数据分析师训练营/ 第五篇 分析方法/ 第二十三章
第二十三章 · 分析方法

六把刀,各有各的刃

同一个 6 月,同一份 qingning.db,六种方法能讲出六个故事。对比说「环比 +2.85%」, 趋势说「18 个月没涨」,漏斗说「支付转化 5.55%」,归因说「线下被低估 4.58 个百分点」。

方法没有高低,只有用错。每个方法都配一个青柠数字和一个反例; 最后你会拿到一张方法选择图和一张「何时会骗人」清单。

理论 : 实操 = 6 : 4 约 8 学时 前置 第 22 章

23.1原理:六种方法,六类问题

六个方法不是六套公式,而是六种看数据的角度。先记住每个方法回答什么问题,再记怎么算; 顺序反了,你会变成一个只会跑 SQL 的人。

你要回答什么? 描述现状 解释原因 支持决策 对比 · 趋势异常 漏斗 · 留存 · 分群 先回答「是多少、卡在哪、 谁会回来、谁贡献大」 反例:只描述,不给判断 归因(首触 / 末触 / 线性 / 时间衰减) + 5 Why 追到数据边界 先问「换口径结论反不反」 反例:把相关当因果 对比 + 情景 + ROI (第 24 章展开) 先算「每个选项的代价」 再排序 反例:没有成本数据就拍板 组合用法:先用对比发现差异,再用漏斗定位环节,最后用归因解释原因 六个方法可以叠加,但每一步都要写清口径;口径变了,故事就变了
图 23.1.1 方法选择决策图:先确定问题类型,再从对应的一列里挑方法

23.1.1对比分析:先找对「跟谁比」

对比是最基本的方法,也最容易做错,因为「跟谁比」决定结论。横向是同一时点不同对象: 6 月自然搜索 3,525,855.30 元,线下 730,595.78 元,前者是后者的 4.8 倍。 纵向是同一对象不同时间:6 月 vs 5 月,6 月 vs 去年 6 月。对照是实验组 vs 对照组; 观测数据没有随机分组,只能自己构造可比组。

同一个 6 月,能算出三个不同的「增长」,它们都不算错:

三个数的分母不同,所以不矛盾。报告里必须写清楚用的是哪一个,否则读者会以为你在挑最好看的那个。

1

对比前,先对齐三件事

口径:amount 合计 157,875,311.64 元,pay_amount 合计 157,363,380.14 元,差 511,931.50 元。一个含优惠前,一个含优惠后。 时间长度:5 月 31 天,6 月 30 天;比总量,5 月天然占便宜。 分组结构:线下客单价 8,697.57 元,比大盘 10,233.11 元低 15.0%; 但线下配件占比 22.30%,自然搜索只有 14.66%,一部分差距是品类结构,不全是「卖得便宜」。

如果不这样会怎样:你用总量对比得出「6 月增长不错」,按日均其实是 +6.28%, 增长被低估;反过来,如果 6 月有 31 天,总量会虚高,你又可能得出「增长很好」的假结论。 说不清的时候,报日均,并注明天数。

还有一层:线下和信息流不是随机分组,AOV 差异不能全算作渠道效果。

23.1.2趋势与异常:先看线,再看点

把 18 个月的 GMV 连成线,第一眼看到的不是增长,是横盘:最低 2023 年 11 月的 8,121,168.51 元,最高 2024 年 4 月的 9,331,840.17 元,均值 8,742,410.01 元, 极差只有 14.91%。这不是一个「每年翻倍」的业务,而是一个「高位震荡」的业务。 先把这个判断说出口,后面的单月波动才不会带偏你。

950 万 900 万 850 万 800 万 均值 874.2 万 2023-11 最低 2024-04 最高 2023-01 2023-09 2024-06 18 个月,最低 812.1 万,最高 933.2 万,极差 14.91%:这是横盘,不是增长
图 23.1.2 18 个月 GMV:所有月份都在均值上下 8% 内,单月涨跌很容易被误读成趋势

移动平均压掉单月噪声。2024 年 2 月 GMV 8,345,370.02 元,环比 −8.15%,像掉下去了; 但 3 个月移动平均从 1 月的 8,476,480.90 元升到 2 月的 8,551,214.74 元,反而涨 0.88%。 单月看是跌,平滑后是稳;趋势至少看三个月。

