有同學問：如何基于數(shù)據(jù)分析提出運營建議，今天我們拿個簡單的題目來舉例。這個題目陳老師之前講過，有印象的同學應該還記得。再舉一次，是因為經(jīng)常有人把它搬出來，而且有關它的大部分講解，都是錯的。
已知，下圖是某個電商一周銷售金額走勢（具體數(shù)據(jù)都差不多，總之曲線長這樣），問：數(shù)據(jù)反映什么問題，怎么提運營建議。
很多同學一看這個數(shù)據(jù)，本能的回答就是：最后兩天低了，要搞高。
問題就從這里開始。
為什么不能寫要搞高
因為如果面試官多問一句：你準備搞到多高？就能把要搞高三個字干廢了。無論怎么后續(xù)怎么解釋都解釋不清（如下圖）。
這就是：說話的一張嘴，做事的跑斷腿的直觀體驗。要搞高三個字說起來輕松，可做起來一堆問題：
為什么非要搞高？
要搞到多高才算高？
市場搞高還是銷售搞高？
用什么產(chǎn)品搞高？
啥時候開始搞到啥時候？
所以說做數(shù)據(jù)分析的，要對業(yè)務常存敬畏之心，不然光空口白話，會被人笑話的。
真要提建議，當然得從第一個問題開始。為什么非要搞高是最初的判斷，也是最重要的判斷。判斷錯誤會把整個方向帶歪，搞得大家興師動眾勞而無功，所以一定要慎重。
第一個建議是要不要搞
為什么不是低了要搞高，是因為很多業(yè)務都是周期性波動的，比如休閑類消費就是周末高，平時低；B2B交易就是工作日高，節(jié)假日低。碰上小長假之類的，除了吃喝玩樂大部分其他交易都會停。所以得多看幾周數(shù)據(jù)，看過往趨勢。
有些商品交易有明顯生命周期性，比如手機都是新上市的賣得好，過一段時間性能落后淘汰了就自然會差。題目僅給了一張圖什么條件都沒說，所以有可能這是某個（或者某些類）商品的生命周期末尾，因此還得看具體品類。
我們還不知道，到底這一周交易的目標是多少，如果目標已達成，那即使低一點又有啥問題，所以還得看任務目標。
綜上，想說：要搞高，前提是先判定這個數(shù)是低。這樣就得先找標準。我們得綜合趨勢、品類生命周期、任務目標，綜合下結論（如下圖）。
很多同學說，這一步看起來很簡單呀，不就是把曲線拉長嗎。實際上情況可能很復雜。請注意，簡單是建立在著兩種情況下的：
1、銷售金額是個很直觀的、數(shù)值型的、結果性指標，高就是好，低就是不好。
2、上邊舉例的三種情況，都是嚴格符合趨勢，且前后走勢一致。
如果情況1不成立：比如是閱讀量、用戶數(shù)這種過程指標，判定就變得復雜。你得看這些過程指標的漲跌，和銷售金額，毛利這種結果指標間有沒有直接關系。如果是轉化率這種比率型指標，就得先看是分子小了還是分母小了。
如果情況2不成立，往往意味著一種特定的業(yè)務行為。比如下邊兩種很常見的場景，在整體達標的前提下，內(nèi)部結構發(fā)生了有趣的變化，這種變化到底是好還是壞，會不會眼前看著達標，后邊幾期數(shù)據(jù)就不達標，都有可能，這時候就得更深入地分析。
第二個建議是要搞多高
如果經(jīng)過判斷有問題，真的要搞高，那第二步的判斷就是：要搞多高。很多人會說：不是越高越好嗎？顯然不是！應該是：在投入一定的情況下，越高越好。你的商品主管、用戶運營、產(chǎn)品經(jīng)理、網(wǎng)站開發(fā)在短期內(nèi)的投入能力都是有限的，因此得定個合理的小目標。
如果上一步做的很扎實，那么這一步就非常好做：
參考標準1：KPI?？梢杂嬎阕龆喽嗌俨拍苎a齊KPI
參考標準2：自然周期?？梢杂嬎憧炊嘧龆嗌俨拍茏寴I(yè)績曲線保持過往周期性運轉，至少止住持續(xù)下跌的態(tài)勢。
參考標準3：生命周期?？梢钥窗茨壳吧芷?，預計商品還有多少周銷量，再看要做多少才能趕上節(jié)奏，避免后期積壓。
