先来看一下解决问题的普适性的思维框架，一共有三步。
第一步：发现和澄清问题
第二步：分析和拆解问题
第三步：提出解决方案
那结合数据如何应用以上框架呢？
一、发现和澄清问题：运用数据解决问题的核心，就是找对问题
问题就是目标和现状之间的差异，比如发现产品新用户留存率不断走低，就是现状用户留存情况不如预期。所以要发现问题，就要找到目标和现状之间的差距。
那么怎么找到目标和现状之间的差距？
很显然，是去看数据，有时候问题很明显，但是大多数时候问题是不明显，这个时候就要通过对比从数据中发现问题。可以对比的数据有历史数据、标杆数据、横向数据和外部数据，对比的数据维度有3类，第1类是平均数、中位数、众数等用来描述数据集中程度的，第2类是用来描述数据极端情况的最值；第3类是用来描述数据的比值，如比率、比例等。
如果遇到其他人交给自己的问题，需要找对方明确要解决的问题是什么，数据分析要用于做什么，所以除了发现问题之外，还要澄清问题，确保最终结果是想要的。问题澄清到位需要搞清楚问题的目的、相关方、背景、截止日前、可用资源和预期效果。
二、分析和拆解问题：把无法解决的大问题，拆解成可被解决的小问题
举个例子，我们的人生应该如何度过，这样的问题很大，难以直接回答清楚，这个时候可以通过结构化思维将问题按生活、工作、学习等进行拆解，当然也可以有其他的拆解方式。这个时候你会发现问题就变得好回答了。解决问题也是同样的道理。
如何有效分析和拆解问题呢？
可以采用漏斗分析法和相关分析法。
漏斗分析适合流程化的问题，以最常见的海盗模型为例，从用户获取、激活、留存、变现、自传播是用户从新用户到忠实用户的过程，在这个过程中，人数会越来越少，就像是漏斗一样。除了常见转化模型，很多工作也存在漏斗，比如招聘工作，从发布JD、筛选简历、预约面试、面试通过一直到最终入职也是一个漏斗。分析不同环节转化率的情况，就可以从中发现最应该优化的环节是什么。
相关分析法主要通过统计学中相关系数计算来了解不同事物之间的相关性。比如要探究产品的aha时刻（当用户真正体会到产品的价值），可以通过分析新用户使用的不同功能情况与新用户活跃度的相关关系，相关系数越大越相关，由此也可以针对性优化产品。
三、提出解决方案：先加法再减法，用数据找到最优解决方案
当你分析和拆解问题之后，基本上可以确定问题解决的切入点。比如通过互联网效果广告投放的漏斗模型（展示、点击、访问、转化）发现点击率降低，那么切入点就是提高点击率。围绕这一点，可以提出很多解决方案，比如优化文案、更改定位人群、更改投放时间、更改投放位置等。
如何选择最优解决方案呢？
可以采用ROI分析和AB测试。ROI分析就是对投资回报率分析，也就是对投入和产出进行计算，有时候很容易进行ROI分析，比如对不同渠道广告投放效果分析后，要决定下一步的广告投放计划，可以通过计算不同渠道投入费用和用户数或者成交金额的比率等，来对比不同渠道的ROI，找到应该加大投放费用的渠道。不容易分析ROI的时候，可以采用AB测试，比如针对不同文案，测试广告投放效果。
网友评论