3σ 找异常点:偏离均值超过 3 个标准差就标出来。2024 年上半年 182 天, 日均 GMV 294,379.18 元,标准差 74,981.52 元,上限 519,323.75 元。三天越线: 4/17 的 520,447.86(z = 3.01)、4/26 的 559,805.38(z = 3.54)、6/19 的 525,525.32(z = 3.08)。 只看 6 月的 30 天,上限是 537,729.69 元,6/19 就不算异常——窗口换了,结论就变。

同比偏离看「和去年同期比偏了多少」。2024 年 1–6 月依次是 −0.97%、+1.78%、+2.34%、 +6.10%、+7.80%、+1.58%;6 月从 +7.80% 掉到 +1.58%,是转折信号。

发现异常后,先分类,再决定怎么处理。异常只有三类原因:真实业务(6/19 有 43 单、 客单价 12,221.52 元、41 个用户,像企业采购或大促)、数据问题(重复上报、漏埋点)、 口径变化(退款、取消突然被算进来)。三类的处理方式完全不同。

2

异常先分类,再决定删不删

真实业务造成的异常,保留,单独解释;数据问题造成的,修复或剔除,留痕; 口径变化造成的,重算历史,新旧口径都放出来。三类不能混为一谈。

如果不这样会怎样:你看到 6/19 的 525,525.32 元「太高了」,直接删掉,6 月 GMV 从 901.5 万变成 849.0 万,环比从 +2.85% 变成 −3.14%。两个数都能自洽,但只有一个能对财务; 如果 6/19 真是大促,你删掉的是真实需求。

正确做法是做敏感性测试:保留 6/19 报一个数,剔除再报一个,两个都写进报告。 这比偷偷删掉诚实。

23.1.3漏斗分析:卡在哪一步

漏斗回答的是「从进入到成交,人在哪一步走掉了」。青柠 6 月的四步漏斗是: 浏览 2,000 人 → 加购 1,318 人(65.90%)→ 下单 387 人(29.36%)→ 支付 111 人(28.68%), 整体转化率 5.55%。最大的流失在「加购 → 下单」,掉了 70.64%。

浏览 2,000 人 加购 1,318 人 65.90% 下单 387 人 29.36% 支付 111 人 28.68% 整体转化:111 ÷ 2,000 = 5.55% 严格顺序口径:2,000 → 1,318 → 377 → 99(4.95%) 条形宽度按人数等比缩放;每一步的百分比是「本步 ÷ 上一步」
图 23.1.3 6 月漏斗:最大流失在加购到下单,不在支付环节

漏斗有四个必须写死的定义,少一个,数就不可比:

111 到 99 少的 12 人,是先支付后下单、或中间缺加购的用户;可能是埋点顺序,也可能是补录。 漏斗不只是分析工具,也是数据质量的探针。

3

漏斗四件事,写死再算

步骤、去重、窗口、顺序,四件事写在需求单上再跑数;「按人还是按次」能差好几倍。

如果不这样会怎样:你只报 5.55%,老板问「上周不是 6.4% 吗」,你答不上来—— 5.55% 是月度平均,6.40% 是第 4 周的浏览→支付转化。口径没写,数字越看越像吵架。

23.1.4留存与同期群:第 N 日,还是 N 日内

留存回答的是「人还会不会回来」。6 月 1 日有 280 个活跃用户,6 月 2 日回来 40 人, 次日留存 14.29%;6 月 8 日回来 55 人,第 7 日留存 19.64%。但如果你问「7 天内有没有回来过」, 答案是 200 人,71.43%。同一批人,三个数,差了三倍多。

第 N 日留存(%) 0 10 20 14.3D1 15.7D2 17.5D3 20.4D4 17.1D5 16.4D6 19.6D7 7 日内留存 71.43% 200 / 280 人 回访过一次就算 同一批人,口径不同 同一批 280 人:第 7 日 19.64%,7 日内 71.43%,差 3.6 倍
图 23.1.4 同一批用户,两种留存口径:第 N 日看「当天回没回」,N 日内看「这段回没回」

