[[425901]]

本文轉載自微信公眾號「碼工小熊」，作者小熊妹。轉載本文請聯系碼工小熊公眾號。

大家好，我是愛學習的小xiong熊妹。

今天繼續跟大家分享：分層分析法。這個方法也非常簡單實用，即可以彌補矩陣分析法的缺陷，又是用戶分群，商品ABC分析的基礎，很實用哦。

一、為什么要做分層

分層分析，是為了應對平均值失效的場景。

這就是典型的平均值失效。統計的時候，因為一個張老財，把人均數值搞得不可信了。而分層分析法處理這個問題的思路也很簡單：

把張老財單獨分一層“老財主”

把其他人單獨分一層“窮光蛋”

“老財主”≥≥“窮光蛋”

搞掂啦!

這樣下次統計的時候，就可以看：有多少“老財主”，有多少“窮光蛋”，兩個收入階層單獨統計平均收入，作為打土豪的依據。這樣就解決了平均值失效的問題。

二、分層如何做

第一步：明確分層對象和分層指標。

比如：

• 想區分用戶消費力，分層對象就是：用戶，分層指標就是：消費金額
• 想區分商品銷售額，分層對象就是：商品，分層指標就是：銷售金額
• 想區分門店營業額，分層對象就是：門店，分層指標就是：營業收入

這些要提前想好

第二步：查看數據，確認是否需要分層。

分層是應對平均值失效的情況的，所以如果如下圖1，存在極值影響的情況，則適合分層。如果是如2，極值影響不大，則不適合

第三步：設定分層的層級。

這是最糾結的一步，很多時候會因為到底多高算“高”而吵起來。最好的解決辦法是老板拍板，所有人都不用爭不用吵了。

除此以外，還有一些簡單有效的判斷方法，比如著名的“二八原則”。以上述銷售業績分層為例，可以先從高到低排序，然后把累積業績占80%的人選出來，作為“第1層級(優等)”，其他的歸為“第2層級(次等)”(如下圖)

但是從上圖也能看出，這樣分并不很合理，有一些業績很低的業務員被歸入了一級。這是因為，在這一個銷售團隊內，業績差異實在太大了，因此簡單的二八開并不能有效區分。

此時還可以用“二四六八十”法則，即計算個體與平均值的差異，然后：

• 比平均值高的，根據平均值的2倍、4倍、6倍、8倍、10倍，分層
• 比平均值低的，根據平均值的1/2、1/4分層

這樣的分層，能有效區分遠遠高于平均值的個體，效果如下圖

分完以后，分層就結束啦!多簡單

三、如何利用分層分析?

分層的最大作用是幫我們看清楚：到底誰是主力，誰是吊車尾。從而指導業務，從人海戰術向精兵簡政思考。還拿上述的銷售團隊舉例，如果發現A1號銷售這么厲害，我們就不會想著：“人均業績100，那想多做1000業績，就得招10個人”，而是會去想：“怎么樣再挖掘一個A1過來。”

此時，有幾個常見的思考方向：

• 人員畫像：A1是什么學歷、多大年紀、多久從業經驗。此時對應的做法是：找和A1有類似畫像的人，應該他也能像A1一樣好
• 人員行為：A1做了哪些事情?能取得這么好的業績。此時對應的做法是：找到A1的關鍵行為，然后讓其他人學A1
• 目標客戶：A1服務了哪些客戶?是不是這些客戶本身更容易做?此時對應的做法是：讓其他人多發展同行業的客戶，然后再找新的銷售，服務不容易做的客戶
• 成長經歷：A1是怎么從普通人里脫穎而出的，穩定不穩定?此時對應的做法是：如果A1是穩定成長的，則看這么培養其他人;如果A純粹運氣好，則采用大浪淘沙的戰術，多搞新人進來，期望冒出頭一個新A1

可見：分層分析是其他分析的前哨站，做好了分層，能引發更多思考和進一步分析。有很多講數據分析的文章會提到分層分析，比如應用于商品的，叫ABC分類，應用于用戶的，叫用戶分層，應用于業務的，叫二八法則。本質都是一回事。

四、分層分析的不足之處

每種方法都不是萬能的，分層分析的缺點，在于：只考慮一個分層指標。雖然簡單，但是片面，不能全面說明問題。如果想采用二個指標，可以用矩陣分析法，如果想采用多個指標，可以用DEA模型。