数据分析|自然增长率，到底怎么算才合理？

数据分析领域有许多终极问题。


如果你处理营销、运营等部门，最常见的问题一定是：自然增长率！ ★ 如何计算自然增长率？ ★ 他们为什么说我算出来不合理？ ★ 为什么他们给出的自然增长率这么低？  今天系统讲解了很多疑难杂症。


一、什么是自然增长率？ 与人工增长率相比，自然增长率。


严格来说，商业上没有严格的自然增长率，所有的业绩都是人做的。


但是有的部门可以直接输出业绩，有的只能辅助叠加。


buff。


典型的直接产出业绩，如销售，直观地看，所有的业绩都是销售的。


类似于互联网的广告，投放广告，用户点击，直接带来收入。


典型叠buff该部门是品牌、营销、推广、用户运营和活动运营。


它们是在销售和推广的基础上叠加的buff。


比如： ★ 原来商品卖30元，现在送优惠券，省5元 ★ 原来的商品是食品，现在加上吃延年益寿的宣传 ★ 本来商品没有品牌，现在加了国际大品牌和驰名商标 ★ 是不是看起来有点牛逼，买的人可能多一点？ 可能，也不可能！总之很难说清楚。


因此，这些部门特别想输出一个概念：自然增长率。


什么是自然销售，什么是我的优惠券/积分/小礼物/礼物/广告/口号/等级/荣誉徽章。


这是自然增长率的起源。


有趣的是，自从这些人发明了自然增长率后，销售人员也开始使用这个概念，但用法是计算自然增长率，然后证明环境/天气/运营规划的傻瓜活动产生了负面影响，导致销售做得不好。


二、理论上自然增长，长这样 它似乎想剥离品牌、运营和营销BUFF很容易解决。


只需将销量分为自然/人工两部分！  理论上，自然增长率有三种算法。


方法一:根据时间区分。


不做活动的自然增长率是人工增长(如下图)。


方法二:根据人群区分。


不做活动的人自然增长，人工增长(如下图所示)。


方法三:根据产品区分。


不做活动的产品自然增长，人工增长(如下图所示) 多轻松啊。


是的，理论上真的很容易，但实际上，麻烦来了。


来自现实的挑战 挑战一:非活动时间数据不整洁。


从本质上说，顾客不会总是去商店买东西。


如果你想购物，你必须等待下班、周末和假期；如果你想上网，你必须等到你有空、钓鱼和宝宝睡觉。


因此，非活动期间的数据本身起伏不定。


平均选择3个月？选择最近一个月？选择最近一周？因为这件事经常吵架。


挑战二:几乎每天都有活动，没有非活动期。


这在零售、电子商务、游戏和其他行业都很常见。


活动几乎每天都在进行，不能选择非活动期。


或者非活动期只有两个主要活动之间的几周，本身处于大促销后的复苏期，这是不够的。


这样，时间法基本上就被废除了。


挑战三:商品属性和生命周期不同，无法比拟。


首先，很难选择完全相同的商品进行比较，这两种商品或多或少是不同的。


其次，商品本身的销售趋势也是人为的。


商品销售良好，需要增加订单，商品销售不良需要清仓。


因此，目前的销售很难确定为：自然。


挑战4：并非所有活动都适合划分参考人群。


例如，618，双11促销活动，没有足够的人参与，不可能消除一些人不参与。


例如，非电子商务渠道，非即时消费品，如果区分人群定价，很容易引起商品，或被消费者向市场监督局报告，设定大数据杀死的指控。


挑战五:参照人群划法，一碗水很难平整。


即使是参考人群，也很难解释这个问题。


因为最终的测试是购买行为，而且有很多变量会影响购买行为。


性别、年龄、过去的购买频率、品牌忠诚度、促销敏感性等因素都有影响，因此通过对抽样的分析，可以很容易地制作出购买率很低的参考组，从而使ABtest失效。


挑战六:没有考虑外部影响。


是的，即使考虑到以上所有因素，还是有人跳出来说:你没有考虑宏观环境/天气/政策/社区群体等的影响。


总之应该跌30%以上。


XX同行跌了这么多，所以我们跌20%是正常的，嗯，这是我们的结果。


在更深层次上，争论如此混乱的原因本质上是两个字： 甩锅 不是为了让他们的工作闪耀，谁会如此努力地推动工作，舌头灿烂。


你说的数字让别人的表现不好。


人们会找到各种各样的理由来喷你，这很简单。


理论上破局 有没有合理的解决办法？理论上有！  解决的前提是站在二楼看问题，把屁股从小部门移开。


思考:做什么真的对业绩有帮助，如何完成任务，提高整体效率。


首先要排除的是把锅扔给外部因素。


事实上，从数据上很容易识别是否是外部环境的变化。


只要满足四个条件，就可以说：这主要受外部影响（如下图所示）。


然而，如果你不能满足四个条件，只要你看到新闻报道，听到同龄人的抱怨，你就不会谈论它。


其次，对于直接产生业绩的部门，根本不要谈论任何自然增长。


达到标准就是达到标准，不达到标准就是不达到标准。


只是看看不找办法，或者外部找办法。


第三，叠加buff部门可以算是自然增长。


但要分为三类: 简单来说，就是: ★ 不背硬指标的，和过去相比。


★ 背硬指标但任务明确的，先完成任务 ★ 背硬指标，背整体指标，注意整体，不纠结细节。


如果整体不达标，你只是哔哔我做得很好，还是没人相信。


★ 背硬指标，分组营销，直接上去ABtest，不整虚的  当然，最简单的方法是：购买固定离开技术。


每个人都提前达成共识算法，无论是最近的X周还是去年同期。


简而言之，在项目开始之前达成共识是很好的。


在购买和离开之后，效果并不好。


反思原因。


一开始，如果参考组不确定，后来自然会有各种诡辩。


五、现实中的无奈 但以上只是理论。


现实中，无论如何，都是: ★ 负责叠buff操作总想证明自己一手遮天遮天遮天。


★ 负责销售的部门总是喜欢抱怨背景支持 ★ 负责监督的老板总是有自己的小九九和衡量标准  因此，关于自然增长率的争吵将无休止地进行。


特别是，有时数据分析职位位位于操作下，操作老板需要数据分析来帮助他们的平台，此时科学不科学，合理不合理不能管那么多。


吃君之禄，分君之忧，想办法圆过去。


然而，作为一名数据分析师，你必须知道如何玩游戏，这样你就可以在各种方法圆故事的过程中自由进退。


事实上，如果你仔细看，你会发现所谓的数据分析终极问题从来都不难计算本身，但很难把数据作为每个部门的枪，屁股决定头部。


-END- 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。


本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。


如有侵权行为，请联系网站管理员删除，。