两种口径回答两个问题:第 7 日留存看「当天还来吗」,适合看活跃节奏;7 日内留存看 「这一周回来过吗」,适合看召回。两个都叫留存,不能混着比。

同期群是把同一批人放一起看。6/8 的 289 人:D1 40 人(13.84%),D7 51 人(17.65%), 7 日内 192 人(66.44%),与 6/1 的 14.29% / 19.64% / 71.43% 接近,不是某一天的偶然。

留存曲线有三种形态:持续下降(工具型)、平稳(刚需)、微笑(先跌后回升)。 6/1 的曲线 D1 14.29% → D4 20.36% → D7 19.64%,像微笑;但 D7 是周六,可能是周末效应。 看到形状,先问「是不是星期几造成的」。

4

留存三件事:基准、回访、口径

基准事件:谁算「这一天的人」(这里是 6/1 有任意事件);回访事件: 什么算「回来」(任意事件,还是支付);时间口径:第 N 日,还是 N 日内。

如果不这样会怎样:你把「7 日内回来过」写成「第 7 日留存」,14.29% 变成 71.43%; 老板按这个数加大投放,下月发现次日留存还是 14%,差 57 个百分点没人能解释。

23.1.5分群:把「平均人」拆成几种人

大盘平均最会骗人。6 月整体客单价 10,233.11 元,拆开看,信息流 11,075.35 元,线下 8,697.57 元。 「青柠客单价一万」这句话,对谁都没有可执行信息。

RFM 是最常用的分群法:R 是最近一次购买距今天数,F 是购买次数,M 是累计金额。 用中位数切三刀(R ≤ 49.6 天、F ≥ 7 单、M ≥ 74,046.65 元),2,000 个注册用户分成五群:

群人数占注册用户 GMV特征
重要价值57440.39%最近买过、买得多、花得多,平均 107,729 元
重要保持35323.28%买得多、花得多,但平均 102 天没来,召回重点
一般/流失99932.24%R 高、F 低、M 低,人数最多,贡献排第二
重要挽留452.50%花得多但很久没来,人数少,单人价值高
重要发展291.59%最近买过、花得多,但频次低

反常识的是:消费最高的 20% 用户只贡献 32.93% GMV,最低的 50% 贡献 32.30%,80/20 不成立。 「抓住 VIP 就够了」是错的,中段 999 人的「一般/流失」群也不能丢。分群不是为了画格子, 是为了决定「对谁做什么」。

分群要过两关:可解释、可执行。RFM 运营看得懂;K-means 是另一种思路:定 K 个中心, 归到最近的中心,重算,迭代到不动。三个坑:K 要人定、量纲要标准化、结果要命名。 没有高低,只有谁能落地。

别漏了游客:4,274,401.92 元,占总 GMV 2.72%,没有 user_id,进不了任何分群。 报告脚注写一句「不含游客」,否则大盘对不上。

23.1.6归因:同一笔 GMV,算给谁

归因回答「这笔钱算给谁」。末触看成交渠道:6 月自然 39.11%、信息流 30.59%、朋友 22.20%、 线下 8.10%。首触用注册渠道近似:自然 38.53%、信息流 26.91%、朋友 21.89%、线下 12.68%。 还有 3.79% 的游客 GMV 没有注册渠道。

同一份数据两个故事:末触看线下只有 8.10%,像可以砍;首触看线下带来 12.68% 的用户, 相对高 56.5%,砍掉可能伤未来线上单。信息流相反,从 30.59% 降到 26.91%,末触高估了它。 算当月业绩用末触,评估长期拉新用首触;没有唯一正确,只有口径一致。

线性归因把订单平均分给路径上所有触点;时间衰减给越近的触点越高权重。触点齐全时更公平, 但解释成本高。小团队的做法:主口径选一个,另一个做敏感性对照。

5 Why 往下追一层:线下为什么只有 8.10%?订单只有 84 笔,占 9.53%。为什么少?客流少 (数据答不了)。客单价为什么只有 8,697.57 元、低 15.0%?配件占 22.30%,高于自然搜索的 14.66%。为什么配件高?可能门店主推低价配件(数据答不了)。问到数据边界就停,写成待验证假设。

