数据分析的工作大部分的分析其实都是在找表面原因

数据分析的工作大部分的分析其实都是在找表面原因。

• 用户数下跌了：A渠道新用户下跌；
• 转化率提升了：落地页转化率上升；
• 留存率下降了：C地区用户留存率下降。

找表面原因其实就是通过指标体系的各种维度、子指标对问题进行拆解，得出一些初步的数据结论。

对于成熟的业务线来说，这种分析足够了。业务方拿到分析结论，自己稍加分析就知道后续该做什么。比如渠道人数下降了，对应的动作要么就是增加投放资源，要么就是优化投放的内容，提高拉新效果。

但是这是一般情况，有的时候我们就算给出了上面这些结论，领导也不满意。因为在具体执行的时候，还是不知道该做什么。

• 渠道人数下降了，但是我们没资源做新的投放，只能优化现有的文案。数据分析师来分析一下，用什么文案比较好？
• 落地页转化率不高，但是业务同学已经修改了八个版本的落地页，效果都不好，我也知道要优化落地页，但是到底要怎么优化？

表面原因会让业务进入误区，而且始终用这些结论驱动业务发展，很容易进入一个隐藏的陷阱，那就是追求短期收益而丧失了长期收益。

比如APP的日活下降，通过表面原因的分析最后发现是由于用户的留存率的下降导致的。

这个结论不能说错，但是很容易误导人。因为这个结论的潜台词是，整个业务是一台运转严密的机器，最终的产出下降了，是中间的一环出现了问题，现在既然留存率出了问题，那么我们把留存率搞上去的话，日活就能回归正常。所以提升留存率就成了之后的业务目标。

而一旦提升留存率这件事成为一个KPI之后，业务同学就会做一些能快速提升留存率的动作，比如签到活动、标题党PUSH之类的运营动作。

这些运营动作确实会给留存率带来短期的提升效果，但是对于整体APP的产品力提升并没有什么帮助，甚至这些动作还会让用户厌烦，长期来看反而会降低留存率。

 一、第一性原理

1. 第一性原理

面对这种情况，怎么办呢？不着急具体结论，我们先介绍一个概念：“第一性原理”。

这个词大概是2017年开始在互联网知识圈中火起来的，带火这个词的是马斯克。在一次TED采访中，他透露了自己非常推崇的思维模式，叫做 “First principle thinking”，翻译成中文就是「第一性原理」思维。

因为马斯克利用第一性原理在多个领域都取得了成功，于是“第一性原理”就被很多创业公司奉为圭臬。虽然如今马斯克的特斯拉负面消息不断，不过那就是另一个故事了。

第一性原理是指当你遇到一个问题，问题背后一定有其原因，这个原因的背后还有原因，就这样一步一步向前推演，直至找到问题最本质的原因。然后，从这个本质原因开始，重新向后推演，直到找到解决问题的方法。