很多同學都討厭當工具人，然鵝每次遇到要提建議的時候就慫了，除了“指標降了，要搞高”，不知道還能說啥。今天拿個具體問題，給大家詳細介紹下：如何從數據得出可行的建議。

問題場景：某互聯網垂直電商企業，運營的老板表示：A商品最近銷量挺好，想提高一下價格，以提升該類產品的整體利潤。現在作為數據分析師，你接到了這個需求，問：該如何做？

一、問題解析

首先，同學們要注意：這里有幾個問題？

如果是業務部門聽到這種命令，本能反應是：“這里有一個問題，老板想提價，我要怎么提價。”但數據分析師收到這種需求，就不是這么解讀的。因為數據分析師首先要保證的是：領導決策建立在正確的事實之上，其次才是保證決策建議的可行性。

對數據分析師而言，這里有兩個問題：

問題一：老板口中的“最近銷量挺好”，到底是不是個事實

問題二：在問題一成立的前提下，思考如何落地

二、解題第一步：確認事實

在現實中，很多商業感覺并非建立在事實之上。此時、此刻，銷量是不是真的很好，是需要進一步驗證的。

并且這個任務最適合數據分析來做，業務部門捕捉商機，可能依賴的是自己的經驗、判斷、嗅覺，而數據分析捕捉商機，一定是靠數據說話。

要驗證問題一，需要排除的假設是：

1、不是真的好（僅僅比其他品類多了一點點）

2、是真的好，但不是現在好（這個信息過時了）

3、是現在好，但屬于暫時/季節性/偶然性好（預計不持久）

4、是現在好，穩定的好，但已有資源投入（沒有漲價空間）

整個邏輯用MECE法歸納如下圖：

很多新手數據分析師會忽略這一步。實際上，這一步非常體現數據分析師的價值。老板只是隨口一說，數據分析師就把各種可能性一一排除，對老板來說體驗非常好。顯得數據分析的工作做得很深入。

實際上，何時漲價是有固定套路的，一般參照產品生命周期（如下圖）：

• n 如果A品類生命周期走勢明顯優于過往同款，可漲
• n 如果處于生命周期的早期（上市期、成長期）可漲
• n 如果A品類處于供不應求狀態（庫存周轉快、銷量好）可漲

反之，如果A處于生命周期后期、庫存仍有富余、表現平平，則不應考慮漲價。可考慮搭售、滿減等手段。

三、解題第二步：區分經驗與測試

如果確認了第一步，可以做第二步工作：確定分析方向。

第二步要先確認一點：過往有沒有做過類似調價？

如果有，則基于上次類似調價場景，分析本次調價預計影響與可行性。

如果沒有，就沒有歷史數據參考，則需要設計一個數據實驗，驗證方案可行性。

這一點很能體現數據分析與業務的思路區別。如果換了業務，可能通過與客戶溝通、對用戶的洞察、對商品的理解，能直接作出判斷。但數據分析思考問題，一定是從數據出發。如果有歷史數據，就基于歷史數據分析。如果沒有，就先做測試，收集數據再分析。

當然，實際落地的時候，兩者可以結合。比如業務先提一個漲價方案，數據分析分兩步論證：

1.事前論證：這個方案沒有致命傷

2.事后論證：這個方案可以通過XX實驗驗證

這樣就能推動方案落地了。

四、解題第三步：事前論證

事前論證分兩種情況

1.在有做過調價情況下，總結歷史經驗，給出建議

2.在沒有做過調價情況下，給出可以調價的范疇，避免踩雷

方案要落地，需要時間、地點、人物、起因、經過、結果六要素齊全。因此在復盤歷史經驗的時候，要做細一點，上次調價的六要素，要分析齊全（如下圖）。

在避免踩雷的時候，主要是利用數據剔除一些明顯不合理的設想。理論上，消費者都不傻，調價會導致銷量下降；銷量下降又會導致庫存增加，周轉時間變長；周轉時間變長，又會增加商品過氣的風險，可能進一步影響銷量。雖然沒有數據證明，但業務方在做方案的時候，得思考到這些點。

典型的不合理設想，比如：

1、漲價設定太高，甚至達到了更高檔商品價位

2、銷量沒有調整，默認漲價不會影響銷量

3、銷量預計太多，沒有考慮銷量下降導致庫存增加

這些明顯BUG，大部分來自無經驗情況下，業務方過于樂觀地拍腦袋。作為數據分析師，理應對這種樂觀的YY提預警，至少讓他們意識到問題。

五、解題第四步：事后論證

如果沒有歷史數據積累，則要設計數據實驗，驗證效果。注意：數據實驗的設計，一定需要業務方的參與。因為漲價本身是個業務動作，有明漲/暗漲兩種基本方式。

明漲：直接調價

暗漲：通過推升級版、plus版、減少優惠券投放等形式，暗中調價

這些手段可能產生的效果是不同的。如果是明漲，則可以直接測試所有用戶對價格敏感度。如果是暗漲，意味著只有一部分用戶會響應漲價，需要做用戶分群，觀察部分用戶的反應（如下圖）：

理論上講，暗漲更容易讓用戶感情上接受，畢竟明漲顯得太割韭菜了，頗有囤積居奇之感。但實際操作上，暗漲需要做新的營銷方案，很有可能新方案做砸了，導致漲價策略失敗，業務方會承擔責任。

所以業務方會傾向于明漲，并且要求數據分析師給出預測：到底漲多少，ROI最大化。

這里一定要給業務方講清楚：沒有歷史數據，則無法分析，一定要做測試。不要試圖用拍腦袋/其他拐彎抹角的方法回避這個問題。價格彈性一定是測試出來的，沒有測試就下結論，策略失敗的風險就是數據分析師自己背……

六、小結 

綜上可以看出，一個簡單的漲價，需要大量的、細致的分析，具體到各種場景。很多新手不考慮這么多場景，只是拿一個近一周/一個月銷量，然后開始拍腦袋：“可能漲價以后會減少銷量吧……”

這么粗糙地工作，很容易被領導各種diss，諸如：

“考慮和其他品類差異沒有？”

“會不會只是短期效果？”

“有沒有證據證明真的能漲價？”

數據分析師會很委屈地說：“那你也沒提呀”

此刻領導再懟一句：“你就不多想想！”

這么一來一回，信任就蕩然無存了。

我們常說：數據分析師就是企業的軍師，你看小說里，主公問軍師意見，軍師都有上中下三策，上策里還要分上上策、上中策、上下策。工作做得非常細致，場景思考得很全面，這才是一個合格的軍師應達到的標準，以上，與大家共勉。