【面试题】
某App 3月10日-3月12几天的整体充值收入提升非常明显（大于50%），但是，在整体充值中，占80%以上的功能充值的收入下降明显（大于50%）。这期间可能发生了什么？
1.如何解读本组数据，写出你对该问题的分析步骤
2.根据上述分析，提出你对该问题的几种猜测
3.如果猜测都是需要解决的问题，请提出你的解决方案，并设计可行性的实验
【分析思路】
根据之前讲过的“数据分析解决问题的步骤”来解决业务问题。
一、明确问题
1.明确据来源和准确性
从时间、地点、数据来源这3个维度来展开确定数据的来源和准确性。
时间：3.10-3.12的时间范围内出现问题
地点： 全国地区
数据来源：与相关人员沟通后，数据准确无问题
2.业务指标理解
充值收入=付费人数*平均单价
因为问题中还提到收入上升、下降的问题，所以，我们要清楚这是在和谁比。本案例是与之前的收入相比较得出的结论。
我们观察数据发现，整体数据与部分数据呈现出完全相反的结论，也就是题目中所说的，整体充值收入提升了，但是占80%以上的功能充值的收入下降了。
这让我们想起了在“多维度拆解分析方法”中讲过的辛普森悖论（考查数据整体和数据不同部分会得到完全相反的结论 ），这是因为只看数据整体无法注意到数据内部各个部分构成要素的差异，忽略差异，导致无法观察到差异的影响。
如何分析这样的问题呢？
可以运用多维度拆解分析方法，把整体拆解成部分，然后查看内部的差异。那么，从哪些方面进行拆解呢？
可以从指标构成维度进行拆解，整体充值=占收入80%以上的功能充值（记为原核心充值） 占收入20%以下的功能充值（记为其他充值）
整体充值收入提升，其中原核心充值收入下降，根据上图的拆解可以得出，其他充值收入是上升的。
所以，现在的问题明确为：为什么原核心充值收入下降？
二、分析原因
当需要分析问题出现的原因时，可以使用多维度拆解分析方法对“充值收入”这个指标进行拆解。
充值收入=付费人数*平均单价。因此，可以拆分为付费人数”和“平均单价”。
现在还是无法找出“哪里出了问题。所以，我们从“用户是否首次购买”维度，把“付费人数“继续拆解为“新用户付费人数”和“老用户付费人数”。
其中，“新用户付费人数 ”是首次在该APP充值的用户有多少人，“老用户付费人数”是之前在该APP充值过，再次进行充值的用户人数。
新用户付费人数按渠道维度，又可继续拆解为渠道A的付费人数、渠道B的付费人数、渠道C的付费人数。
我们将“老用户付费人数”继续拆解为“再次充值”的老用户和“不再充值”的老用户。我们可以使用复购率来进行衡量，老用户付费人数=付费人数 * 复购率
接下来我们用假设检验方法对“多维度拆解分析方法”里面的每个部分进行验证。
1.提出假设：问题出在平均单价
假设1：A的平均单价下降，导致充值下降
2.提出假设：问题出在付费人数
这时需要对付费人数的组成部分进一步分析，也就是新用户付费人数和老用户付费人数。
假设新用户付费人数出了问题。可以拆解为渠道A的付费人数、渠道B的付费人数、渠道C的付费人数。
假设2：渠道A或B或C的付费人数减少
3.提出假设：老付费用户人数出了问题
付费人数前面已经分析过了，所以问题主要在“复购率”上，有可能是复购率降低。那么复购率为什么会下降呢？
为了找到复购率低的原因，我们梳理产品的业务流程，方便从业务流程提出假设。
用户在该App充值的业务流程是：
第1步，查看功能介绍，选择功能充值
第2步，进行支付
第3步，使用原核心功能
第1步，我们可以提出假设3：假设功能介绍不好，不吸引人
第2步，我们可以提出假设4：假设部分用户无法充值
第3步，我们可以提出假设5：用户使用体验不佳
4.收集证据
前面已经提出了假设，到这一步就可以收集证据，来验证假设。
我们可以和之前的数据进行对比分析，比如通过问卷调研或者电话访谈用户，来看“原核心功能充值”哪里出现了问题。
假设以上猜测都有问题。
先来看假设1：平均单价下降
对比之前的单价数据，发现3.10-3.12有促销活动，平均单价确实出现下降。所以得出结论假设1成立。
再来看第2个假设：各渠道付费用户减少
查看日新增用户数、渠道曝光率和渠道转化率等数据，发现各渠道用户减少，付费用户也减少，所以得出结论假设2成立。
再来看第3个假设：功能介绍不吸引人
通过对比查看功能介绍的数据和点击支付的数据，发现支付转化率不高。所以得出结论假设3成立。
再来看第4个假设：部分用户无法充值
查看用户反馈，请技术人员测试支付过程，发现支付过程有问题。所以得出结论假设4成立。
再来看第5个假设：用户使用体验不佳
与产品部门交流，发现产品近期有改动，新功能改动取代了原核心功能需求。所以得出结论假设5成立。
我们总结下，原核心功能收入大幅下降，是因为：
1）平均单价下降
2）各渠道付费用户减少
3）功能介绍不吸引人
4）部分用户无法充值
5）用户使用体验不佳
三、提出建议
原因1：因为促销活动，平均单价下降。等待促销完成即可。
原因2：是各渠道付费用户减少。可以调整渠道，获取产品对标的精准用户。
原因3：功能介绍不吸引人。重新设计介绍页面，更贴合用户需求。
原因4：部分用户无法充值。请技术人员进行修复。
原因5：用户使用体验不佳。对部分用户推更新版本，建立对照组，进行AB测试。
四、总结
经过以上步骤，就回答了一开始的业务问题：
1.如何解读本组数据，写出你对该问题的分析步骤
2.根据上述分析，提出你对该问题的几种猜测
3.如果猜测都是需要解决的问题，请提出你的解决方案，并设计可行性的实验
后面遇到业务问题，就要想到“数据分析解决问题的过程”这张图。
第1步：明确问题。明确数据来源和准确性，理解业务指标，把问题定义清楚。
第2步：分析问题。分析问题发生的原因，使用“多维度拆解分析方法”拆解问题，把复杂问题简单化；使用“假设检验分析方法”找出哪里出了问题；使用“相关分析方法”解决为什么出现这个问题。
第3步：提出建议。针对原因给出建议，或者提出可以实施的解决方案，常用回归分析方法或AARRR分析方法。
