總有做資料的新人抱怨，做的分析被挑刺，嫌棄考慮不全面，不深入。到底該咋做？今天直接上案例，開搞！
問題場景：
1 最基礎的漲價模型
收入=總使用者數*購買率*人均金額。這條公式大家都知道。那麼問題是：漲價會帶來什麼影響？答：漲價了購買率可能下降，人均金額上公升。至於漲價後總收入是多了還是少了，就得看兩者的變化比例，這就是最基礎最基礎的**變動評估模型了（如下圖）
**的敏感性，是可以事先測試的。在事先可以以優惠券為槓桿，以**的形式測試使用者的購買率，從而一定程度上推斷漲價/降價多少合適。但是這種方式更適合測降價，漲價的話，使用者本能的反感會比較強烈，所以不太適用。
那麼，是不是到這裡就結束了呢？還少了什麼？
2 考慮商品屬性
使用者對購買率下降會受到以下因素影響：
l **錨定：錨定越模糊的，下降越少
l 剛需程度：剛需程度越高，下降越少
l 壟斷程度：壟斷度越高，下降越少
l **高低：**越低，下降越少
l 認知程度：認知程度越低，下降越少
這五點要素，前四個都好直觀理解，第五個稍微解釋下：所謂認知程度，就是使用者有多care這件事。我們生活中有很多資費都是默默扣掉的，比如水電煤氣話費之類，除非某月突然暴增，或者商家主動推了營銷活動，可能這些票子都從人們指尖流走了。
幾乎全中（如下圖）
那麼，考慮到這一層，是不是足夠了呢？還少了什麼？
3 考慮漲價細節
比如，原本只有乙個每月支付25元成為會員，現在推出乙個20月自動開通連續包月的業務。咋一看，便宜5元，使用者很有可能開通。可考慮到實際使用率變化（比如我開會員就想追乙個爆款劇，追完了就很少看了），很有可能到後續幾個月，使用者忘了取消付費，被自動付費扣掉額外的錢。這就是明降暗公升的策略。
注意，用這個策略是有問題的，就是短期內收入會下降。因此也可以反向思維，定乙個明公升暗降的策略，通過犧牲後續月份的arpu值，來短期內快速增加收入，收割一筆（如下圖）。
當然，還可以通過聯盟打包的方式，直接出乙個新**，把**錨定進一步模糊掉。比如拉上外賣平台一起送會員，打包定價。不要掏手機，現在馬上問你美團或餓了嗎的會員乙個月多少錢！八成以上的人答不上來，但是感覺：只花了四五十塊就拿兩家會員，好划算哦，反正也要點外賣的。總之，**錨定越模糊，使用者承擔漲價可能性越大。
所以，這個題目從一開始就不該這麼問。如果在真實工作環境裡，資料分析師要幹的第一件事就是搞清楚：
1、到底是怎麼漲的？
2、哪些具體的會員**組合在漲價？
3、是硬漲價，還是出新**軟漲價？
4、是明降暗公升還是明公升暗降?
知道了這些，才能對業務走勢有預判，才能知道哪些是業務意料之中的，哪些是意料之外的。不然很有可能忙活半天，只落得一句「早知道了呀」。
然而，這裡還有問題，就是業務的如意算盤，消費者真的買單嗎？
4 考慮使用者行為
注意，以上每一種策略，都是有前提的，比如：
明降暗公升策略：無感使用者有足夠比例/取消率低
明公升暗降策略：使用者對季度/年度**有足夠付費率
錨定模糊策略：聯營的產品得有足夠的使用者基礎
如果這些前提不成立，分分鐘策略會玩壞，或者是吸引不來足夠的使用者，或者是被人薅完一波走人。因此使用者的購買轉化率，複購率會直接影響漲價效果。
那麼，考慮到這一層，是不是足夠了呢？還少了什麼？
5 考慮業務動作
都是漲價
等對手先調價vs 我先漲為敬
把新包裝的**擺在前邊 vs 直勾勾把**表改了
滿大街吆喝：我要漲價啦！vs 暗搓搓的改掉**表
這些做法，都是已確定要調價的情況下，通過改變宣傳話術，宣傳節奏，宣傳時機，達到更不同的效果。特別是針對虛擬產品，在**錨定模糊的時候，就更容易給消費者產生錯覺，從產生更強/更弱的效果。
作為資料分析，要了解這些具體細節，才能全面評估漲價動作的影響時間範圍，而不是憨憨的按最基礎模型，從調價一刻開始計算。
6 小結
綜上，乙個看似簡單的題目，看似簡單的業務邏輯，可結合具體行業特點，產品屬性，使用者習慣，業務動作以後，就衍生出各種可能性。
因此想做全面評估，就得對業務細節有深入了解，提前梳理清楚業務假設前提。這樣才能定義清楚到底影響週期從啥時候開始算，到底哪些使用者行為是自然演化，哪些是**帶動。否則，不做深入思考，只是憨憨的把每天付費資料擺出來，不但無法看到資料背後含義更是會在業務輪番攻擊中敗下陣來：
「你有沒有考慮宣傳影響！「
「你有沒有剔除外部因素！」
「你有沒有考慮長期效應！」
「你用舊產品體系模擬個屁！」
「轉化率低了所以呢？」
「我們要深層次的分析！」
乙個都回答不上來。
資料分析師行業都囊括哪些職位？
就目前而言，很多人對於大資料都有一定的了解，由於資料分析這一行業具有未來的前瞻性，使得資料分析具有了十分明朗的前景，於是很多人對於資料分析行業是比較嚮往的，而資料分析行業裡面也細分很多職業，那麼資料分析行業都有哪些職業呢？一般來說，資料分析行業就是有資料分析師，資料探勘工程師，軟體工程師以及統計人員...
人力資源資料分析師前景 資料分析師的未來前景如何？
經常會被小夥伴們問到兩個問題 1 資料分析師的前景如何？2 我本身不是資料分析師，那我還可以學習資料分析嗎？首先回答第乙個 資料分析師在三年後可能會大量縮減，取數 分析指標的工作會被人工智慧代替，一家大型企業可能不會在各個事業部放1 2名資料分析師了。會在企業層面有專門的戰略 商業分析師。假設一家企...
資料分析師的成長之路
一 掌握基礎 更新知識。資料庫查詢 sql 資料分析師在計算機的層面的技能要求較低，主要是會sql，因為這裡解決乙個資料提取的問題。有機會可以去逛逛一些專業的資料論壇，學習一些sql技巧 新的函式，對你工作效率的提高是很有幫助的。統計知識與資料探勘 你要掌握基礎的 成熟的資料建模方法 資料探勘方法。...