練習一：把模糊問題變成可驗證問題
情境：「最近新客變少，可能是廣告效果不好。」請將這句話改寫成包含客群定義、觀察期間、指標、比較基準與可證偽條件的分析問題。
練習二：選擇分析方法
| 情境 | 優先使用的方法 |
|---|---|
| 本月營收比上月少 8%，想知道差異。 | 對比分析、因子拆解 |
| 每日活躍使用者忽高忽低，想確認是否有週期。 | 趨勢分析 |
| 平均訂單金額上升，但多數客戶反映價格變貴。 | 分布分析、分群分析 |
| 整體轉換率下降，想知道哪個平台拖累。 | 維度拆解、漏斗分析 |
| 希望為不同會員設計不同回購活動。 | 分群分析、RFM |
練習三：撰寫一段洞察
請用「現象－歸因－動作－預期」格式，根據以下假設資料撰寫一段結論：
某平台本月訪客增加 15%，訂單只增加 3%；新增流量主要來自低轉換率的外部來源。該來源的流量占比從 10% 上升至 25%，其他來源轉換率大致持平。
練習四：設計行動與復盤
提出一個能驗證上述洞察的行動，並寫出主要指標、護欄指標、實驗或比較方式、觀察期間與停止條件。
Takeaway
六、分析交付檢查表
交付分析報告前，逐項確認：
- 問題具體，且能對應一項決策。
- 指標公式、統計單位、期間與排除條件已定義。
- 資料來源、資料品質與口徑限制已說明。
- 比較基準合理，且已考慮季節性與基期效應。
- 已從總體拆到關鍵維度，而非只呈現平均值。
- 已檢查漏斗、因子或分群中最可能的問題環節。
- 已考慮替代解釋，沒有把相關性直接寫成因果。
- 洞察包含現象、歸因、動作與預期。
- 行動有負責人、期限、主要指標與護欄指標。
- 已規劃復盤時間，並記錄可複用的學習。
最後記住：好的數據分析，不是把所有資料都分析一遍，而是用足夠且可信的證據，回答一個重要問題，並讓下一個決策變得更好。
Reference
名詞與公式整理
| 名詞 | 說明 |
|---|---|
| GMV | 商品交易總額，實際定義依公司口徑，可能與淨營收不同。 |
| CVR | Conversion Rate，轉換率；必須明確定義分子與分母。 |
| AOV | Average Order Value，平均訂單金額。 |
| MoM / WoW | Month-over-Month／Week-over-Week，月增率／週增率。 |
| YoY | Year-over-Year，年增率或同比變化。 |
| RFM | 最近消費、消費頻率、消費金額三維度的客戶分析方法。 |
| K-means | 以距離為基礎的非監督式分群演算法。 |
| 護欄指標 | 確保主要指標改善時，其他重要面向沒有受到不可接受的損害。 |
| 反事實 | 同一對象在未接受某措施時，理論上會發生的結果；無法直接同時觀察，需靠設計估計。 |
本講義最常用的公式
成長率 =（本期 − 比較期）÷ 比較期
目標達成率 = 實際值 ÷ 目標值
群組占比 = 群組值 ÷ 整體值
步驟轉換率 = 下一步人數 ÷ 上一步人數
GMV = 流量 × 轉換率 × 客單價
註：所有公式均需搭配一致的時間範圍、統計單位與資料口徑；不同企業的指標定義可能不同。
課堂練習與分析交付檢查表HSUCHE 數據筆記 · 轉載請註明出處
