|
我一直觉得数据分析师要有点对业务有了解，这样才能更好地分析。但是，有一个问题是，[color=rgba(0, 0, 0, 0.84)]我们到底要对业务了解到什么程度才算是了解呢。 最近我想了一下，我觉得如果只是对业务知识有点了解的话，可能会产生反效果。只有对业务知识非常熟悉，才能达到可用的程度。 为什么这么说呢？下面举几个例子。 一、案例一假设你在分析一个商品不同SKU（不同规格）的转化情况时。如果你完全不理解业务，那么你可能就会简单地报告三个不同规格的转化率和最终转化结果数字。虽然这种分析没有深入探讨，但完成了你的本职工作。 如果你对业务有一些初级的理解，你会知道太多的选项对用户来说会造成困扰，同时也会增加管理成本。因此，当你发现某个SKU的购买用户比例不到总体的5%时，你会建议精简SKU，去掉这个比例非常低的SKU。这样做不仅可以降低管理成本，还能让用户更容易做决策。 然而，这种初步的业务理解并不一定是正确的。有一个营销心理学现象叫做诱饵效应。 意思是当人们在比较两个相似的选项时，如果引入了第三个选项，会使其中一个选项变得更有吸引力。 举个例子，帽子售价59元，帽子+大衣的组合售价是299元。这时，如果我增加一个单独购买大衣也是299元的选项，购买帽子+大衣的人就会增加。虽然几乎没有人会单独购买大衣，但是这个选项让更多的人选择了售价为299元的帽子+大衣组合，从而提高了销售收入。 因此，如果精简了SKU，虽然用户的决策变得更简单了，但也会损失销售收入。 二、案例二再举一个例子。 学数据分析的人一定都听说过啤酒尿布的案例。虽然这个案例是虚构的，但对于商品的组合分析是有效的。 如果你略懂啤酒尿布的原理，那么你可以通过购物篮分析找出商品之间的关联。将相关的产品放在更靠近的位置，提高它们的捆绑销售概率，从而提高销售金额。 但这样的做法一定对吗？两种商品关联购买的概率更高，那么就一定要放在一起吗？你肯定没有思考过这个问题，因为案例里面就是放在一起的，你只需要照搬案例就行了。但实际上不一定如此，因为这个案例发生在超市里面。超市是快消场景，用户停留的时间很短。其他行业未必是这样。 如果是在宜家这样的家居商场，当他发现商品A和商品B之间的关联性很高时，最佳的策略不一定是把它们放在一起， 而是尽量把它们放得远一些。因为在逛宜家这个场景下，用户停留的时间很长。你把商品A和商品B放得足够远之后，用户就需要经过更多的展位，从而让更多的商品得到曝光，提高转化率。 所以在这个案例中，如果你只是知道啤酒尿布的案例，那么你可能会生搬硬套。这未必能够帮助业务达到真正高效的经营结果。 怎么办 那怎么办呢？ 虽然略懂业务没什么用，但是还是得懂业务。学习业务是一个方向，不会改变。没有量化就没有质变。 最重要的是不要套用模型，而是要思考你这次分析的目标是什么？ 案例中的错误很大一部分原因是在分析时缺乏目标性。经常有人学了购物篮分析后，就去做购物篮分析。这种分析不一定是错的，但可能与当时业务需要解决的问题不吻合。所以最好的情况是等待具体的问题需要解决时再进行分析。 举个例子，比如宜家的业务想要分析如何提高用户在店内的停留时间或让他们看到更多的商品。 对于这个问题，有一个很明显的假设，就是把相关商品摆放得足够远。然后购物篮分析作为解决这个问题的工具出现了。通过购物篮分析来分析关联性的商品，然后采取与啤酒尿布完全相反的行为。但在这个分析过程中，你不会觉得有什么突兀的地方，因为你的逻辑像下面这样是一脉相承的。 原来的啤酒尿布案例实际上是为了说明数据能找出很多隐藏信息，具体的使用还是要看分析的目的。 三、小结数据分析所谓的懂业务，有点像是汽车的智能驾驶。 他没有好和不好的差别，只有能用和不能用的差别。 只有当你的理解和分析能力达到一个临界点之后，你才能够说你真的懂业务。否则，在这之前你所谓的一星半点的业务知识，可能反而会带来负效果。否则就好像你开着辅助驾驶反而时刻要人盯着，结果人更累了一样。 一些思考，希望能够给你一些启发。
| 
