職涯探索

商業分析必備的四個數據分析入門觀念

近期商業分析是相當熱門的領域,許多產品經理、數位行銷人才也紛紛踏入,希望透過數據的洞察來輔助日常工作的決策,sofasoda 在這裡為剛入行的新鮮人整理四個數據分析入門觀念,以簡單的情境式問答來揪出分析數據易有的盲點!

一、不要太過信任平均數


平均數(Mean)是做商業數據分析時最常使用到的一個數字,相當直觀好用,可以大致得知數據的集中趨勢,並發現各組之間的差別,例如:A、B 兩班的平均身高差,去年和今年網站用戶平均停留時間差距等等。


但實際上若沒有充分掌握資料分布情形,時常會有誤信平均數,而沒發現它已經受到極端值影響,進而誤判情勢。以下方影片為例,明明是同樣的平均數,資料點的分佈卻差異到能從恐龍變成圓圈再轉變為星星!


此時會建議使用箱型圖(Box plot),釐清資料的四分位數、中位數和極值,以進一步了解資料分布情形。除此之外,也可以善用 Drill down analysis,拆解數字,挖掘出更多資訊,舉例而言,將網站用戶平均停留時間拆解為新用戶以及舊用戶,以了解兩者增減幅度。


練習題:今天你是上市遊戲業主管,組員 Cindy 開心地以圖表報告新增的付費遊戲道具是如何提升平均用戶營收(Average Revenue Per User)。
銷售月報


請問你應該要:(A)組員真棒,直接加薪 💰(B)提出 Drill down analysis 👀 👉 答案在文末


二、小心檢驗資料的來源


無論是問卷調查或是進階的大數據分析,如果忽略檢驗資料的來源,往往會導致數據分析的 Insight 有所偏頗,甚至變成 garbage in garbage out,得到毫無用處的結論。


以問卷來說,調查方式的差別都會影響到整份問卷的可信度和完整性;又或者輕易相信單方面的數據,而沒有拿其他來源的數據做交叉比對,導致沒發現數據其實偏離現實,而制定一系列錯誤決策。


練習題:今天行銷專員 John 做了產品問卷調查來測試市場反應,圖表如下: 

問卷用戶調查


John 表示從問卷來看,較少高年齡用戶填寫,可能產品不適合這族群。


身為 John 的主管你應該要:(A)請 John 重新調查 🔍(B)遵循報告,放棄老年市場 ❌ 👉 答案在文末

延伸學習:《量化問卷設計:教你從數據做用戶行為分群》


三、注意指標有無清楚定義


指標(Metrics)可以反映當前企業管理的狀況,例如:客單量、用戶數、產品良率等等,但實際上並不是每個指標都有共同的定義,不同的定義會帶來不同的數據結果,比較數據前務必確保定義一致。


比方說:「活躍用戶數」就是個各家公司定義都略有差異的指標,初創企業的活躍用戶數大多只要有登入行為即納入,而像是 Line 活躍的定義可能為這用戶要有發出聊天訊息的行為,Airbnb 則可能是該用戶有預訂租房才算是活躍。


練習題:今天火爆的上司 Adam 在開會時大吼說:「ㄏㄚˊ!聽說競品公司的網站跳出率只有 30 %,為什麼我們網站高到有 75%,你們有頭緒嗎!?」


身為 Adam 的組員你應該要:(A)建議定義清楚指標,尋找適當的 benchmark 🧭(B)痛哭流涕,努力改版網站 💔 (C)甩鍋給其他部門 😈 👉 答案在文末

延伸學習:《數據大揭秘從使用者數據找產品優化的決策》


四、小心忽略反向指標(Counter metrics)


許多指標是環環相扣,有相依關係的,當你以某個指標為目標增長時,可能會為有另一個指標受到負面影響,因此,在優化產品時千萬不能單單觀看一個指標,要從多個指標之間找到平衡點。


舉例而言,為了刺激用戶登入 APP 而開發每日抽獎功能,此時可以監控的指標或許是用戶停留時間,看用戶會不會反而只是為了獎勵而來,抽完就直接關閉 APP。


練習題:今天業務開發團隊 的 Mary 提出自從上次 APP 增加廣告版位後,營收成長不少,因此希望能繼續增加廣告版位。


身為產品經理的你應該要:(A)版位直接加落去 🔥(B)調查其他指標狀況 🙊 👉 答案在文末

五、練習題答案區


(1)B,在遊戲產業中,付費用戶和免費用戶的比例是很懸殊的,尤其是前 1 %的重度課金玩家,其花費是遠遠高過平均值的付費行為,因此新上市的遊戲道具銷售量很可能只是受少數幾個大戶影響,而非所有用戶都願意投入消費,所以應該要細部分析用戶消費狀況。

(2)A,眼尖的你應該有發現 John 這份問卷是從 Dcard 回收而來的。Dcard 本來就是主要為大學生族群打造,根據 Dcard 內部提供數據,也可發現其用戶年齡大於 30 歲的只有 17.7%,更不用說老年人口的比例會有多低,因此 John 推論沒老年人口填寫問卷代表對產品沒興趣的假設不太成立。

(3)A,事實上跳出率並沒有一定的定義,在 Google Analytics 的預設中,如果使用者未向伺服器提出任何其他要求就離開網站,系統便會計算一次跳出。有可能競品公司只要網頁滾軸比有超過 50% 就視為一次互動而非跳出,自然跳出率會比預設要有 Click 才能視為互動的 Adam 公司來得低。因此,在指標上定義是要再一步釐清的。

(4)B,這時應該要檢測反向指標,而非盲目地只因單一指標就決定產品未來走向,這裡會建議可以從用戶在 APP 的參與度著手,釐清當廣告版位越多時,會不會造成用戶瀏覽體驗不佳,而紛紛離開 APP,畢竟如果用戶都沒了,那更不用談及營收。


不知道 sofasoda 提供的答案有沒有和你們心中所想一樣,如果你有更好的答案也很歡迎告訴我們喔!

還是覺得數據好難不會分析?

歡迎問問商業分析專業先輩,馬上讓你秒懂秒解惑!

找人問問

想固定吸收未來力嗎

訂閱沙發練習室,每兩週會有更新的內容

您的訂閱需求已成功送出!
無效的電子郵件,請重新輸入

想固定吸收未來力嗎

訂閱沙發練習室,每兩週會有更新的內容

您的訂閱需求已成功送出!
無效的電子郵件,請重新輸入

Explore the latest posts

Subscribe to receive the latest blog posts and updates.

您的訂閱需求已成功送出!
無效的電子郵件,請重新輸入