網易資料分析筆試題記錄

使用者分析是電商資料分析中重要的模組，在對使用者特徵深度理解和使用者需求充分挖掘基礎上，進行全生命週期的運營管理（拉新—>活躍—>留存—>價值提公升—>忠誠）。當你發現本月的支付使用者數環比上月大幅**（超30%），你會如何去探查背後的原因？請描述你的思路和其中涉及的關鍵指標。

明確問題包括明確資料**和準確性以及業務指標理解。

首先明確時間是本月，以上月為基準進行對比；明確地點是哪個城市還是所有地區，明確資料**的部門，以及是否可靠無誤等。

其次是業務指標的理解，即明確指標的具體含義：支付使用者數=使用者數*轉化率，因此需要採取多維度拆解分析的方法**支付使用者數環比上月**超30%的原因。

2.1 多維度拆解分析

首先將使用者數拆分成新使用者數與老使用者活躍人數，新使用者指近段時間新增的活躍使用者，老使用者活躍人數指曾經在平台購買過商品且近段時間仍活躍的使用者數。

其中新使用者可以按照獲客渠道分成渠道a新使用者、渠道b新使用者、渠道c新使用者等。

同樣地，轉化率也可按渠道分成渠道a轉化率、渠道b轉化率、渠道c轉化率等。

按照上述拆解方法，可以提出以下三個假設：

假設一：渠道a、b、c新使用者數中有減少

假設二：渠道a、b、c轉化率中有降低

假設三：老使用者活躍人數下降

2.2 驗證假設

先看假設一，對於不同渠道新使用者數是否減少的驗證，需要收集資料做假設檢驗，分析每個渠道的投放效果，並通過對比分析確認是否有某渠道的新使用者數明顯降低。

一旦確認，那麼便要對該渠道的新使用者進行構成分析，即先按照年齡構成、性別構成、職業結構、地域組成等幾種常見方式分別拆分該渠道的新使用者，再同樣地收集資料做假設檢驗，將下降的原因定位到某個或多個人群，並檢查對應人群的投放是否有效。

再看假設二，同樣地經過對比分析後確認是否有某渠道的轉化率下降。如果有，則可將使用者轉化的過程按業務流程進行拆解：

廣告 >> 進店》選擇商品》購買

對以上過程收集資料，使用漏斗模型，採取假設檢驗，驗證每個流程環節是否有問題。

對於假設三，一樣先通過假設檢驗和對比分析（在時間維度上對比）判定是否存在老使用者活躍人數的降低，若降低則可以按照三個維度來進行具體分析：使用者、產品、競品。

結合產品運營的具體情況，可以初步做出一些判斷，例如使用者購買體驗不好，產品描述與實際不符、產品售後服務不夠好等等。

2.3 總結原因

根據假設驗證的結果，可以提煉出初步的可能原因。例如：

1）原始渠道a使用者發生改變，導致渠道匯入量下降，具體表現20-35歲年齡段人數下降，35-50人群年齡段佔比上公升，而20-30歲群體是我們平台的主要使用人群。

2）產品更新迭代，使用者習慣之前的介面，還沒有適應。

2）由於之前平台大促，導致平台的售後和產品質量方面波動較大，使用者頗為不滿。

總結新使用者引入不夠，老使用者留存沒做好，產品本身改動，導致出現了這種大幅**的情況。

例如針對以上的分析提出以下建議：

1）渠道a使用者人群轉移，考慮撤回渠道投放或者修改投放內容，吸引35-50歲人群使用者進入平台，提高轉化。

2）使用者使用體驗不佳，建議對部分使用者推更新版本，建立對照組，進行ab測試。

參考文件