关注我，每天学习一点点，每天进步一点点！

做数据分析的同学，很多都听过：人、货、场的分析模型，无论是电商、微商还是线下店铺都在讲，说人、货、场是三个重要的环节，紧紧相扣，缺一不可。然而，这东西又是个只闻其名，不见真身的东西。到底该怎么结合实际分析？

现实场景：某电商平台，用户复购率较低，70%的用户在一个月内无二次购买行为，运营领导非常着急，要求通过数据分析提升复购率，请问你作为数据分析师该怎么做？

外行人会说，电商还分析个啥，直接学习拼多多，搞一个百亿补贴，天天发优惠券不就行了吗？这样简单暴力可以吗？

如果老板没钱，还需要其他办法，你打算怎么搞呢？

嗯.....

那我们就先看一个数据分析师梳理出来的通用指标体系：

从图中我们可以看到，人从公司内外来区分，公司内是员工，公司外是客户，互联网的世界中，关于人，很多时候，我们分析的用户就是我们的顾客，顾客才是上帝嘛，有顾客才可以变现，场分为固定位置、人流量、竞争对手和陈列风格，对标到互联网，主要是平台流量和竞争对手，而流量是我们关注的重点，货的话主要从风格、季节、品类、售后和价格上来进行区分。

回到上面电商复购率的案例中，我们可以先做如下分析，先挑选最重要的，可以使用MECE原则和二八原则进行先分析：

人：

• 用户本身有木有需求

• 羊毛党太多，用户需求非刚性需求

• 用户有需求，但是产品不是很符合用户需求

  
  

货：

• 商品品类单一

• 商品没有强势引流款

• 商品价格没有优势

  
  

场：

• 产品流量太少，访问用户很少，用户习惯未建立

• 产品有二次登陆，但是没有进入购买页面

• 用户进入购物页面，但是没下单

• 用户有首次交易，但是大多数没在二次消费

  
  

做到这一步，大家有没有感觉，其实我们还是在建立指标，或者形成指标，甚至形成转化漏斗，遵从MECE原则进行拆分，最好完全穷尽，又不互相重复，这样整个假设分析就做的非常充分。

接下来的分析就会非常有感觉，第一，从数据角度出发，寻找异常点；第二，从业务出发，产品内外部寻找差异性，版本更新还是行业变化引起的。

但是实际工作中，大家如果不是从0-1跟进一个产品的话，上面这部分工作其实基本随着数据平台建设早就做好了，所以不用数据分析同学去做，而是要知道这个过程，数据分析同学需要做的是完成上面的拆解，回到比较擅长和熟悉的地方干活！

再看上面的案例，用户复购率较低，70%的用户在一个月内无二次购买行为，针对这个问题，基本通过数据就可以反映出来，比如GMV在活动之后就大幅减少，用户UV降低，再比如订单流程的转化漏斗的转化率减小等等。也就是如果人货场的某一个维度发生剧烈、非常规变化，都可以反映核心指标上，这个时候数据分析师就是分析数据，寻找问题的原因，而且能够基于问题原因给出改进策略。

遇到复购率比较低的情况，行业里比较暴力和普遍的解决办法还是拿资本家的钱发优惠券或者补贴，来增强用户粘性，但这种适合大公司、有大资本的企业，创业公司玩不起，创业公司里面早期比较好的解决办法，比如财经雪球就是靠社群运营破局的，再比如现在的小红书靠内容养成记等等。

而数据分析师，可能一上来就是RFM、关联分析，讲模型就是用户画像和推荐协同等等，这里忽略了一个大前提，做这些事需要大数据量支持的，如果对于复购率很低的产品，一般都是新上市的产品，用户粘性很低，并没有很多数据来给你做画像和模型，所以这是行不通的，还是要回到做产品的初衷来看，要解决什么痛点，给用户提供有价值的东西，使用该产品的优势，是不是刚需，用户习惯培养等，和用户面对面聊、做访谈和调研可能是寻找问题原因的更好的解决办法。

总结，不要迷信模型，没有模型的万能的，和用户面对面交流，做好基础调研是发现问题本质最基础和最重要的办法。毛主席对此形象地总结道:“调查研究就像十月怀胎，解决问题就像一朝分娩。

 声明:【原创文章，若要转载，请联系作者，谢谢！】