當然，以上都得和具體品類結合。如果題目沒講清楚，可以根據(jù)自己的理解假設情況進行深入。不深入，越到細節(jié)討論，可能性就越多，越難講清楚。
第三個建議是誰來搞
再往下建議，先定干活的人，再講具體怎么干。注意，不同部門可以干的事是有區(qū)別的。
流量運營：為全站引流，分配流量
商品運營：商品選款、上下架、補貨
活動運營：促銷活動、宣傳活動
用戶運營：給制定用戶發(fā)券
產(chǎn)品經(jīng)理：調整購買路徑
因此想提有用的建議，得先明確是提給誰的。這里就需要拆解問題，落實到具體產(chǎn)品品類、用戶等級上。
但在拆解之前注意：先區(qū)分是整體性問題，還是局部性問題。如果是整體性問題，比如整體上流量不足，競爭對手爭搶用戶太厲害，產(chǎn)品線整體老化，這時候就得出殺招，考慮整體流量，出爆款。要是只是個別產(chǎn)品的問題，可以再具體考慮。因此看結構性變化，就是個重要的參考數(shù)值。
第四到第N步建議
再往下繼續(xù)提建議，會涉及到具體怎么做。請注意，怎么做是不能直接從數(shù)據(jù)層面推導的。比如在上例一中，我們看到了A產(chǎn)品銷量下降是引發(fā)問題的關鍵，但是，是選擇C產(chǎn)品替代A，還是基于A重新做活動，還是全站導流。這里需要業(yè)務的專業(yè)判斷。
數(shù)據(jù)可以做的分兩種：
第一， 上次出現(xiàn)類似情況，是如何處理的，最后效果如何
第二， 常規(guī)措施，促銷、新品、用戶活動，大概投入產(chǎn)出多少
基于這兩點，先判斷整體策略方向：到底用什么手段，用多少投入。之后才是細節(jié)：具體哪天上什么產(chǎn)品，優(yōu)惠力度是多少，發(fā)券面向多少人……在更細節(jié)層面，比如券面額，活動形式上，可能還得配合一些ABtest才能得到最后結果。
這樣層層深入，每一步都基于之前獲得共識的判斷，能非常有效的助力業(yè)務思考，也不容易被推翻，這才是數(shù)據(jù)分析真正發(fā)揮作用的方法。
既不是一上來拋個宏大的話題：要搞高，也不是一下踩到很細的細節(jié)：老夫掐指一算，只要在8月5日派200張面額50滿200減50全場通用的券，定可逢兇化吉扭虧為盈
小結
很多同學覺得提建議很難，總覺得提的不夠細，其實主要是思考得不夠細導致的。如果一上來只有一根曲線，沒有走勢分析，沒有結構分析，沒有標桿，肯定建議也細不下去。甚至連要不要搞高這么簡單的建議都會提得毫無依據(jù)，很容易被挑戰(zhàn)。
運營、產(chǎn)品、銷售、營銷做事情都是很具體的5w2h
1、應對什么問題
2、面對什么人
3、在什么時間
4、什么渠道
5、以何種形式
6、用什么力度
7、得什么效果
這里每一個點其實攤開來都是數(shù)據(jù)分析可以解釋，驗證的話題。但是如果直接插入這些細節(jié)，就會陷入：為什么非得是A不是B的各種論戰(zhàn)里無法脫身。
因此我們建議用剝洋蔥的方法：
從最簡單的：是不是搞起
先問是不是這個問題
再問是多大的問題
再問是哪里搞出來的問題
再問能怎么整這個問題
再問這次可以選哪個手段
逐步深入，思路很清楚，也能越想越細，最后提的建議自然是很好的了。
這次結束留個思考題：
如果曲線是同樣形狀，把問題換成：
交易轉化率
用戶留存率
活躍用戶量
文章閱讀量
用戶滿意度
你會怎么答？
看完覺得寫得好的，不防打賞一元，以支持藍海情報網(wǎng)揭秘更多好的項目。
感謝您的支持，我會繼續(xù)努力的!
打開支付寶掃一掃，即可進行掃碼打賞哦
手機直接保存圖片,掃一掃識別二維碼,即可進行掃碼打賞哦
