數(shù)據(jù)增長是數(shù)據(jù)分析師進行數(shù)據(jù)分析的重要意義所在，而數(shù)據(jù)增長實驗?zāi)軌蛱崆鞍l(fā)現(xiàn)問題，確保增長。作者在這篇文章中介紹了數(shù)據(jù)增長實驗落地的全過程，以虛假的數(shù)據(jù)增長、基礎(chǔ)增長模型引入，從增長基礎(chǔ)、周期、落地等維度深入考慮，相信會為廣大數(shù)據(jù)分析新人童鞋帶來許多經(jīng)驗~

之前分享過：做增長，是數(shù)據(jù)分析師最好的立功方式，今天直接來個例子，看看怎么通過數(shù)據(jù)設(shè)計增長實驗。話不多說，整！

問題場景：

某包含多系列產(chǎn)品的快消品公司，希望推出一款全新飲料（2個SKU）以帶動整體銷售金額。該款為全新推出，缺少經(jīng)驗，因此計劃在今年先行實驗，觀察效果后大面積推廣。

問：該如何設(shè)計增長實驗，以提前發(fā)現(xiàn)問題，確保增長？

一、虛假的數(shù)據(jù)增長

很多新人同學舉手，表示這題我會：

1. 對接頭條、騰訊、阿里大數(shù)據(jù)獲取全部信息
2. 建立用戶到店-貨架-選擇-加入購物籃-結(jié)賬轉(zhuǎn)化漏斗
3. 進行ABtest，進店用戶自動打碼分流進行AAAB對比
4. 建立用戶畫像精準識別目標用戶性別，年齡，收入，愛好
5. 建立人工智能大數(shù)據(jù)模型精準預測自然銷量

現(xiàn)實問題是：沒數(shù)據(jù)。因為不是自有渠道，所以只能拿到進貨數(shù)，其他的數(shù)據(jù)不要想了，不存在的，一條都沒有。倒是門店有沒有鋪貨，可以靠巡店督導定期上門檢查。

那么，該怎么辦呢？

二、最基礎(chǔ)的增長模型

最簡單的想法：上新品是為了拉動銷量，所以上新之后，比上新之前渠道訂貨得多。于是最簡單的模型就出來了（如下圖）：

那么，看起來實驗設(shè)計也很簡單了：

1. 找?guī)讉€店
2. 鋪貨
3. 觀察鋪貨以后銷量
4. 搞掂

是不是真的搞掂了呢？

三、考慮增長基礎(chǔ)

第一個問題：找店是隨機找，還是有目標找？

很有可能有的店天生就賣得好，有的店天生賣得差。如果事先不對店過往訂貨情況進行分析，就很有可能高估/低估增長能力。特別要注意專職店是否存在，這類型門店如果數(shù)量過多，可能會影響整體判斷（如下圖）：

在前期選擇試點樣本店的時候，提前做好篩選，考慮：

• 門店位置：社區(qū)店/CBD店/步行街店
• 門店業(yè)績：整體業(yè)績好/中/差
• 品類業(yè)績：飲料類好/中/差
• 門店時間：新店/老店

這些數(shù)據(jù)是可以獲取到的，數(shù)據(jù)1在督導的巡店表里有記錄，數(shù)據(jù)2，3，4在訂貨單里有記錄，所以完全可獲得。需要做的是提前對數(shù)據(jù)進行分析，做好分層和打標簽的工作。

這么多維度交叉起來，引發(fā)一個新問題：到底要選多少店做試點。統(tǒng)計學會告訴你單群體最小樣本30，最好384，這樣95%置信度下抽樣誤差5%——但是這些和眼前的問題工作沒多大關(guān)系。

因為眼前的問題是：

• 需要以店為單位抽，有可能所有門店加起來都不夠這么多。
• 測試的是新產(chǎn)品，且測試周期可能很長，意味著貨源可能不夠。
• 測試的是新上架產(chǎn)品，需要業(yè)務(wù)方一個店一個點鋪貨，得考慮工作量。

所以設(shè)計樣本數(shù)的時候，首先對單店在測試周期內(nèi)銷量有個預計，保證肯定有貨，這樣才能真正測出來：是否達預期。定下門店總量以后，再按以上考慮維度往里塞樣本。最后出來的結(jié)果，保證每個分類盡可能都有樣本就行。

如果事先有一級、二級、三級門店的分類，則輕松很多。因為一二三級分類，很有可能已經(jīng)綜合考慮了銷售能力，門店規(guī)模等等因素。但在使用之前得注意幾個問題：

• 過往的一二三級分類，是否目前還準。別出現(xiàn)3級》2級》1級的情況，那事后分析就很尷尬了。
• 一二三級是否考慮類型。避免一級門店全是同一類門店（比如都是CBD店）這樣事后評估，會發(fā)現(xiàn)嚴重缺其他門店樣本。
• 一二三級是否和飲料銷售有關(guān)系。注意，題目企業(yè)是個全系列企業(yè)，很有可能一二三級是按整體業(yè)績分類的，對應(yīng)到飲料類，又會出現(xiàn)3級》2級》1級的極端情況。

