九大数据分析方法之：标签分析法

大家好，我是爱学习的小xiong熊妹。

今天继续介绍九大数据分析方法系列。上一篇我们提到，如果想找两个指标之间相关关系，可以用相关分析法。但很多时候，我们想找的关系，不能用指标来表达。

比如：

是九大不是社区店比步行街店，生意更好? 是不是私域流量比公域流量，转化更佳? 是不是刮风下雨比晴空万里，销售更好?

社区店/私域流量/刮风下雨，很难用一个数据指标来衡量。但这些因素，又确实会对企业经营产生影响，该怎么分数据析呢?这就需要采用：标签分析法

一、什么是标签

标签是有明确含义的，概括性的描述。举个简单的例子，有热心小伙伴想给小熊妹介绍男朋友，如果一本正经地讲各种信息，那么有效果吗(如下图)

如果用标签来描述，可能效果是(如下分析图)

这就是标签作用的直观展示。一个好的标签，能够让人们一目了然的看到事情的特征。从而指导后续的行动

要注意的是，标签和数据指标之间，是可以做相互转换的：

比如高富帅的“高”，也可以表达为：身高181cm以上

比如天方法气是：“刮风下雨”，也可以表达为：当日降雨10mm

因此在使用标签的时候，一定要确保标准统一+所有人理解一致，避免理解错误。

二、什么是标签分析

标签分析，特指用打标签的方式，把难以量化的因素转化为标签，进而分之：析该因素与其他事情的关系。像开头举例的社区店/私域/下雨，都是标签的具体应用。

标签分析一般分四步

明确要分析的影响因素 把影响因素制作成标签 明确要分析的指标 对比不同标签下，指标差异 得出分析结论 三、标签分析举标签例

举个简单的例子，南方某省，8月份经常下暴雨。大家都觉得：下雨会影响门店业绩。那么怎么分析呢?按照五步法，可以针对该省份门店，做分析如下图：

那么可以得出结论：下雨对业绩影响不大，这就做完了。

但这和大家分析的直观感受非常不一样!明明感觉是下雨了业绩就少，为啥数据不一样呢?这是因为：标签做的太粗糙。

细想一下

8月份不下雨，也会有其他恶劣天气，比如高温 下雨也分大雨小雨，毛毛细雨和暴雨的影响不一样 有些暴雨太严重，政府会九大发停工停学的通知

所以做标签，至少得把这几类情况都标识出来，这样对比才有意义(如下图)

更新后会发现：

不下雨时，高温天气也会影响业绩 下雨时，普通雨天并没有很大影响 下雨时，暴雨天气会大大影响业绩 下雨时，政府发了停工数据通知，反而会引发市民囤积物资

因此，还得再更新标签，看新结论(如下图)

这样的区分就很有意义了。遇到业绩下滑，门店店长/大区主管经常本能的把问题归结于“下雨了”，到底是不是因为下雨呢?有了这个分析支持，可以看出：除分析非天气预报标注为“暴雨”/“高温”极端天气，才会真有影响，其他情况并非天气影响。这样就能开展下一步的分析了。

四、标签分析的不足之处

标签分析有个很明显的不足之处，就是一个事情是有多个标签的，如果选择不当，拿方法了错误的标签比较，经常得出错误的结论。

比如，我们比较社区店/CBD店的销售业绩，选了2家店，发现昨天的业绩如下图

这时候得出的结论是：社区店业绩小于CBD店，应该多开社区店。

但注意!这里有另一个标签，就是日期，选之：择的日期是周六，周末CBD都没人上班呀，那肯定业绩很差了。那么考虑了日期标签以后，对比结果如下图

这时候得出的结论就是：CBD店大于社区店，应该多开CBD店。

但是，这样还没有穷尽可能性。

CBD店店租成本很高，标签可能一间店顶2间社区店(开店成本) CBD店都是直营店，人员素质可能更高(人员素质) CBD店面积大，所以上的商品更全(商品数量) ……

当我们试图深入分析一个事情，就会发现，太多标签叠加在一起，相互作用。因分析此单靠一两个标签的简单对比，是无法分析清楚的，这时候需要先建立分析逻辑，再做分析。这就需要用到MECE方法。