在图书馆的胡思乱想
第二章实战篇有挺多收获的, 有不少实践上很有意思的案例。 不过整本书名起的比较大,前面几章偏理论的也不算新颖。
大家做分析的思路都大差不差,比如异常分析时,都会先分析异常指标是否为虚假的变动,都会基于先验知识做分析思路的总结,维度拆分,漏斗分析,有时也会基于单个CASE做感性认知。
不同的是”具体问题具体分析“,业务背景差异太大,先验知识不够,限于细节无法前进(比如异常分析时,要取什么哪一段日期作为对照?要取什么粒度的日期数据?某一个指标要不要限制某个条件?会不会带来数据的差异导致结论偏了?)。当你构建好思路,发现这东西过于基础,不分析业务也能猜个七七八八。总不至于给业务这样一个结论:指标下降主要是由活跃用户的娱乐垂类消费下降带来的。谁都知道活跃用户占比高,品类里娱乐是第一大类,大盘下降只能是占比高的带动。问题是业务说我没做啥啊,指标变动总归会有一个环境在变化带来的,比如业务动作,外部事件。 咋把最终的结论和业务做了啥挂上钩呢?
有一章讲系统性危机,某一指标缓慢的下降。要分析要找原因要找可能业务优化,先不说指标下降的起始点都不好确定,就算明确了,你说是用户质量差了,怎么就差了?有拉新活动还可以甩锅,甩到一半,别人还可能要求你量化一下拉新的影响量级,这算起来糊涂账。
看看别人完整的案例,回想下自己做过的,也算是一种复盘。这本书的价值就在这里吧。其他新知识新内容,也不算多,越发觉得自己其实也不差,啊哈哈,毕竟做了好几年了,该经历的都经历了。
有关键情节透露