只要不存在以上問題，那1,2,3級分類就直接用吧。

考慮增長基礎(chǔ)，不但讓設(shè)計更豐滿，而且能極大方便事后的評估。避免諸如以下這些尷尬的問題：

• 為啥測試效果不好，因為找的都是很差的店
• 為啥分析不出推廣潛力，因為找的都是同一類的店
• 為啥1級門店反而賣得不好，因為丫天生就賣得不好

并且在事后分析的時候，能對各類型門店標簽下情況進行深入的分析，具體到每一類店鋪標簽的效果。這樣迭代實驗的時候，也有更清晰的方向，落地的時候，思路也更多（如下圖）。

那么，考慮到這一步夠了嗎？

四、考慮增長周期

第二步：考慮什么時間測，測多久。

一般商品都有自己的銷售周期，飲料類的周期更特殊，可能集中在夏季爆發(fā)，也有可能受各地氣候的影響，也有可能受天氣短期影響。因此在設(shè)計測試周期的時候，需要先梳理相似價位、相似類型、相似目標群體對應(yīng)的飲料的走勢，這樣才能有個全局判斷（如下圖）。

有了全局判斷后，可以設(shè)一個比較長的觀察周期，以盡可能多覆蓋各種場景。這樣在事后評估分析的時候，也能對各種情況進行分析（如下圖）。

五、考慮增長落地

第三步：考慮業(yè)務(wù)落地動作。

一款新產(chǎn)品上市，宣傳、鋪貨、促銷三件套往往是一起往上招呼。這些落地動作才是最終決定測試成果的因素。而這些動作，都依賴各地分公司/辦事處的執(zhí)行，執(zhí)行力至關(guān)重要。

這里有個很深刻的問題：一但測試效果不好……

• 到底是產(chǎn)品本身沒需求？
• 還是業(yè)務(wù)自己沒做好？
• 還是數(shù)據(jù)分析師算錯了？

監(jiān)控了業(yè)務(wù)執(zhí)行過程，你才有資格說：業(yè)務(wù)做得好/不好。沒有監(jiān)控業(yè)務(wù)執(zhí)行過程，人家隨時都能說：數(shù)據(jù)分析沒算出來。“現(xiàn)在不都人工智能大數(shù)據(jù)了嗎，一定是我們的數(shù)據(jù)分析師太蠢了，招個頭騰阿的數(shù)據(jù)分析師肯定能算清楚”——這鍋已經(jīng)為你準備好了，所以一定要掌握清楚。

待掌握的信息包括：

• 鋪貨啟動時間
• 鋪貨完成時間
• 補充訂貨時間

有了這些信息，可以結(jié)合訂貨數(shù)據(jù)做更多分析：

• 有沒有拖了很久不啟動的
• 有沒有啟動了推進很慢的
• 有沒有不分規(guī)模閉著眼睛鋪的
• 有沒有缺貨了不去補的

當然，后期核查要跟上，且核查的時候，可以增加幾個關(guān)鍵維度檢查,比如：

• 大夏天的把貨鋪在貨架而不是塞冰柜的
• 大賣場不做堆頭只做貨架的
• 有促銷物資不往門店進的

這些核查數(shù)據(jù)同樣得從督導手里收回來，同數(shù)據(jù)一起分析，才更容易看到結(jié)果。

這樣，在解釋結(jié)果的時候，自然更有底氣：凡是沒有執(zhí)行到位的，一概不許甩鍋給產(chǎn)品/數(shù)據(jù)，自己沒做好的自己反省去。這樣也更有利于找到真正問題答案。

五、小結(jié)

目前數(shù)據(jù)分析領(lǐng)域最大問題，就是：學習過程書本化，脫離實際。教數(shù)據(jù)分析的書、老師、課程，為了讓算法、統(tǒng)計原理、用戶畫像、漏斗模型、ABtest發(fā)揮作用，就專門挑一些字段豐富，清洗干凈的數(shù)據(jù)集，讓算法跑起來。新人們把工作當讀書，跑幾個數(shù)據(jù)集就欣欣然自以為得已得已。

兩下相交，導致的結(jié)果就是新人們遇到實際問題的時候：不是幻想頭騰阿有靈丹妙藥，就是急著搬書找答案，要么就是跑到各個群問：“有沒有互聯(lián)網(wǎng)飲料行業(yè)的大佬，急，在線等，可付費！”。唯獨喪失了具體問題、具體分析的能力。

破除迷信，腳踏實地，認真研究業(yè)務(wù)流程，設(shè)計合理的方法，才是解決問題之道。數(shù)據(jù)簡單有數(shù)據(jù)簡單的搞法，數(shù)據(jù)豐富有數(shù)據(jù)豐富的搞法，把簡單的數(shù)據(jù)通過業(yè)務(wù)流程改進變得豐富，這三者合并才是一個合格的數(shù)據(jù)分析師該有的能力。