先来复习一下上篇提到的3个疑问:
为什么我做出来的分析总觉得没有别人的那么高级?
老板为什么总说我的分析“太浅了”?
数据分析师每天的工作就是取数做需求?
看完上篇讲的金字塔原理,如果你还有疑问,不妨再认识一下另一个数据分析的无上功法:
自从某一次马斯克在公开采访中提出了第一性原理这个概念之后,这个听起来很唬人但是很难说清楚到底是什么的概念就被人用烂了,相信你也在不同的地方听到过这个词语。
关于这一点的定义,在这里我就不赘述了, 我只提出一种能帮助你提升思维深度的理解方式:找到你正在做的事情里面的,最本质的那条公式
举个栗子
在游戏数据分析中,数据分析师需要负责的分析模块可能有很多,譬如:
报告结论A
- 本周活动开启后A资源消耗了xxxxx,对比上周提升了xxxx,人均消耗了xxxx,对比上周提升了xxxx
- 用户消耗A资源兑换最多的是抽卡道具B,占总消耗的xx%,人均兑换了XXX次
- 活动期间,共有xxx个用户参与了活动,占比达到xx%
报告结论B:
- 本次活动有效降低了A资源的平均存量,活动期间A资源累计消耗xxxx,人均消耗了xxx,人均存量从xxx下降至xxx,下降了xx%
- 活动期间抽卡道具B兑换情况符合预期,相关消耗占总消耗的XX%。相比之下同样价值的抽卡道具C吸引力偏低,仅占总消耗的XX%
- 活动期间总体参与率XX%,其中低存量用户参与率XX%,高资源存量用户参与率仅xx%,活动对高资源存量用户的影响仍有不足
两份报告都是做了非常常规的描述统计分析,没有用到高级的预测算法,也没有使用时序之类的进阶分析方法,但很明显,我们都会觉得B是一份更好的结论,而A则让人感觉太浅了/作用有限。
为什么会有这样的差异呢?
我们仔细提取一下报告的关键词,会发现B结论里面有一些亮眼的词:存量下降、道具吸引力不足、用户影响不足,由此我们可以整理出一个完整的思路:这个活动是通过某些道具,吸引特定的用户,从而达到资源存量下降的目的,也就是
存量减少量 = 用户数 x 参与率 x 人均消耗量
这就是这个分析的第一性原理:
B结论完整的还原了这个公式,并且对这个公式里的每个环节进行了判断,因此让我们感觉结论清晰,有深度。
这是一个非常通用的方法,当你掌握了一件事情或者一个领域的公式时,你就可以保证自己的思维是足够深入和透彻的
例如游戏公司的目标都是实现盈利,而:
利润 = 收入-成本 = 用户量 x (留存 x 生命周期 x 付费 - 获客成本)
所以,用户量越高,用户生命周期越长,付费越高,用户获取成本越低,那么游戏公司的盈利就会越好,也因此有了游戏行业常见的部门分工:
再往下细分,还可以拆分市场负责扩大用户量,运营负责延长生命周期,玩法策划负责留存,商业化策划负责付费等
再举一个栗子,如果你要做手机厂商的业务分析,同样手机厂商的目标也是盈利,但是公式却有些不同:
盈利 = 收入 - 成本 = 用户量 x 份额 x 客单价 x 复购率 - 销量 x 生产成本
由此我们可以得到一些分析思路,或者说是业务认知:
如果你关心最近的有手机市场的销量情况,就会发现目前在中国大陆手机市场已经是一个相对饱和,进入存量竞争的状态了,意味着各自的手机厂商的营销部门最关心的问题就是怎么能够扩大份额,提高单价和提高复购,所以这样的一份报告可能会更符合他们的需求:
- 当前,国内手机市场每月活跃手机用户约为1000万,每月新增销量为100万,约10%的用户存在更换手机的需求
- 更换手机的用户中,10%选择了a品牌,30%选择了b品牌,选择了我们品牌的用户占比约为5%,对比上个月提高了2.3%,说明选择我们品牌的用户比例越来越高
- 分赛道来看,在高价段位,我们的占比有3%,在中端价位我们的占比约为8%,我们的主要优势在于中端价位,但是在高端价格的占比也在逐步提升
那么怎么找到这样一条公式呢?
大多数时候,这样的公式逻辑是比较好寻找的,这里简单总结几个方法