在实际的数据分析场景中，最困难的事情并不是如何分析问题，而是如何提出一个好问题。我们数据分析师经常说，能提出一个好问题，比解决十个简单问题要有用的多
而很多人在做数据分析的时候，往往只是接受业务方或者领导提出的问题，自己很少去主动发掘数据问题，如果丢给他们一堆数据，他们很难从中发现出异常
今天启方就介绍一种可以有效提高逻辑能力和问题发掘能力的方法，也就是商业分析中经常会见到的——5w2h分析法。
什么是5W2H分析法？
5w2h模型应该很多人都听说过，也经常被叫做“七何分析法”，主要由7个要素构成：
What：何事—— 我要做一件什么事？
Why：何因——为什么要做？ 确定合理吗？
When：何时——什么时候要做？什么时候发生的？
Where：何地——在哪里做？依靠什么平台做？
Who：何人——需要什么人参与？主导人和对象是谁？
How：何法——具体干了什么？过程是什么？
How much：何量——投入与产出是多少？
5W2H分析法一般情况下是作为评价指标，对任何的数据和行为都可以按照这7个问题进行判断，如果其中有任何一个问题不明确，则需要进一步改进。
5w2h怎么用？
下面就介绍一个使用5W2H分析法对一个具体的业务场景进行分析，就以最近比较惨淡的餐饮行业为背景吧。
某家线下餐饮企业最近一个月显示客户明显减少，通过业务部门的初步分析判断是由于老用户的严重流失，但是业务部门无法追踪到用户流失的准备原因，想让你来通过现有的数据进行问题定位。
这个问题是比较常见的用户流失分析，分析方法有很多，今天我们就单独用5w2h来分析：
分析目的
一般来说，餐饮行业是极其注重用户运营和客户质量的，要想实现持续盈利就必须保证“新用户的流入>老用户的流失”，因此餐饮行业一般会通过广告投放进行拉新，然后通过促销活动进行促活，这是业务背景。
现在业务想要你定位客户减少的原因，本质上是想让你想办法提高客户留存率，而且还要在保持拉新成本不变的前提下，因此我们这次分析的目的，就是要定位到客户流失的原因，定位到原因就有调整的办法，采取有针对性的采取措施。
分析思路
我们直接按照5w2h的思维模式来：
what：老用户近一个月流失了很多。
where：哪家门店流失最多？什么地段流失最多？
who：什么人流失了最多？用户画像如何？是否与年纪、职业、性别有关？
when：什么时候流失最多？某个星期？某一天？一天中的某段时间？
why：为什么流失？因为菜品难吃？价格过高？有了竞争对手？环境原因？
how：怎么流失的？阶梯式流失？断崖式流失？缓慢式流失？
how much：流失了多少？是否处于正常水平？
数据分析
有了分析思路，我们就可以直接取出相应数据进行分析了，这里我们主要从客户类别、客户画像、客流量、成本、活动等维度入手，观察数据异常情况，找出客户流失的规律。
1、流失用户分析
首先我们先分析一下流失用户的画像，如下图所示：
通过用户流失图我们能看出来在客户分布中，总用户流失达到40%，其中老用户流失了35%，新用户流失了5%，这个数值比较极端，但基本可以定位为老用户流失问题。
因为我们无法追踪到客户的身份和职业等等，所以这个我们需要进行门店调查，看一下老用户的消费水平变化，我们取上个月和这个月老用户的平均消费区间，如下图：
内圈代表上个月的消费区间，外圈代表这个月的消费区间。
可以从上图中看出，上个月老用户的消费水平集中于40-50，但是这个月老用户的平均消费水平下滑到了40以下，主要这种情况主要有三种原因：
一是可能菜单价格提高，超过了老用户的消费水平，因此消费水平下降；
二是可能因为外部环境，大家都没钱了，或者老用户的消费欲望降低了；
三是高价的菜品质量下降了，性价比降低，老用户觉得不合算；
2、客户活跃时间分析
