七种常见的数据分析法（六）：假设分析

什么是假设分析法？

在解释假设分析法之前，我们来做一道小学6年级的数学题：

“小明和妈妈买了10本书，正好花了100块钱，书的单价有8块钱和13块钱2种，那么8块钱的书和13块钱的书各买了几本？

解题思路：

首先，假设这10本书都是8块钱买的，那么10本书一共是80块钱，那还多出来20块钱，是算错账了么？不是，显然多出来那20是13块钱1本的书多出来的。13块钱的书比8块钱的书每本多了5块钱，20块钱可以买4本，那么可以得出结论了，13块钱的书有4本，那么8块钱的书有几本呢？

对了，6本，真棒，奖励你1朵小红花。

这道6年级的数学题里就用到了假设法，假设所有书都是8块钱，那么在数据分析中，什么是假设法呢？简单理解，假设法是在已知结果数据，在影响结果的多个变量中假设一个定量，对过程反向推导的数据分析方法。

嗯，这么说其实一点都不简单。

假设法在运营分析中怎么用？

假设法在运营分析中最常见的有2种场景：

1.已知结果找原因，做过程变量假设；

2.结果导向做计划，做结果数据假设。

假设法的真正用途是针对未知因素提出假设，在数据推导中验证假设的真伪。

场景一：已知结果找原因，做过程变量假设

例如：某内容社区在11月份的发帖数相比10月份下降了20%，针对这个结果，该如何分析原因？

面对这样一个无厘头的问题，该怎么分析呢？结果数据是发帖数下降了20%，那么影响发帖数的有哪些因素呢？

我们可以将发帖数量按照用户分层进行拆分，例如老用户发帖数量和新用户发帖数量，也可以按照具体发帖篇数进行拆分，例如发帖5篇以上的用户，发帖3-5篇的用户，发帖1-3篇的用户，拆分后将11月与10月份相同维度的数据进行对比，找出变量。

例如经过拆解后发现，发帖1-3篇的用户相比10月份减少了40%，其他篇数的用户量还高于10月份，那么问题就出在了发帖1-3篇的用户身上。

那么发帖1-3篇的用户为什么减少了呢？我们可以提出2个假设：

假设10月份发帖1-3篇的用户成长为更加活跃的用户了，造成发帖3-5篇的用户增加，1-3篇的用户减少；

假设10月份发帖1-3篇的用户流失率比较高，同时11月份新用户转化少，导致这一群组用户数量变少。

那么针对这2个假设，需要对10月份发帖1-3篇的用户与11月份发帖3-5篇及5篇以上的用户进行追踪分析，同时分析11月份新增用户与10月份新增用户在留存和活跃上的对比。

场景二：已知目标找过程，做结果假设

例如：12月份的销售KPI为1000万，环比11月份上升20%，该如何做一份销售方案？

这是在做工作计划时最常见的需求，以12月份需要达成1000万的销售KPI为例，拆分销售KPI的相关影响因素，同样有2个拆解维度：

1.从商品角度做拆分

要达成1000万的销售额，有多种假设方式，例如假设现有商品销售额与11月相同，新品销售额达到200万，那么为了实现这个结果假设，去做能够支持200万销售额的的过程方案，例如在推广渠道预算上、仓储物流上、人力配置上等方面做计划；还可以针对几款产品提出销售额增长的假设；

2.从人群角度做拆分

要达成1000万的销售额，一方面挖掘老客户的购买力，另一方面增加新客户的来源渠道，假设老用户复购销售500万，那么针对老用户设计营销活动。

总结：假设分析法是在现实应用中常用的数据分析思路之一，数据分析的过程是不断的提出假设、验证假设的过程，通常我们遇到的不知道如何下手的数据分析，可以通过假设法来破局。

↑长按关注“你身边的数据教练”↑

🙊随手转发给经常加班的运营产品朋友们吧🙊