33 | 一个电商网站订单下降的数据分析案例

Jan 12, 2019

33 | 一个电商网站订单下降的数据分析案例-极客时间



下载APP





关闭

讲堂部落提薪训练营云原生训练营架构实战营企业版极客商城兑换中心 App下载浏览器插件

渠道合作

推荐作者

33 | 一个电商网站订单下降的数据分析案例

2019-01-12 李智慧来自北京

《从0开始学大数据》

课程介绍



讲述：李智慧

时长09:25大小8.59M



企业运营的数据可以让管理者、运营人员、技术人员全面、快速了解企业的各项业务运行的状况，并发现公司可能出现的经营问题，进而能通过这些指标进行详细分析，最后定位问题的原因，并找到解决的办法。
今天我们一起通过一个案例，来看看如何通过数据分析追踪并解决问题。
数据分析案例X 网站是一家主营母婴用品的电商网站，网站运营多年，是该领域的领头者之一，各项数据指标相对比较稳定。运营人员发现从 8 月 15 日开始，网站的订单量连续四天明显下跌。由于受节假日、促销、竞争对手活动等影响，日订单量有所起伏是正常现象，所以前两天（8.15、8.16）运营人员并没有太在意。
但是，8 月 18 号早晨发现 8 月 17 号的订单量并没有恢复到正常水平，运营人员开始尝试寻找原因：是否有负面报道被扩散，是否竞争对手在做活动，是否某类商品缺货、价格异常，但是并没有找到原因。并且第二天发现订单量依然没有恢复正常，于是将问题提交给数据分析团队，作为最高优先级成立数据分析专项小组进行分析。
你从上图可以看到，8 月 15 日开始订单量明显下滑。
数据分析师第一反应是网站新增用户出现问题，因为历史上出现过类似比例的订单量下跌，当时查找到的原因是，网站的主要广告推广渠道没有及时续费，广告被下架，新增用户量明显下滑导致订单量下降。数据分析师拉取了同期的新增用户量数据，发现新增用户并没有明显下降，如下图所示。
拉出同期的日活数据查看，发现日活数据也没有明显下降，便做出基本判断：用户在访问网站的过程中，转化出了问题。
和一般的电商网站类似，X 网站的常规转化过程也是：用户打开 App，搜索关键词查找想要的商品，浏览商品搜索结果列表，点击某个商品，查看该商品的详细信息，如果有购买意向，可能会进一步咨询客服人员，然后放入购物车，最后对购物车所有商品进行支付，产生有效订单。X 网站的转化漏斗如下。
如果定义打开 App 为活跃，那么网站的整体转化就是活跃到订单的转化，公式为：
订单活跃转化率 = 日订单量 / 打开用户数
显然从 15 号开始，这个转化率开始下降，但转化过程有多个环节，那么具体是哪个环节出了问题呢？数据分析师对转化过程每个环节计算转化率。例如：
搜索打开转化率 = 搜索用户数 / 打开用户数
以此类推，每个环节都可以计算其转化率，将这些转化率的近期历史数据绘制在一张折线图上，就可以看到各个环节转化率的同期对比视图。
由于比例关系，图中可能不太明显，但是还是可以看出，有明显降幅的是咨询详情转化率（最下方折线），降幅接近 10%。调查客服也没有发现异常情况，进一步对咨询信息分类统计后发现，新用户的咨询量几乎为 0，明显不合常理。
数据分析师自己注册了一个新用户然后发起咨询，没有得到回复。查询后台，发现咨询信息没有到达客服。于是将问题提交给技术部门调查，工程师查看 8 月 15 日当天发布记录，发现有消息队列 SDK 更新，而咨询信息是通过消息队列发给客服的。进一步调查发现是程序 bug，新用户信息构建不完整，导致消息发送异常。
最后紧急修复 bug 发布上线，第二天订单量恢复正常。
该案例为虚构案例，仅用于数据分析过程演示。
