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升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

  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：

  5W2H分析法正常的情况下是作为评价指标，对任何的数据和行为都可根据这7个问题进行判断，如果其中有任何一个问题不明确，则要进一步改进。

  下面就介绍一个使用5W1H分析法对一个具体的业务场景做多元化的分析，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来进行问题定位。

  这个问题是很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：

  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一定要保证“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升客户留存率，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，采取有明确的目的性的采取措施。

  有了分析思路，我们就可以直接取出相应数据来进行分析了，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，观察数据不正常的情况，找出客户流失的规律。

  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，但基本能定位为老用户流失问题。

  因为我们没办法追踪到客户的身份和职业等等，所以这个我们应该进行门店调查，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：

  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，主要这样的一种情况主要有三种原因：

  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，我们大家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日当天的订单数据来进行对比。

  可以看出来，13日的订单高峰大多分布在在上午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。

  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样的事情，造成了老用户的流失。

  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的范围，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三种服务长期处在平稳的状态，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做出详细的调查，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，则需要仔细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。

  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。

  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，原因是菜单价格持续上涨、或者是产品或服务下降了，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持续上涨，考虑应该采取一些补偿方法