有没有直接关系。如果是转化率这种比率型指标，就得先看是分子小了还是分母小了。

如果情况2不成立，往往意味着一种特定的业务行为。比如下边两种很常见的场景，在整体达标的前提下，内部结构发生了有趣的变化，这种变化到底是好还是坏，会不会眼前看着达标，后边几期数据就不达标，都有可能，这时候就得更深入的分析。

02第二个建议是要搞多高

如果经过判断有问题，真的要搞高，那第二步的判断就是：要搞多高。很多人会说：不是越高越好吗？显然不是！应该是：在投入一定的情况下，越高越好。你的商品主管、用户运营、产品经理、网站开发在短期内的投入能力都是有限的，因此得定个合理的小目标。

如果上一步做的很扎实，那么这一步就非常好做：

● 参考标准1：KPI。可以计算做多多少才能补齐KPI

● 参考标准2：自然周期。可以计算看多做多少才能让业绩曲线保持过往周期性运转，至少止住持续下跌的态势。

● 参考标准3：生命周期。可以看按目前生命周期，预计商品还有多少周销量，再看要做多少才能赶上节奏，避免后期积压。

当然，以上都得和具体品类结合。如果题目没讲清楚，可以根据自己的理解假设情况进行深入。不深入，越到细节讨论，可能性就越多，越难讲清楚。

03第三个建议是谁来搞

再往下建议，先定干活的人，再讲具体怎么干。注意，不同部门可以干的事是有区别的。

● 流量运营：为全站引流，分配流量

● 商品运营：商品选款、上下架、补货

● 活动运营：促销活动、宣传活动

● 用户运营：给制定用户发券

● 产品经理：调整购买路径

因此想提有用的建议，得先明确是提给谁的。这里就需要拆解问题，落实到具体产品品类、用户等级上。但在拆解之前注意：先区分是整体性问题，还是局部性问题。如果是整体性问题，比如整体上流量不足，竞争对手争抢用户太厉害，产品线整体老化，这时候就得出杀招，考虑整体流量，出爆款。要是只是个别产品的问题，可以再具体考虑。因此看结构性变化，就是个重要的参考数值。