数据分析方法辩证唯物主义告诉我们，这个世界是普遍联系的，任何事物都不是孤立存在的。所以当出现运营数据异常的时候，引起异常的原因可能有很多，越是根本性的问题，越是有更多引起问题的可能，如何进行数据分析，其实并不是一件简单的事。
数据分析中，有一种金字塔分析方法。它是说，任何一个问题，都可能有三到五个引起的原因，而每个原因，又可能有三到五个引起的子原因，由此延伸，组成一个金字塔状的结构。我们可以根据这个金字塔结构对数据进行分析，寻找引起问题的真正原因。
上面案例中一开始运营人员自己寻找订单量下降原因的时候，其实就用了金字塔分析方法。
金字塔分析方法可以全面评估引起问题的各种原因，但是也可能会陷入到太过全面，无从下手或者分析代价太大的境况。所以要根据经验和分析，寻找主要原因链路。绝大多数互联网产品的主要原因链路就在转化漏斗图上，上面案例中，数据分析师的分析过程，基本就集中在转化漏斗上。
我曾经看过某独角兽互联网公司的数据运营指导文件，对于几个关键业务指标的异常必须要及时通知高管层，并在限定时间内分析异常原因。而指导分析的链路点，基本都在转化漏斗图上，只不过因为入口渠道众多，这样的分析链路也有很多条。
这种金字塔方法不仅可以用于数据分析过程，在很多地方都适用，任何事情都可以归纳出一个中心点，然后几个分支点，每个分支点又有几个子分支。构建起这样一个金字塔，对于你要表达的核心观点，或者要学习知识，都可以有一个清晰的脉络，不管是和别人交流，还是自己思考学习，都很有帮助。
上面画的金字塔分析图其实就是思维导图，我的大数据专栏的知识点也可以用金字塔方法描述。
人如何进行高效的思考，一方面是天分，一方面可以通过训练提高。我见过最厉害的人，他的思考过程如飞鸿掠影，不留痕迹；讨论问题的时候，往往只描述清楚问题，还没展开讨论，他就能直指问题的根源，其他人再争论半天，才发现确实如他所言。还有一种人，他会详细分析各种可能的原因，排查、分析、否定各种可能，最后找到问题的结症。因为过程严谨、思路清晰，所以通常也能解决真正的问题。
前一种，我想大概主要靠天分，而后一种，其实就是使用金字塔方法。但是在实际中，我却经常见到第三种情况：没有前一种的天分，也不愿付出后一种的努力，思考过程天马行空，抓不住重点，找不到突破口，越想越乱，越思考越糊涂。其实，金字塔方法并不难掌握，只要用心学习、训练，每个人都可以学会这种思考方法。
小结数据分析是大数据最主要的应用场景，很多企业所谓的大数据其实就是大数据分析，而大数据分析也确实能够对企业管理和运营起到积极的推进作用。而企业的管理、产品、技术过程中的各种决策、外部市场环境的变化，也都会在数据上反映出来。关注数据分析，抓住数据，就能抓住企业运行的关键。而企业在运营过程中出现的问题，也可以通过数据分析定位，发现引起问题的原因，并从根本上解决问题。
前面专栏有同学留言说“我在公司做大数据多年，现在大数据平台已经稳定，数据量和业务都没有太大变化，工作重复，也没有什么进步，不知道下一步该怎么走”。我建议技术人员可以有更开阔的视野，不要仅仅给自己定位就是一个写代码的，比如也可以尝试去做一些数据分析，拥有数据思维、产品思维、商业思维，然后不管你还是想继续写代码，还是就此发现了自己新的天赋点，你的思路和人生之路都会更加开阔。
思考题学习和工作计划也可用思维导图来完成，总目标、子目标，可以逐级分解，最后每个小目标都可以用几周甚至几天完成。这样，当绝大多数小目标完成了，今年的大目标也就完成了。在专栏的“新年寄语”中，很多同学都留言写下自己的新年目标和期望，你能否用思维导图将这个目标分解成一个金字塔结构呢？
欢迎你点击“请朋友读”，把今天的文章分享给好友。也欢迎你写下自己的思考或疑问，与我和其他同学一起讨论。

