分析的起點不是「我有一份資料」，而是「我需要做出什麼判斷」。問題定義越精準，後續分析越不容易失焦。
1.1 把模糊問題轉成具體問題
| 模糊說法 | 可分析的問題 | 為什麼更好 |
|---|---|---|
| 最近業績不好 | 近四週 GMV 是否低於前四週？差異主要來自流量、轉換率或客單價？ | 有期間、有指標，也能拆解原因。 |
| 新客品質變差 | 本月新客的 30 日回購率，是否低於過去三個月同期的新客？ | 明確定義客群、觀察窗口與結果指標。 |
| 活動成效不佳 | 活動組相較未參與活動的相似客群，增量訂單與增量毛利是否提升？ | 不只看活動期間數字，也考慮反事實比較。 |
1.2 好問題的四個條件
具體聚焦明確指出對象、指標、時間範圍與要解決的決策。
可以證偽事先說明什麼證據會支持假設，什麼結果會推翻假設。
具有穩定性先確認是持續性現象，而非單日異常、偶發事件或資料故障。
口徑可操作指標能被計算、拆解，且不同團隊對定義有共同理解。
1.3 將指標操作化：把結果拆成過程
「操作化」是把抽象概念轉成可觀察、可計算的變數。例如「使用者活躍」必須定義何種行為算活躍、以誰為單位、在哪個時間窗統計。
| 概念 | 需要明確的定義 |
|---|---|
| 活躍使用者 | 以 member_id、visitor_id 或裝置為單位？一天內至少完成哪種行為？ |
| 轉換率 | 分子、分母分別是什麼？以使用者、工作階段或訂單為單位？ |
| 營收 | 下單金額、付款金額或扣除取消退貨後的淨額？是否含運費？ |
| 新客 | 首次造訪、首次註冊、首次下單，還是首次完成付款？ |
1.4 與利害關係人對齊
開始分析前，建議建立一頁「分析需求定義」，至少確認：
- 業務背景：為什麼現在要研究這件事？
- 決策用途：分析結果將影響什麼決策？
- 指標口徑：公式、資料來源、排除條件與統計單位。
- 觀察範圍：期間、平台、客群、品類及市場範圍。
- 成功標準：什麼結果算改善？最低可接受幅度是多少？
常見錯誤：不同部門都說「轉換率」，但有人用訂單數／工作階段，有人用購買人數／訪客數。若口徑未對齊，會議很容易變成各說各話。
1.5 可證偽假設範例
假設：商品頁改版後，手機網頁的加入購物車率會提升。
支持證據：在流量來源與客群結構相近的條件下，改版組的加入購物車率高於對照組，且差異具有統計與商業意義。
推翻條件：差異不存在、只由流量結構改變造成，或提升幅度不足以抵銷開發成本。
支持證據：在流量來源與客群結構相近的條件下，改版組的加入購物車率高於對照組，且差異具有統計與商業意義。
推翻條件：差異不存在、只由流量結構改變造成，或提升幅度不足以抵銷開發成本。
定義問題：讓問題可以被證偽HSUCHE 數據筆記 · 轉載請註明出處