下图展示了这一个月中每天的客流量与客户类别的关系，通过这张图可以看出来某类客户的流失异常时间。
从图中可以看出来，老用户大概在14号左右出现了突然下滑的趋势，16号之后便处于一个低水平的状态；新用户在14号左右也受到了一些影响，但是影响有限，不如老用户更明显。
为了更加直观，我们可以直接用流失率来表示老客户流失的情况，流失率即代表：今天较昨天减少的老客户/昨天的老客户。
可以看出老用户的流失率在14号出现断崖式下降，20号有一次波谷，是流失率最大的一天，此后流失率渐渐平缓，趋向于零，说明老用户流失殆尽。
一般来说，影响老用户的因素无非是品牌、产品服务和价格，影响新用户的因素更多的是时间、位置、价格。因此明显可以得知14号出现了某种特殊情况致使用户流失，我们拉取13日和14日当天的订单数据进行对比。
可以看出来，13日的订单高峰主要集中在上午8-11点，以及晚上的19-22点；但是在14日的时候，老客户在中午和晚上出现崩塌式流失，尤以上午8点和9点为甚，这样时间我们就追踪到了。
接下来就要追踪，在14日上午这段时间里，究竟发生了什么。
3、流失原因分析
我们把时间定位到了14日上午，首先要知道这天发生了什么事情，造成了老用户的流失。
一般来说，老用户会造成流失的原因无非就五个：
一是老用户的消费频次太低，消费间隔时间太长，属于不活跃的老用户；
二是老用户的满意度下降，一般是由于产品和服务出现变动时，心理预期下降；
三是老用户的选择变多，更好的品牌或者竞争对手的出现；
四是价格升高，老用户对于价格的容忍度较高，同时敏感度也较高；
五是其他一些原因，比如一些不可抗因素；
我们可以拉取最近各种菜单或服务的订单量，看看有没有什么变化：
这张图展示了A-G6种产品和服务在近一个月的订单情况，分别代表着不同的价格区间，A的价格最低，订单最多，而G的价格最高，订单最少。
可以看出来E、F、G三种服务一直处于平稳的状态，位于图表的下方；而C、D两种服务虽然小有波动，但是变化也不明显，位于图表的中部位置；
而A服务明显在14日出现了断崖式下降，8服务也在14日左右出现了滑坡式下降，为了方便显示，将其提取出来单独展示：
那么，是什么原因让A与B的产品或服务出现大幅度下降呢？最直接的原因可能就是价格，此时我们就可以与业务人员进行调查，看一下是否A和B的价格在14日当天出现了调整，造成了老用户的流失。
如果真的是因为价格升高造成老用户流失，则需要考虑采取一些方式恰当挽回，比如针对老用户的补偿措施。
其次，我们要看一下外部的因素，老用户是否有了更多的选择，也就是是否在14日当日竞争对手采取了一些活动或者措施，或者是新开了一家店，造成我们的老用户流失。而如果新用户流失不明显，则说明并不是有了新店，很大概率是竞争对手提出了一些针对老用户的优惠措施，将老用户分流过去了。
最后，针对一些活跃度不高的老用户，需要采取一些唤醒措施。
4、门店位置分析
通过对门店的分析，我们能很轻易看出异常：乙门店在15号左右直接下降了40%左右，其他门店都处于正常水平。下一步就是细化乙门店的订单情况，分析方法同上，具体过程这里就不详细说了。
分析结论
我们将分析的过程直接套入到5w2h模型中，得出相应的结论：
- what：流失用户中老用户占大多数，大约在80%-90%；
- where：乙门店流失最多，可能是乙门店附近的竞争对手做了营销活动，吸引了乙门店的老用户，而其他门店并未收到影响；
- who：老用户之中消费水平在40-50元的流失最多，下降到了40以下，可能是因为菜单价格上涨、或者是产品或者服务下降了，性价比降低。
- when：本月14日流失最多，一天当中上午的流失最多，应该在上午采取一些线下的促销活动；
- why：可能考虑是A、B两种产品服务的价格上涨，考虑应该采取一些补偿措施
原作者：数据分析不是个事儿