分享给需要的人，Ta购买本课程，你将得20元

生成海报并分享

赞 6

提建议

32 | 互联网运营数据指标与可视化监控

34 | A/B测试与灰度发布必知必会

 写留言

精选留言(13)

强哥
2019-01-12
能否讲下数仓的建设，例如建模平台的建设，正所谓“烂程序员关心的是代码，好程序员关心的是数据结构和他们之间的关系”。
30
且听风吟
2019-01-12
我们属于创业公司数据分析这块刚起步，数据量也并不大，数据分析的需求主要还是PV,UV,广告点击等指标，然后给出数据报表，可视化图表等数据。目前技术实现上上围绕Elasticsearch来进行，通过日志、埋点、爬虫等方式收集数据，用python清洗后存入Elasticsearch并基于es进行各种纬度的分析。请问下针对小公司小数据量的数据分析老师有什么好的建议，是否一开始就使用spark，Hadoop，hdfs这些比较重的大数据工具呢？另外Elasticsearch是一个非常容易上手的数据搜索和分析工具，能否介绍下它在数据分析中的案例和场景呢？
展开
20
老男孩
2019-01-14
把大目标分解成小目标，把小目标再分解成更小的目标。更小的目标更容易完成，也能带来完成小目标的成就感和满足感。如果只盯着大目标，有时候会迷失方向，最终放弃。老师的这种方法可以应用在日常的工作和学习中，久而久之，随着经验的积累，认知的不断升级，也许有一天也能抢答了。
作者回复: 👍
13
吴水永
2019-08-13
归因分析是数据分析一种基本能力，能力高低可可分为点，线，面。解决过或旁观别人解决过问题，很自然想到这个方式，应用到新的问题上，手里拿着锤子，满眼看到都是钉子，这可谓之点。积累多种解决问题之后，学会了金字塔之类的，按维度来逐级拆分，直到问题出现的粒度，这可谓之线。世界是多维的，在时空上有外部，内部之分，同样亦有时间先后之后，另外也有宏观，微观之分。对应的就是切片，漏斗，市场经济，心理学维度。在不同角度的维度下，分析问题才会是全面的，才算是成体系。此谓之面。正如文末所言，真正的高手，或者刻意练习的熟手，可能一眼就甄别出问题所在。
展开
共 1 条评论
8
吴科🍀
2019-01-12
我们实际处理问题，大多也是通过转化漏斗分析，找到异常指标，一步步追查下去。找到原因，有外部，也有内部的。绝大部分是内部原因，运营问题，程序bug等等
4
weiruan85
2019-08-14
课程中提到的大数据思维是这节课对我最大的启发，作为一名从事IT运维多年的工程师，习惯从自身职业的角度看问题，对于从事大数据相关的工作，如何能够从数据中分析出异常，如何借助数据对问题进行思考是以后要重点学习的。另外对于锻炼一个人的数据的思维，老师有没有什么建议？
作者回复: 多实践，运维也是一个需要面对很多数据的工作，关注采集数据，整理统计数据，分析数据，在实践中提高。
1
海南望望
2022-05-11
感谢分享。我一直排查问题都是一步步来，流程可能长，但总会找到问题原因。原来专业叫金字塔思维。
钱
2020-02-11
阅过留痕数据分析思维——这个确实非常关键，决策者都必须具备这种思维方式的，否则真不知如何决策。经营企业如此，战争或管理国家，甚至小到经营家庭应该都是这样吧！柴米油盐酱醋茶都需要精打细算，经济文化军事实力也许好好衡量。
hallo128
2019-01-29
异常监控本身就是一个大的课题，数据分析师人工介入来排查问题是一种方案。但对数据分析师本身来说，常规的异常检测完全可能设计的自动化一些。比如：转化漏斗上的问题，可以自动根据指标的波动异常比较判断来进行排查。
1
小老鼠
2019-01-22
1、金字塔分析法与思维导图分析法有无区别。 2、软件性能监控有无相应的大数据软件。
杰之7
2019-01-16
通过这一节的阅读学习,老师用一个实际电商案例做了数据分析。我也能感受到真正拥有这种数据分析思维的人，能看到事物的本质，找到事物问题的根源。在这个案例中，由于订单量的下降，通过金字塔漏斗图对比分析各个因素的转化情况，之后发现是咨询量下降指导最后的订单量下降。我自己认为的数据分析是在熟悉业务流程之后，对暴露出来的问题，通过数据分析方法和工具得到我们想要的结果。而这样思维是完全可以在后天的努力下训练出来的。
展开
李劍℡₁₅₈ ₃₄₁...
2019-01-14
老师，您好！有时间的话帮分享一下智能预测平台如何搭建的吧。
Hyun
2019-01-12
我觉得数据监控在把控各个子系统的稳健性上面也应该重视起来。没有完整的数据治理方案，这些系统级别的异常无异于抓瞎。