归因自检:换口径结论会不会反?会,就先把两个口径都摆出来。青柠线下:末触 8.10%, 首触 12.68%,一个说砍,一个说保。

23.2分析:适用边界与坑

六个方法没有优劣,只有适用边界。这张表左边问题,右边坑;分析前先扫一眼。

方法回答什么问题青柠数字不适用 / 最大的坑反例
对比 谁高谁低、涨了还是跌了 6 月环比 +2.85%,日均 +6.28%,同比 +1.58% 口径、天数、结构不一致时,比了也白比 用总量比 31 天的 5 月和 30 天的 6 月
趋势异常 走势如何、哪一天不正常 18 个月极差 14.91%;H1 有 3 天越 3σ 窗口一换,异常名单就变;不能直接删 只看 6 月,6/19 不算异常
漏斗 卡在哪一步、转化多少 2,000 → 1,318 → 387 → 111,整体 5.55% 步骤、去重、窗口、顺序,缺一个就不可比 严格顺序一卡,支付从 111 变 99
留存 人还会不会回来 D1 14.29%,D7 19.64%,7 日内 71.43% 第 N 日与 N 日内混用,能差 3.6 倍 把 7 日内说成第 7 日
分群 该对谁下手、谁贡献大 重要价值 574 人贡献 40.39%;Top 20% 只占 32.93% 阈值主观、维度相关、游客丢失 以为 80/20 成立,只做 VIP
归因 这笔钱算给谁、为什么 末触线下 8.10%,首触线下 12.68% 口径一换结论就反;相关不等于因果 用末触砍线下,忽略首触拉新

23.3实验:六个方法各做一遍

六步共用一份 qingning.db,每步都给 SQL 和真实输出;跑完后回答 「这个数说明什么、可能怎么骗人」。

已完成 0 / 6 预计 60 分钟
01

对比:6 月 vs 5 月,先算三个增速

8 分钟 · 对应规则 1
做什么
算 6 月/5 月的 GMV、订单数、客单价,再算环比、日均、同比。
为什么
同一个 6 月,三个增速讲三个故事;先都算出来,再决定报哪个。
怎么做
SELECT substr(order_date,1,7) AS month,
       COUNT(*) AS orders,
       ROUND(SUM(pay_amount),2) AS gmv,
       ROUND(SUM(pay_amount)/COUNT(*),2) AS aov
FROM orders
WHERE status = '已支付'
  AND order_date >= '2024-05-01'
  AND order_date <  '2024-07-01'
GROUP BY month ORDER BY month;
month   | orders | gmv         | aov
2024-05 |    864 | 8765340.49  | 10145.07
2024-06 |    881 | 9015366.64  | 10233.11
看到什么
GMV 环比 +2.85%,日均 +6.28%,同比 +1.58%;订单多 17 单,贡献 69.0% 的增量。
02

趋势:18 个月折线 + 3σ 找异常

10 分钟 · 对应规则 2
做什么
按月汇总 18 个月,按日汇总 H1,用 3σ 标异常日。
为什么
月线看趋势,日线找异常;两把尺子一起用,才不会被单月或单日带偏。
怎么做
-- 18 个月 GMV
SELECT substr(order_date,1,7) AS month,
       ROUND(SUM(pay_amount),2) AS gmv
FROM orders
WHERE status = '已支付'
GROUP BY month ORDER BY month;
2023-01  9175215.05   2023-10  8917350.17
2023-02  8199651.91   2023-11  8121168.51
2023-03  8826221.22   2023-12  8222355.38
2023-04  8794929.05   2024-01  9085918.82
2023-05  8131421.05   2024-02  8345370.02
2023-06  8875566.96   2024-03  9033174.82
2023-07  8707978.05   2024-04  9331840.17
2023-08  8853384.32   2024-05  8765340.49
2023-09  8961127.51   2024-06  9015366.64
-- 2024 上半年:日均、标准差、超过 3σ 的日子
WITH d AS (
  SELECT substr(order_date,1,10) AS dt, SUM(pay_amount) AS gmv
  FROM orders
  WHERE status='已支付'
    AND order_date >= '2024-01-01' AND order_date < '2024-07-01'
  GROUP BY dt
),
s AS (SELECT AVG(gmv) AS m,
            SQRT(AVG(gmv*gmv)-AVG(gmv)*AVG(gmv)) AS sd FROM d)
SELECT dt, ROUND(gmv,2) AS gmv, ROUND((gmv-m)/sd,2) AS z
FROM d, s WHERE ABS(gmv-m) > 3*sd ORDER BY dt;
dt         | gmv        | z
2024-04-17 | 520447.86  | 3.01
2024-04-26 | 559805.38  | 3.54
2024-06-19 | 525525.32  | 3.08
看到什么
18 个月 812.1 万–933.2 万,极差 14.91%;H1 有 3 天越 3σ,6/19 是其一。只看 6 月,上限 537,729.69,一天都标不出。
03

