【数据分析岗】面试必备的数据分析方法（二）

数据攻略 2022-03-02

413

点击上方蓝色【数据攻略】关注+星标~

第一时间获取最新内容

哈喽大家好，我是六哥。

之前梳理了面试必备的常用数据分析方法

【数据分析岗】面试必备的数据分析方法（一）

除了上篇提到的部分分析方法

本篇，继续肝几个

在 “电商行业” 常用的基础分析方法

（含轻案例讲解）

------正文手动分割线------

本文结构速览：

一、漏斗分析模型

二、MECE分析模型

三、人货场分析模型

漏斗分析模型

一

漏斗分析模型在日常工作中较为常见

前篇提到的AARRR分析模型，就属于其中一种变体。

还有电商平台常见的

—— “购物转化漏斗模型”

一般将用户购物路径，拆分成以下几个阶段：

下载APP
注册账号
搜索商品或查看推荐feeds流商品
点击商品
加入购物车
提交订单
结算订单
确认收货

注意：以上仅为通用环节关键路径的粗划分，在实际工作中，一般会根据实际业务场景及诉求，进行细致行为路径的拆分与量化分析。

漏斗模型是一个线性流程，从开始到结束，在每一个环节，都可能会产生流失，垂直画图酷似漏斗，故名 “漏斗模型”。

作用：可以展示各个阶段的转化效率，通过漏斗各环节相关数据的衡量与比较，能够直观地发现和说明问题，从而找到迭代优化的方向。

其实说到底，漏斗模型也是一种方法论，日常生活中随处可见。

比如大家春招找工作，经历 “ 投递 -> 笔试 -> 一/二/三轮面试-> 意向书->签约 -> 正式入职 ” 又何尝不是一种漏斗。

所以，我经常对来咨询的朋友说，想要拿到心仪offer：

一方面提高你的投递基数，另一方面优化你的环节通过率。

MECE分析模型

二

MECE，是Mutually Exclusive Collectively Exhaustive的缩写。

中文意思是“相互独立，完全穷尽”。

通过MECE方法对问题进行分类，能做到清晰准确，从而容易找到答案。

MECE方法主要有以下两个准则：

① 完整性，在数据分析中特指数据的完整性

② 独立性，在数据分析中特指数据之间的独立性

在数据分析工作中，MECE应用非常广泛。

常用的MECE分析方法，例如：

用户分群
维度分解

① 用户分群

用户分群是指：

针对符合某种特性或者属性的用户进行拆分。

举例：如先前在用户画像篇中提到的基础类、行为类属性：

用户画像到底该如何做？

用户分群，和大家熟悉的用户画像有着紧密联系。

注意：不同平台和行业都有自己特有的用户画像指标，所以建议大家还需要结合应聘的岗位，分类梳理。

【案例】

双十一大促结束后，数据分析师复盘时，在对用户性别进行拆分分析时，得到以下两个结论：

① 女性的活动参与率高于男性

② 男性在电子类商品的购买转化率高于女性

针对以上两个结论，在下一次大促活动中，平台或许可在产品、运营、算法侧多做一些尝试，例如：

针对女性用户加强营销活动的宣传与引导；
针对男性可加尝试大电子类商品的曝光、电子类商品组合搭配推荐提高客单价。

② 维度拆分

维度拆分与用户分群有所不同，电商领域中：

主要是从商品和产品的角度出发，进行分析归纳。

以电商平台的商品数据，简单举例如下：

注意：维度拆分的方法和前面一直强调的要【结合实际业务】进行归纳和梳理，切勿生搬硬套。

【案例】

某电商平台的成交额出现大幅度下降，数据分析师将平台商品拆分成不同类别（如：男装、女装、鞋袜、食品等），发现主要是服饰类目出现成交额下降导致大盘数据异常。

详细分析，可以参考往期文章

业务指标异常分析（含真实案例）

总的来说MECE分析方法主要有以下几个步骤：

① 确认问题是什么

② 寻找MECE的切入点，详尽列举

③ 进一步假设分析，精准定位问题

Tips：如何准确找到MECE分析模型的切入点，可通过以下几个方面：

① 梳理归纳常见指标

② 熟知业务基础数据，训练敏捷度

③ 及时总结和更新对业务的理解，提高业务sense

人货场分析模型

三

在电商领域，营销活动分析中最常见的分析模型就是此模型。

人货场模型最开始应用于传统的零售行业，可分为三个方面：

人：店长店员等
货：商品
场：各个店铺卖场

而传统零售行业针对人货场，需要考量的问题也有所不一样：

人：需要考虑员工的薪资、销售能力等
货：需要考虑商品的成本、销售额、毛利、购买率等
场：主要是从店铺出发，考虑店铺的人流量、进店率、场地成本等

在互联网电商领域，人货场的分析方法较上面有大不同。

下面为大家进行逐步拆解：

【人】

传统统行业对客人的维护和联系并不是很强。

但互联网的着重点是在用户，所以这里的人，重点指的是平台注册用户。

主要考虑的是：用户的活跃度，购买转化率、客单价、流失率等等。

【货】

像淘宝、拼多多这类电商平台，

盈利主要是通过商家抽佣、广告等方式，

所以重点不会考虑商家端的成本、毛利等。

但以自营模式为主的京东有所不同

需要考虑商品的成本、毛利。

万变不离其宗，电商平台 “货” 的分析重点还是围绕商品进行展开。

结合公司业务模式和目标，制定商品相关的核心指标进行展开分析。

【场】

场是连接人和货的中间桥梁。

传统行业，是通过线下门店的方式进行人和商品的连接。

而电商平台，主要是通过搭建的APP产品此介质与用户产生交互。

直接用APP概述场，未免太过于粗糙了。

结合APP的内容，可将场进行拆分（下面以 “淘宝APP首页” 举例拆分）

首页的每一个曝光及点击都是【场】，这些【场】可以拆分为以下几个模块：

商品推荐模块：首页底部的商品推荐
营销资源位：天猫超市、天猫新品、聚划算、淘宝直播、有好货、每日好店等
游戏模块：芭芭农场、火爆连连消等
（注：为什么游戏模块也会被划分为场的一部分呢，主要是因为这些游戏总会在各个地方铺一些平台商品，吸引用户进行购买和转化。）
搜索模块：商品搜索、店铺搜索等，这部分结合了用户主动购买的意愿，转化率高且占平台成交很大一部分比例。