來  源：漁好學(xué)

不能度量，就無法增長。

數(shù)據(jù)分析對于企業(yè)商業(yè)價值的提升起到了至關(guān)重要的作用。我們通過對數(shù)據(jù)的觀測來判斷事物的發(fā)展趨勢，也常常利用數(shù)據(jù)的思維來辯證的為決策做參考。

今天就來給大家分享一個數(shù)據(jù)分析必備的方法之一，麥肯錫邏輯樹分析法。

01

什么是邏輯樹

02

邏輯樹的作用

1、數(shù)據(jù)體系的搭建

數(shù)據(jù)體系的搭建中，需要借助邏輯樹的思路將業(yè)務(wù)的整體的目標(biāo)結(jié)構(gòu)化的進行拆解，然后轉(zhuǎn)化成可以量化的數(shù)據(jù)指標(biāo)，再轉(zhuǎn)變?yōu)橹笜?biāo)體系。

舉個例子，比如下面的OSM模型搭建數(shù)據(jù)體系的思路就是借助了邏輯樹的思路。

首先業(yè)務(wù)的整體目標(biāo)是提升表情的分發(fā)，讓表情的溝通更有趣更簡單。

通過邏輯樹分析法，我們可以進行第一步的拆解，就是把整體表情進行拆解為提升表情發(fā)送數(shù)，提升表情下載，增加表情傳播。

提高表情發(fā)送數(shù)主要是提升用戶的發(fā)送，那么就變成去提升用戶的發(fā)送，那么怎么提升用戶的發(fā)送呢，我們可以通過內(nèi)容和功能維度去解答。

在內(nèi)容方面，我們要做到我們的表情豐富度和有趣度和新穎度和表達度等等，要讓用戶有發(fā)這個表情的欲望。

除了表情本身，在發(fā)表情功能上我們也要針對性的進行優(yōu)化，比如提高用戶查找表情的效率，我們要去縮短查找表情的時間。

提升表情的下載，也是同樣的內(nèi)容和功能本身，在功能方面，我們涉及到怎么把每個用戶喜歡的表情排在最前面，因為這樣用戶可以快速找到他們想要下載的表情。

另外，也要通過功能的優(yōu)化，提升用戶進入到表情商店的比例，從源頭上保證有足夠的用戶數(shù)都能夠進入到表情商店。

在內(nèi)容方面，我們要保證表情商店的表情在豐富度和吸引用戶方面進行優(yōu)化等等。

提升表情的傳播，也是需要在內(nèi)容和功能上優(yōu)化，這就涉及到社交關(guān)系的傳播和表情的關(guān)系，涉及除了要去引導(dǎo)用戶下載自己喜歡的，還要去下載他和朋友共同喜歡的表情。

這樣當(dāng)A用戶發(fā)送了A和A的朋友B 共同喜歡的表情，就可以得到更多的轉(zhuǎn)發(fā)。

2、數(shù)據(jù)問題的分析

針對用戶訂單減少的問題的分析，可以利用邏輯樹分析法，定位到可能的流失原因，再用數(shù)據(jù)驗證。

比如某個電商平臺的訂單降低，我們利用邏輯樹的拆解從地區(qū)、用戶、商品類型等多個維度去思考。

從地區(qū)的角度，整體的訂單減少，可以看一下是否是某個地區(qū)降低了，可以細分到省、市。

從用戶的角度，是否是哪一類的用戶的訂單在減少，同時還可以區(qū)分不同活躍度的用戶在訂單上的表現(xiàn)，看具體的原因猜想。

從商品的角度，可以區(qū)分一下不同品類的商品看是否是特定品類的商品訂單量跌了。

03

邏輯樹分析法在DAU中分析的應(yīng)用

背景：某電商APP DAU 跌了，需要分析為什么 DAU 會跌？

這也是數(shù)據(jù)分析面試經(jīng)典的問題，在回答這個問題的時候，為了使得我們的答案具有結(jié)構(gòu)化和條理化，需要應(yīng)用邏輯樹分析法。

分析思路：

整體的分析思路如上，首先是拆分成外部和內(nèi)部因素，從最大的兩個思路去切入，一般去分析這個問題的時候，很容易就會忽略外部因素，外部因素也是很重要的一部分。

外部的思考主要是競品分析，分析是否是競品的崛起導(dǎo)致一部分用戶轉(zhuǎn)移到他們那邊去了。

外部的另外一個就是行業(yè)分析，可以借助 PEST 等分析方法，分析這個行業(yè)的外部環(huán)境是否變得惡劣，比如國家限制、生活、經(jīng)濟、政策、政治等外部原因。

假如外部沒有明顯的問題，這才進入到內(nèi)部因素的排查。

內(nèi)部的分析首先應(yīng)該是時間因素，因為真正在工作實際中，我們發(fā)現(xiàn)大多數(shù)的 DAU 等數(shù)據(jù)指標(biāo)有大幅度波動都是因為節(jié)日引起的。

所以有兩個判斷的方法，假如這個 DAU 只是環(huán)比跌的很厲害，然而同比沒有明顯變化，甚至可能比去年這個指標(biāo)還是漲的，那么很大的概率可能就是節(jié)假日的影響。

然后是用戶維度，整體的DAU= 新用戶+老用戶，所以應(yīng)該看這兩個部分的是哪一部分的用戶數(shù)減少。

如果是新用戶減少，因為新用戶是從渠道通過廣告買量買過來的，與這個數(shù)量相關(guān)的涉及到渠道的質(zhì)量，買量的錢，買完的一些承接運營活動。

所以，可以分開拆解看，是否是渠道本身的質(zhì)量問題，比如騰訊廣點通、頭條巨量，看渠道本身在投放上起量是否是有問題的。

同時也要看我們投放廣告的錢是否有減少這會直接影響到我們能拉多少的人，預(yù)算直接決定了你的拉新絕對量的上限。

拉取過來的用戶要保證活躍，我們通常會有運營活動或其他策略的承接，也就是業(yè)界說的拉承一體化，所以我們要去分析是否是運營活動的效果或者其他策略的效果影響我們的承接，導(dǎo)致這部分用戶的活躍度下降。

除了新用戶的分析，老用戶的分析也是非常重要的，常用的用戶畫像分析。

主要是分析老用戶是否下降，如果下降了分析這部分下降的用戶群體具有什么樣的畫像特征，這樣可以輸出一個下跌用戶的完整行為和基礎(chǔ)屬性的洞察，比如下降的用戶群主要是18歲以下的未成年人等等。 

第三個是產(chǎn)品本身維度，如果分析出是所有類型的用戶，所有渠道的用戶都在跌，那就可能是產(chǎn)品本身的功能引起的。

我們需要去排查一下 DAU 主要的功能模塊的組成的用戶，去看一下這些功能的 DAU 是否跌的，一般如果沒有版本上線，舊的功能的用戶波動是由于功能 bug 引起的。

產(chǎn)品本身的排查比較麻煩，因為有可能定位某個功能的人數(shù)變少了但是不知道原因，這時候可以借助用戶反饋，一般可以從用戶反饋上發(fā)現(xiàn)一些問題。