漏斗:先按人去重,再卡严格顺序

10 分钟 · 对应规则 3
做什么
先算四步去重人数,再算严格递增的漏斗。
为什么
去重决定算人还是算次,顺序决定宽松还是严格;两个口径都跑,差异就是信息。
怎么做
SELECT event_type, COUNT(DISTINCT user_id) AS users
FROM events
GROUP BY event_type
ORDER BY CASE event_type
  WHEN '浏览' THEN 1 WHEN '加购' THEN 2
  WHEN '下单' THEN 3 ELSE 4 END;
event_type | users
浏览       | 2000
加购       | 1318
下单       | 387
支付       | 111
-- 严格顺序:每一步都必须晚于上一步
WITH v AS (SELECT user_id, MIN(event_time) t FROM events
          WHERE event_type='浏览' GROUP BY user_id),
a AS (SELECT v.user_id, MIN(e.event_time) t FROM v JOIN events e
      ON e.user_id=v.user_id AND e.event_type='加购' AND e.event_time>v.t
      GROUP BY v.user_id),
o AS (SELECT a.user_id, MIN(e.event_time) t FROM a JOIN events e
      ON e.user_id=a.user_id AND e.event_type='下单' AND e.event_time>a.t
      GROUP BY a.user_id),
p AS (SELECT o.user_id, MIN(e.event_time) t FROM o JOIN events e
      ON e.user_id=o.user_id AND e.event_type='支付' AND e.event_time>o.t
      GROUP BY o.user_id)
SELECT (SELECT COUNT(*) FROM v) browse,
       (SELECT COUNT(*) FROM a) cart,
       (SELECT COUNT(*) FROM o) orders,
       (SELECT COUNT(*) FROM p) paid;
browse | cart | orders | paid
2000   | 1318 | 377    | 99
看到什么
宽松口径 2,000 → 1,318 → 387 → 111,整体 5.55%;严格口径 2,000 → 1,318 → 377 → 99,整体 4.95%。差的 12 人,是顺序或中间环节对不上的用户。
04

留存:第 1 日、第 7 日、7 日内

8 分钟 · 对应规则 4
做什么
以 6 月 1 日的 280 个活跃用户为基准,算 D1、D7 和 7 日内留存。
为什么
同批人、同一天,三种口径能差 3.6 倍;不写口径,留存数字没有意义。
怎么做
WITH base AS (SELECT DISTINCT user_id FROM events
  WHERE substr(event_time,1,10)='2024-06-01'),
d1 AS (SELECT DISTINCT user_id FROM events
  WHERE substr(event_time,1,10)='2024-06-02'),
d7 AS (SELECT DISTINCT user_id FROM events
  WHERE substr(event_time,1,10)='2024-06-08'),
w7 AS (SELECT DISTINCT user_id FROM events
  WHERE substr(event_time,1,10) BETWEEN '2024-06-02' AND '2024-06-08')
SELECT (SELECT COUNT(*) FROM base) d0,
       (SELECT COUNT(*) FROM base WHERE user_id IN (SELECT user_id FROM d1)) d1,
       (SELECT COUNT(*) FROM base WHERE user_id IN (SELECT user_id FROM d7)) d7,
       (SELECT COUNT(*) FROM base WHERE user_id IN (SELECT user_id FROM w7)) w7;
d0  | d1 | d7 | w7
280 | 40 | 55 | 200
看到什么
D0 280,D1 40(14.29%),D7 55(19.64%),7 日内 200(71.43%)。D7 比 D1 高,说明第 7 日不是累计。
05

