“最近復(fù)購(gòu)率一直在下降，我們的營(yíng)銷力度不小啊，為什么用戶還是走了？”

“是不是廣告投放的用戶質(zhì)量不高？還是我們的產(chǎn)品問題？”

在給華為的培訓(xùn)中提到了這個(gè)問題，一位資深的數(shù)據(jù)分析師立馬搶答：“這里面肯定有很多變量的關(guān)系值得深挖?！?這時(shí)候，關(guān)系分析（Relationship Analysis） 就派上了用場(chǎng)。

關(guān)系分析，簡(jiǎn)單來說，就是找出變量之間的聯(lián)系。進(jìn)行數(shù)據(jù)分析時(shí)會(huì)發(fā)現(xiàn)，事情很少是孤立發(fā)生的——用戶流失可能和他們的購(gòu)買行為、客服體驗(yàn)、甚至是天氣都有關(guān)系。但哪些因素是關(guān)鍵？哪些因素真的影響了用戶決策？ 關(guān)系分析就是搞清楚這些問題的“偵探工具”。

一、什么是關(guān)系分析？為什么它重要？

關(guān)系分析是數(shù)據(jù)分析中最基礎(chǔ)也是最重要的環(huán)節(jié)之一，主要用于：

• 發(fā)現(xiàn)變量之間的相關(guān)性（例如廣告投放金額和銷售額之間的關(guān)系）。
• 挖掘隱藏的業(yè)務(wù)邏輯（例如客服響應(yīng)時(shí)間是否影響用戶流失）。
• 為決策提供依據(jù)（例如優(yōu)化營(yíng)銷策略，提高ROI）。

二、用關(guān)系分析解決“用戶流失”問題

1. 先搞清楚問題

回到我們的業(yè)務(wù)案例：用戶流失率上升，我們需要找出原因。

為了搞清楚問題，我們先來拆解它：

• 哪些用戶流失了？
• 流失用戶和留存用戶的行為有什么不同？
• 哪些因素可能影響了流失？

2. 數(shù)據(jù)收集與整理

我們需要用到的數(shù)據(jù)包括：

• 用戶行為數(shù)據(jù)：訪問頻率、購(gòu)買次數(shù)、訂單金額
• 營(yíng)銷數(shù)據(jù)：廣告曝光、優(yōu)惠券使用情況
• 客服數(shù)據(jù)：咨詢次數(shù)、問題解決時(shí)間
• 用戶屬性：年齡、地區(qū)、會(huì)員等級(jí)

拿到數(shù)據(jù)后，我們先做個(gè)簡(jiǎn)單的統(tǒng)計(jì)：

• 過去一個(gè)月流失的用戶：10,000

• 這些用戶中，70% 在最近3個(gè)月內(nèi)沒有復(fù)購(gòu)

• 40% 的用戶曾在客服端提交過投訴

• 60% 的用戶使用過優(yōu)惠券

這里已經(jīng)可以看出一些苗頭了——客服問題可能是影響流失的因素之一，而優(yōu)惠券使用是否和流失有關(guān)，還需要進(jìn)一步分析。

3. 進(jìn)行關(guān)系分析

第一步：相關(guān)分析

我們先計(jì)算各變量與“用戶是否流失”之間的相關(guān)性（皮爾遜相關(guān)系數(shù)）：

• 購(gòu)買次數(shù)（-0.72）：負(fù)相關(guān)，購(gòu)買次數(shù)越多，流失率越低

• 訂單金額（-0.65）：負(fù)相關(guān)，高客單價(jià)用戶流失可能性低

• 客服響應(yīng)時(shí)間（+0.53）：正相關(guān)，客服響應(yīng)慢，用戶流失可能性大

• 會(huì)員等級(jí)（卡方檢驗(yàn) p<0.05）：顯著相關(guān)，高級(jí)會(huì)員更可能留存

看起來，客服響應(yīng)時(shí)間和購(gòu)買次數(shù)是最關(guān)鍵的因素。

第二步：回歸分析

我們用邏輯回歸模型來預(yù)測(cè)用戶流失的概率：

• 結(jié)果顯示，客服響應(yīng)時(shí)間每增加1小時(shí)，流失概率增加12%。
• 低購(gòu)買次數(shù)的用戶，流失概率顯著高于高購(gòu)買次數(shù)用戶。

第三步：可視化分析

繪制散點(diǎn)圖能夠更直觀的展示流失率和客服響應(yīng)時(shí)間之間的關(guān)系：

圖中Y軸是流失概率，x軸是客服相應(yīng)時(shí)間/小時(shí)。

觀察發(fā)現(xiàn)，客服響應(yīng)時(shí)間越長(zhǎng)，用戶的流失概率越高。這個(gè)發(fā)現(xiàn)和我們的相關(guān)分析、回歸分析結(jié)果是一致的。

三、結(jié)論與業(yè)務(wù)優(yōu)化建議

通過關(guān)系分析可以得出如下結(jié)論：

1. 客服響應(yīng)時(shí)間是影響用戶流失的關(guān)鍵因素之一，企業(yè)應(yīng)優(yōu)化客服系統(tǒng)，提高響應(yīng)速度。

2. 高頻購(gòu)買的用戶流失率更低，可以針對(duì)低頻用戶設(shè)計(jì)挽留策略，例如個(gè)性化推薦、精準(zhǔn)營(yíng)銷。

3. 高級(jí)會(huì)員流失率更低，可以通過引導(dǎo)用戶升級(jí)會(huì)員，提高用戶粘性。

優(yōu)化建議：

1. 縮短客服響應(yīng)時(shí)間：改進(jìn)客服機(jī)制，引入自動(dòng)化客服，提高響應(yīng)效率。

2. 提升用戶購(gòu)買頻次：通過營(yíng)銷策略（如折扣、積分系統(tǒng)）刺激用戶復(fù)購(gòu)。

3. 加強(qiáng)會(huì)員制度：提供更多會(huì)員專屬權(quán)益，引導(dǎo)普通用戶升級(jí)。

綜上，關(guān)系分析不僅是一個(gè)數(shù)據(jù)分析方法，更是一種業(yè)務(wù)洞察工具。通過找出變量之間的聯(lián)系，能更精準(zhǔn)地找到業(yè)務(wù)問題的根源，并制定有針對(duì)性的優(yōu)化策略。

抓住機(jī)遇，狠狠提升自己

隨著各行各業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型，數(shù)據(jù)分析能力已經(jīng)成了職場(chǎng)的剛需能力，這也是這兩年CDA數(shù)據(jù)分析師大火的原因。和領(lǐng)導(dǎo)提建議再說“我感覺”“我覺得”，自己都覺得心虛，如果說“數(shù)據(jù)分析發(fā)現(xiàn)……”，肯定更有說服力。想在職場(chǎng)精進(jìn)一步還是要學(xué)習(xí)數(shù)據(jù)分析的，統(tǒng)計(jì)學(xué)、概率論、商業(yè)模型、SQL，Python還是要會(huì)一些，能讓你工作效率提升不少。備考CDA數(shù)據(jù)分析師的過程就是個(gè)自我提升的過程。

CDA 考試官方報(bào)名入口:https://www.cdaglobal.com/pinggu.html