别急着分析，先缩小问题范围

编辑导语：上一篇我们提到了如何描述现在的具体问题，接下去便是找到这些出现问题的原因；本文作者用缩小问题范围的方法去找到根本原因，进行分析，这样会更加的精确；我们一起来看一下。

分析原因在我看来分成两个步骤。

第一个步骤，缩小问题范围。问题集中在集中表现在哪个方面？

第二个步骤，找到根本原因。问题究竟是什么原因导致的？.

这样说大家可能不好理解，我举一个例子。

某天，小明觉得肚子痛，医生首先要确定的是，肚子痛到底集中在哪个部位？

医生通过检查之后发现小明肚子痛实际上是胃痛，这个过程就把疼的范围从肚子缩小到了胃——这就是缩小范围。

但只知道这一步还不够，第二步医生需要解决的事情是为什么会胃痛？到底是胃溃疡，胃炎，还是其他什么什么疾病？这一步是找到根本原因。

只有完成第二步的分析完成了才能够对症下药，所以在找出原因的过程，我们需要完成上述的两个步骤。

今天呢，我先聊一下第一个步骤—— 缩小问题范围。

一、为什么要缩小问题范围

为什么我们首先要缩小问题范围，还不是直接解决问题呢？

如果你的领导布置任务的时候说：我们一要加强渠道推广，二要优化用户体验，三要加强团队建设，四要做好售后服务。

你会是什么感觉？

我们会觉得基本上这些话跟废话没有区别，这样的要求更像是一种口号，它并不能落地。

好在是商业问题是存在二八现象的。

80%的收入由20%的用户产生；尤其是游戏业务，当付费金额下降的时候，处理好高价值用户，要比整体的付费提升更加精准有效。

由于二八定律的存在，所以我们只要解决这20%，我们就能解决大部分的问题。

而且企业的资源是有限的，这个资源包括人力、资金、时间等等。

企业同时要解决问题非常的多，像上面的例子中，渠道推广、用户体验、团队建设、售后服务等都是需要解决的问题。

但解决了其中一个，就没有精力解决另一个；所以，由于资源的限制，我们需要将问题集中在。最能产生效益的事情上。

由于二八定律的存在，和资源的限制；我们集中资源做一件事，解决大部分问题——这种做法最高效的。

二、如何缩小问题范围

那么，我们究竟如何将问题缩小到一个更小的范围呢？

简单地说就是细分+对比。

如何细分？

1. 指标的组成成分的拆分

一个复杂指标无法直接影响。

专题类分析要解决的指标往往是结果指标，比如说我要解决销售额的问题。

那你不可能说销售额太低了，我们要把它做高。

这样的分析结果对于业务方来说完全是废话，销售额这个东西的决决定因素太复杂了，正是不知道该怎么做搞才找到分析师的啊。

业务方想知道的是，要做高销售额，现在最优先要解决的具体问题是什么？

所以我们要将销售额拆分成我们业务方能够理解并且能够影响的指标。

比如：

销售额=用户量×转化率×客单价

这是经典的销售额拆分方法，提高细分的指标，相比提升销售额这种复杂的指标要更容易落地。

比如最后分析发现是用户量下降导致的销售额下降，那么提升用户量，我们可以通过拉新、促活、召回；这些都有很成熟的方案，很容易落地。

拆分成不同的指标的好处也可以让业务方的分工更加明确；有些人负责提高转化率，有些人负责提高客单价。

如果每个人的最终目标都是为了提升销售额，那么就有点吃大锅饭的感觉；最后数据有提升也说不清楚，到底是你带来的，还是我带来的。

所以必须先把结果指标，拆分成可落地的细分指标。

2. 维度的拆分

第二种拆分方法是给指标加上维度，拆分不同维度下指标的表现情况。

还是以销售额举例子，我们可以将销售额这一个指标拆成不同的维度。

最常见的，并且往往第一步要做的拆分方法是以时间为维度进行拆分，比如不同日期的销售额的变化情况。

时间维度的拆分，不管对于数据异动类的分析，还是现状优化类的分析都是非常有用的。

比如异动类的分析，我们通过时间维度，可以找出数据异动究竟是突发的，还是持续性的。

如果是突发的，那么有可能是数据本身的异常、或者说出现了比较大的业务动作。

而持续性的数据变化，那么往往是业务问题，比如行业问题、竞品的影响、产品功能体验不佳等——这又可以缩小我们的问题范围。