分群:按累计消费切三层

8 分钟 · 对应可执行性
做什么
按每个注册用户的累计消费,切成高价值(≥10 万)、中价值(3–10 万)、长尾(<3 万)三层。
为什么
分群不是为了好看,是为了回答「预算和人力该投给哪一层」。
怎么做
WITH u AS (
  SELECT user_id, SUM(pay_amount) AS mon
  FROM orders
  WHERE status='已支付' AND user_id IS NOT NULL
  GROUP BY user_id
)
SELECT CASE WHEN mon >= 100000 THEN '高价值'
            WHEN mon >= 30000 THEN '中价值'
            ELSE '长尾' END AS tier,
       COUNT(*) AS users,
       ROUND(SUM(mon),2) AS gmv,
       ROUND(SUM(mon)*100.0/(SELECT SUM(mon) FROM u),2) AS pct
FROM u
GROUP BY tier
ORDER BY CASE tier WHEN '高价值' THEN 1 WHEN '中价值' THEN 2 ELSE 3 END;
tier   | users | gmv         | pct
高价值 |   482 | 58830222.80 | 38.43
中价值 |  1375 | 91303507.39 | 59.64
长尾   |   143 |  2955248.03 |  1.93
看到什么
482 个高价值用户贡献 38.43%,1,375 个中价值用户贡献 59.64%,143 个长尾只占 1.93%。中段才是基本盘,不是头部。
06

归因:末触与首触,两个故事

10 分钟 · 对应口径自检
做什么
按订单渠道算末触,按注册渠道算首触,比较排名和占比。
为什么
归因不是「算出一个真值」,而是「选一个口径并说清代价」;两个口径都跑,才知道结论稳不稳。
怎么做
-- 末触:订单在哪个渠道成交
SELECT channel, COUNT(*) AS orders,
       ROUND(SUM(pay_amount),2) AS gmv
FROM orders
WHERE status='已支付'
  AND order_date >= '2024-06-01' AND order_date < '2024-07-01'
GROUP BY channel ORDER BY gmv DESC;

-- 首触:按用户注册渠道(近似)
SELECT u.channel, COUNT(*) AS orders,
       ROUND(SUM(o.pay_amount),2) AS gmv
FROM orders o JOIN users u ON o.user_id=u.user_id
WHERE o.status='已支付'
  AND o.order_date >= '2024-06-01' AND o.order_date < '2024-07-01'
GROUP BY u.channel ORDER BY gmv DESC;
末触:自然搜索 3525855.30 | 信息流 2757762.26 | 朋友推荐 2001153.30 | 线下 730595.78
首触:自然搜索 3341442.24 | 信息流 2333644.75 | 朋友推荐 1898540.00 | 线下 1099704.38
看到什么
线下从末触 8.10% 升到首触 12.68%,信息流从 30.59% 降到 26.91%。首触合计少 342,035.27 元,是 29 笔游客订单。

23.4结果验证

先核对两个数,再做五道选择题。

23.4.1两个数字

9,015,366.64 ÷ 30,保留两位小数。
浏览 → 加购 → 下单 → 支付,每一步都要晚于上一步。

23.4.2五道选择题

不看正文,凭第一反应选。选完立刻出解析。

Q16 月 GMV 环比 +2.85%,但 5 月有 31 天、6 月只有 30 天。要判断增长,最稳妥的补充指标是?
解析:天数影响总量,日均把它拉平:6 月 300,512.22 元,5 月 282,752.92 元,+6.28%,比总量 +2.85% 更真实。
Q26/19 的 525,525.32 元,在「6 月内」算 3σ 异常吗?在「2024 上半年」算吗?
解析:6 月上限 537,729.69,没越线;上半年上限 519,323.75,越线(z = 3.08)。窗口一变,名单就变。
Q3漏斗里「浏览 2,000 → 支付 111」,这个 111 是什么口径?
解析:111 是 COUNT(DISTINCT user_id) 的宽松口径,只要求 6 月内出现过支付;严格顺序是 99,支付事件次数是 501。
Q4「6/1 的 7 日留存是 19.64%」和「7 日内留存是 71.43%」,差异来自哪里?
解析:第 7 日只数 6/8 当天回来的 55 人;7 日内数 6/2–6/8 回来过的 200 人。同一批 280 人,差 3.6 倍。
Q5末触口径下线下只占 8.10%,首触口径下占 12.68%。合理的做法是?
解析:末触回答「这个月谁成交」,首触回答「谁把人带来」,两个问题不同。取平均只会制造一个不存在的口径。
得分:0 / 5

