如何搭建數據歸因模型？

要深度分析問題原因，不能只統計數字，流於表面！每次寫原因分析類報告，都有領導這麼咆哮道。而聽到這個要求，很多新手同學又是眉頭一皺眼睛一閉：媽耶，咋整啊。今天我們系統講解下。

問題場景：

某硬件+服務的大企業，正在推微信服務小程序，目標是降低人工客服工作量。可全力推進一段時間後，人工客服未見減少。客户服務中心（一級部門，很有權勢）領導大為不滿，要求數據分析，為啥推廣小程序沒有減少人工客服量。

一、核心難點

歸因問題首先難在：領導期望太細、太具體，而數據分析給不到。

數據分析產出的：30%的來電用户未綁定小程序，所以應該加強綁定。40%用户綁定了但是近1個月不登錄，所以應該加強運營。

領導期望的：用户為什麼不綁定？是不知道綁？不會綁？不想綁？為什麼又不想綁？是我們沒宣傳？宣傳了還是話術沒説對？話説對了但是客人沒認真聽？

是滴，領導們期望的是這些具體的原因，這樣才能針對性做改善。可這些具體的原因往往涉及用户心理、業務動作、用户與一線業務互動，根本沒有數據記錄，很難量化分析。可如果只給一個很粗的“加強綁定”的建議，肯定業務方不買單。誰來加強，加強哪裏，加強到什麼程度，一共十三步操作綁定排第幾，這些具體問題都沒有答案，自然會抗拒這種結果。

然而，即使是再做細緻拆分，還有另一個核心難題：用户綁定了不登錄，到底是因為用户太蠢，但是我們沒做好？這個問題深挖下去是個無底洞，因為本身這兩者就是相輔相成，很難完全剝離某一方面理由。然而卻總被人拿來甩鍋。咋辦呢？

二、破局思路

想破局，關鍵在於：不要企圖把所有的問題，都用數據分出來原因。人的情緒都有感性、複雜、衝動的部分，不可能全部用理性、邏輯的數字來量化。

想破局，第一步要把原因和具體的業務動作對應起來，然後搞成一個政治正確的行為，讓業務方不得不接受。

比如：公司今年的大方向是數字化升級，所以在營業廳辦理過業務的客户，必須綁定小程序，沒有綁定的就是營業廳沒做好！雖然有可能是因為客户自己不想綁，但是不管這麼多，他不想綁，可以想各種辦法，給好處，幫客户操作，總之搞掂他！不要扯什麼客户意願、什麼操作習慣。這就叫政治正確。

當然，真這麼強硬要求，結果肯定是逼死一線（所有的政治正確都會逼死人，不止這個）。

因此，第二步，要合理地提目標。比如大目標是：減少人工客服量。我們要做的是通過數據優化，讓整體趨勢下行即可（如下圖）

有了前兩步鋪墊，第三步就可以打數據標籤。用户的行為、客服服務內容、業務動作，都可以歸納為標籤，有了標籤，就能把感性的，場景化的，難以量化的行為，部分轉化為數據可記錄的內容，從而為分析鋪路（如下圖）

第四步，就能利用數據標籤進行歸因了。比如“營業廳沒有做好指引，所以新用户在營業廳註冊報裝後，還是沒有綁定小程序”這種感性的原因就能被簡單歸為：新用户+已註冊+未安裝+未綁定。有了這個標籤，能夠識別哪些用户是因為營業廳沒有引導到位而諮詢客服，從而進一步思考對策。

當然，實際操作中標籤可能很多，因此有必要梳理好標籤之間邏輯，從而清晰的進行分層歸因，這就是從找一個原因到梳理歸因模型的過程。

三、模型構建

構建模型過程，本質上是梳理邏輯，形成系統化解釋的過程。因此可以按照用户生命週期，進行分類構建。

從經驗上來看：投訴類來電，在業務上性質特殊，屬於高風險行為。別的來電都能用小程序替代，唯獨怒氣衝衝的客户，必須用人工來服務，至少讓人家消消氣，不然一怒之下弄上新聞媒體，客服領導面子也掛不住，因此在梳理邏輯的時候可以單獨分類處理。

非投訴用户可以分為：潛在用户、新用户、已開户用户三類人。三類人需求差異明顯，客服服務政策也有區別。比如潛在用户諮詢，本身屬於有潛在收益行為，因此是可以作為銷售線索轉營銷系統跟進的。

真正要關注的，是常規操作、進度知會、活動諮詢等等。這些信息發佈、用户互動，沒有風險、沒有收益、純粹是用户自己操作還是客服代為操作的問題，甚至在小程序更簡單。因此可以想各種辦法分流。（如下圖）

梳理完邏輯以後，可以將數據填入模型，觀察問題大小。解決問題，可以從大到小安排，優先考慮當前佔比高的問題，也可以從簡單到複雜解決，優先落實容易執行的。

總之各個擊破，逐步降低人工客服的工作量，只要整個曲線走勢是持續向下的，就能證明工作成效。且對比建立模型之前，歸因的細節極大豐富，很容易在領導那裏過關（如下圖）

當然，以上示例只是一個解題思路，還可以從其他維度入手構建模型。業務流程不同，目標不同，歸因方法肯定也有差異。只要業務看到數據以後，能很清晰的知道自己做什麼，就算達到目的了。

四、小結

很多人會很糾結：到底原因是什麼。其實就跟談戀愛一樣，分手以後追着前女友/前男友苦苦問：為什麼！為什麼！到底是為什麼！一點意義都沒有。企業經營也是同理，我們不是搞科學研究的，而是來掙錢的，所以真實原因可能永遠無法知道，但是隻要經營指標是向好發展，業務能不斷改善，目的就達到了。

可惜即使講到這裏，還是有很多人不明白，甚至一些做數據的老鳥也會猜這個坑。非要糾結於細節原因，甚至丟下數據，去搞用户訪談，去做1對1深度溝通。結果嗎，自然像你拖着前女友/前男友，痛哭流涕的問：“為什麼！為什麼！到底為什麼！”一樣，人家回答：

渣男：你很好，我們只是沒緣分

渣女：你很好，我只是不喜歡男人

你信嗎？！……你最好不要信！萬一真信了，女的天天求神拜佛苦等渣男回頭，男的胯下一刀胸口一填重新做人，那就真把自己整完蛋了，哈哈哈哈。

如果大家感興趣，關注接地氣的陳老師，我們下一篇分享一個如何對用户運營歸因的例子，敬請期待哦。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深諮詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

本文原創發佈於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議。