在零售行业，如何提升用户在多个平台同时下单的比例，是一个典型的数据驱动业务场景。本文将通过具体案例，探讨数据分析师在面对此类问题时的工作方法和思维模式。

上一篇《数据驱动业务：你是车夫，还是拉车的驴子》分享了数据驱动的基本逻辑，本篇结合具体案例讲解一下。直接上干货：

问题场景：

某零售公司，同时有线下门店和线上自营微商城，现在大老板要求运营部门 " 提升同时在两个平台下单用户比例 "。运营总监表示：" 数据驱动业务，请数据小组给出清晰的指引 "。你是这个公司的数据分析师，问：这时候该做啥事？

一、难点解析

你会不会这么干：

计算同时下单的用户人数、占比、增长率

计算同时下单的用户人均付费金额，付费频次

对比同时下单的用户 VS 单一渠道下单用户购买产品 top10

对比同时下单的用户 VS 单一渠道下单用户的性别，年龄，地区

……

做完以上事情，你是否有一种深深的无力感？

是滴，这就是数据驱动业务的最大难点：数据不能直接得出一个业务动作。同时下单用户女性占比 60%，单一渠道女性占比 55%，所以同时下单的女性多出 5%。

所以呢？所以要推女性？这思路也太白痴了吧！仅仅多了 5 个点而已，能说明什么！其他维度对比分析也是类似。可能最接近直接导出结论的，是看购买商品排名，哪个卖得多推哪个嘛。然而实际情况，很容易被业务喷得渣渣都不剩的（如下图）。

很多同学做到这就就开始迷茫，于是上网找 " 头腾阿公司的大神，可付费！"，搜《21 天精通线上线下同时下单分析》pdf 版等等病急乱投医行为又冒出来了。

二、破题关键

破题的关键，在于：把业务动作和数据关联起来。用数据论证判断，在行动中收集数据，这样才能让数据和业务结合起来。比如眼前的任务，注意审题，老板只给了个方向：提升两平台同时下单人数，至于到底现在是多少，提升到多少？为什么要提升？一点信息都没给。

所以这时候，第一位的任务是：清晰方向。还轮不到想具体方案的时候。而跟方案有关的判断，首先是：到底要不要干。注意，老板没有提具体数字，很可能他只是朦胧地感觉到应该这么说，因此 " 要干 "" 不干 " 两个正反结论，都可以用数据验证（如下图）。

类似的，可以把整个决策过程中所有判断，都列成待验证假设的形式，这样就能把 " 目前用户占比 20%，每月增长 5 万，75% 会持续同时下单 " 这种纯数据罗列，转换成：" 目前有空间可以做，增速不高，有规律可循 " 这种对业务有意义的结论。这样就能持续的利用数据往下推导了。同一个问题，也能从不同角度多方向论证，具体思路同学们可以自己细想。

假设目前的情况就是：" 以线下门店下单为主，线上少，目前有空间可以做，增速不高，有规律可循 "。下一步可以怎么做呢？

既然是有规律，就得看是什么规律。这里需要用到对比。注意，做对比和乱对比是两码事，不是说列出一堆柱子看哪根高就放哪根，而是要围绕自己的分析假设来。比如用户不到零售门店，反而去微商城下单的背后，可能有 4 种规律，因此可以分别找对应维度数据来验证（如下图）。

因为目前尚在探索方向阶段，所以要尽可能把影响大方向判断的细分问题，都提前梳理清楚，比如：

" 同时下单 " 的标准具体是什么如何？

目前符合标准的人有多少？

符合标准的人在持续增、减、不变？

符合标准的人比不符合标准的人，在质、行为上有何差异？

符合标准的人和不符合标准的人，是演化关系还是压根两群人？

为什么希望提高 " 同时下单 " 人群？

做完这些功课，再去和业务 / 老板沟通，比憨憨地问 " 为什么？" 要有意义得多。很多憨逼直接去问一堆 " 为什么 "，结果被人劈头盖脸喷回来：" 要你何用！"" 长脑子没！"" 分析了啥！"。

而有了功课，可以：

可以主动猜行动目的，猜对了立马能让大家觉得你很懂业务

可以主动提示验证结果，不管成立 / 不成立，都说明你思考很细

可以主动引导方向，告诉大家有哪几种规律可循，显得分析能落地

总之，老板们最喜欢自己提个粗略想法，下属做了一堆非常细致的工作。很多混得好的数据分析师，都是靠这种手段上位的，切记切记。

三、数据驱动业务的落地方法

然而光有方向还是不行的，很多业务喜欢喊：落地。那该咋落地呢？注意，在落地上，数据分析方法不能直接产生创意，更多是总结过往结果，测试创意效果。而业务方的行动可以直接产生创意，并不一定需要数据支持。

比如线上线下同时下单这事，如果业务方推出：线上下单门店周边 2 公里内免费送货服务，那很有可能线上订单大涨。如果过去没做过，或者做过但是没有回收数据，那巧妇也难为无米之炊，怎么都分析不出来怎么干的。

对全新的方案，需要具体执行细节加测试，才能真正确认效果。比如周边 2 公里内免费送货服务，如果是全新的业务，需要业务方给出细案，才能做测试。

所以，在落地阶段，最关键的问题是：

之前是否有做过相关动作？

如果做过，效果如何，投入产出比如何？

如果没做过，是因为没想过，还是想过觉得有障碍？障碍是什么？

同行是怎么做的，能打听到的效果是什么？

是否已经有初步计划，如果有，是什么？

同设定方向阶段相同，这五个问题首先是数据分析师自己问自己的。所谓的对业务敏感，平时要多收集活动公告，版本更新信息，之后落地的思路就很清晰了。简单地说，就是：已有大量行动情况下，做调优，优选最佳行动路线；尚无大量行动情况下，做测试，探索可行道路。

当然，很有可能你这么干了，你的业务还是喊 " 不具体！"，要求数据给出来的方案，具体到有几个页面，页面几个按钮，页面代码怎么写，活动海报怎么画，是画 3 笔还是 5 笔……

如果真的把这些业务工作都甩给数据，数据分析大可以直接建议：建议更换有能力做海报、做 h5 的业务。甚至可以结合招聘信息进一步分析：有这些能力的业务月薪也就 8-12K，炒了现在这帮 XX 更划算，谢谢。

四、小结

当然，执行阶段，数据也能做监测，也能诊断问题。在复盘阶段，也能总结经验。这些都是能做的驱动动作。

之所以着重强调策划阶段与设计阶段，是因为 " 数据驱动业务 " 在这两个阶段范的错误最多。常常是：

策划阶段，数据分析师闭门造车，不结合业务，不分清目标，盲目指望 " 超牛逼模型 "" 全国统一模板 " 能理清问题。

设计阶段，业务部门盲目甩锅，啥都依赖数据，没主见没想法，恨不得数据把自己的工作全干了，不然就喊：不具体。

本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创 / 授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议。