23.5六个「何时会骗人」清单

每个方法都有盲区。六张卡:何时骗人、青柠反例、一句自检。

1. 对比:分母不一样,结论就不一样

会骗人:天数、口径、结构不一致时,差异可能全是构造的。

青柠反例:总量环比 +2.85%,日均 +6.28%,同比 +1.58%;同一个 6 月,三个增速。

自检:两边的分母,真的一样吗?

2. 趋势异常:换个窗口,异常就消失

会骗人:3σ 依赖窗口;窗口一变,名单就变。

青柠反例:6/19 在 6 月内不算异常,放到 2024 上半年就是 z = 3.08 的异常点。

自检:换一个时间窗口,这个结论还成立吗?

3. 漏斗:算人还是算次,能差好几倍

会骗人:不去重、不写顺序和窗口,能给出三个转化率。

青柠反例:宽松口径支付 111 人(5.55%),严格顺序只剩 99 人(4.95%)。

自检:这个 111,是人还是次?顺序卡了吗?

4. 留存:第 N 日不是 N 日内

会骗人:把「这段回来过」说成「第 N 天回来」,留存好看三倍。

青柠反例:同一批 280 人,第 7 日 19.64%,7 日内 71.43%。

自检:我写的是「当天」还是「这段」?

5. 分群:阈值一换,人群就换

会骗人:阈值主观、维度相关、游客丢失,群可能对应不了动作。

青柠反例:「重要发展」只有 29 人、1.59% GMV,单独做活动连成本都收不回;游客 427 万 GMV 根本进不了分群。

自检:这群人,能对应一个动作、一个预算、一个负责人吗?

6. 归因:口径一换,结论就反

会骗人:首触和末触能把同一渠道说成「功臣」或「鸡肋」;相关也不等于因果。

青柠反例:线下末触 8.10%,首触 12.68%;一个说砍,一个说保。

自检:换一个归因口径,我的建议会反过来吗?

23.6本章小结与练习

  1. 六个方法对应六类问题:对比看差异,趋势异常看走势,漏斗看环节,留存看回访,分群看结构,归因看贡献。
  2. 每个方法都有口径:天数、去重、窗口、顺序、阈值、首末触;口径不写,数字不可比。
  3. 先描述,再解释,最后决策:没有数就不要谈原因,没有原因就不要谈预算。
  4. 方法要组合:对比发现差异,漏斗定位环节,分群找到人,归因解释来源。
  5. 会骗人的地方就是面试考点:说得出方法何时失效,比背公式值钱。

23.6.1练习

  1. 用 SQL 算 6 月家电品类的商品金额,并和 5 月比。注意用 order_items.amount,不是 orders.pay_amount。
  2. 把留存实验的基准日换成 6 月 8 日,算 D1、D7、7 日内留存,和 6 月 1 日对比。
  3. 用首触和末触两种口径,写三句话向老板解释「线下渠道要不要加预算」。
  4. 为「7 月预算怎么分」设计分析方案:三条假设、需要的字段、每个方法负责哪部分。
参考答案

1. 6 月家电商品金额 1,571,825.42 元,5 月 1,247,377.12 元,环比 +26.01%。这是 order_items.amount(原价口径),不能和 GMV 直接相加。

2. 6/8 基准 289 人:D1 40 人(13.84%),D7 51 人(17.65%),7 日内 192 人(66.44%)。与 6/1 的 14.29% / 19.64% / 71.43% 接近,说明留存水平稳定。

3. 末触看线下只占 8.10%,首触看它带来 12.68% 的用户;建议别直接砍,先补门店客流和投放成本再算 ROI。

4. H1 信息流加预算能带来增量;H2 线下加预算主要拉动配件;H3 朋友推荐的自然增长不可持续。字段:渠道、订单、pay_amount、注册渠道、活动成本;对比看基线,漏斗看环节,分群看人群,归因看渠道。

数据分析师训练营 · 第二十三章
方法没有高低,只有用错