1.明确问题
问题：与去年一年的月平均销售额相比，本年度最近一个月的新车销售额降低了大约15%。
1)多维度拆解数据层
按照指标定义，将“新车销售总额”拆解为“新车销售数量”与“平均单价”。
新车销售额 = 新车销售数量*平均单价
从“用户是否首次购买”这个维度，将“新车销售数量”拆解为“本品牌首次购买数量”和“本品牌再次购买数量”。
“本品牌首次购买数量”，可以拆解为“从其他品牌流入”的用户（之前在其他品牌买过车）和“首次购买车辆”的用户。
“本品牌再次购买数量”拆解为“再次购买时仍然选择了本品牌产品”的老用户，和“转为购买其他品牌用户”的老用户。
客户忠诚度 = 老用户“再次购买时仍然选择本品牌产品”的车辆数/ “老用户再次购买的车辆总数”。
这样，“本品牌再次购买数量”= “老用户再次购买车辆总数”* 客户忠诚度。
如下所示：
根据“多维度拆解”图，我们可以对数据进行清洗，得到拆解后的各个细分数据。
2)假设检验方法，分析原因
根据以上“多维度拆解图”，下面用 “假设检验方法”对每个部分进行验证。
a.提出假设：问题出在平均单价
得出结论：从图表可以看出，“平均单价”在这两年期间比较稳定，基本在平均值（200万日元）上下5%的范围内。至少在过去的一年里，没有出现过价格明显下降的情况。
c.收集证据
得出结论：从图表可以看出，本品牌首次购买数量基本维持稳定，而再次购买数量在过去的一年出现了减少。从数据上可以确定，“本品牌再次购买数量”是“新车销售总额”减少的主要原因之一。
d.接下来对“本品牌内再次购买数量”的拆解对象进行分析
e.按某个维度对客户忠诚度进行拆解
一般拆解的维度可以是用户（年龄、职业、性别等），产品（车型），竞品（研究竞品是不是在搞什么优惠活动，用户跑到竞争对手那里了）。
从哪个维度来比较客户忠诚度，才能找到问题发生的原因呢？
作为这个例子的可靠假设，可以展开以下讨论：
按照不同的客户群体，例如不同年龄层的客户来分析客户忠诚度，会发现对不同的车型来说，人们的评价或喜爱程度并不一定与年龄有关。
也就是说， 不同的车型更能体现出人们对其评价或喜爱程度的不同。
根据这一假设，可以从“产品（车型）”的维度来比较不同产品的客户忠诚度，在进行”产品（车型）”的维度来比较不同产品的客户忠诚度“时，我们要用到对比分析方法，下图是比较表格：从产品（车型）维度比较不同产品的客户忠诚度。
对销售总额这个最根本的问题来说， 是否存在对其影响较大的车型和并无太大影响的车型呢？
虽然深入分析是好事，但如果分析的对象对问题整体的影响微不足道，这个工作就不会产生任何意义。根据对 问题影响的大小来决定优先顺序和关注程度，也决定了根据分析结果采取的措施能够对解决问题产生多大贡献。
从图表中，我们可以发现只有车型A的比例明显小于其他车型。如果将问题锁定为车型A，即使采取了有效的对策，对解决整体问题的影响仍然是有限的。因此可以暂且降低车型A的优先顺序。
从图表中，我们发现只有车型A的客户忠诚度显著偏低，其他车型之间没有太大差别。
b.衡量波动：变异系数
接下来对不同车型客户忠诚度的变异系数进行比较，得到下图里的数据。
从图表可以发现，虽然车型A的变异系数明显高于其他车型， 但该车型数量较少，对整体的影响很小，因此在此就不涉及。
从其他车型来看，车型D的波动较大。车型D的客户忠诚度与车型B、车型C几乎没有差别，所以很难将其认定为直接影响问题的关键。但从波动程度来看，车型D极有可能含有其他问题或风险，需要引起注意。
c.衡量趋势变化：时间折线图
根据前面确认的结果，暂且将车型A从比较对象中剔除，对其余3个车型的客户忠诚度随时间变化进
从图片中可以发现，车型B和车型C的客户忠诚度均自一年前开始逐渐降低。也就是说，转为购买其他公司产品的比例提高了。
具体数字是最近2年从约80%～90%减至50%～60%，降低了30～40个百分点。可见，拥有本品牌产品但需要再次购买车辆的人中，这2年期间有近30%被其他公司夺走了。
d.汇总对比分析结果
从上面的分析结果， 车型B与车型C是重点进一步分析的对象。
分析到这一步，可以问自己一个问题：为什么车型B和车型C的客户忠诚度会出现下降？
e.下图从“车型B的客户忠诚度为什么会下降“的疑问开始，提出假设，最终将问题归纳为“售后服务”“产品”和“价格”3个因素。
在上图中，有一个原因是“因为其他公司推出了具有竞争力的产品”。对这个原因，无论如何深入分析，解决方法也只能是 “开发更有竞争力的产品”等中长期措施，不能成为尽快增加销售的方法。因此，可以暂且将其优先顺序推后。
也有可能这才是根本原因，所以我们不是无计可施就忽视它的存在，而是因为目前需要优先调查能在短期内采取对策的原因。与那些需要严密调查理论上的所有原因，写成报告的情况不同，工作中需要根据目的、制约条件和实际情况，采取灵活的措施。
下面我们用 假设检验分析方法来验证上面提出的假设。
车型B和车型C的客户忠诚度下降是因为综合满意度下降。两者有相关性。
证据：那么，根据前面的图，先来看综合满意度（月份平均）与客户忠诚度是否相关。因为没有区分不同车型的满意度数据，只有包括所有车型的综合满意度，所以需要计算.综合满意度与各车型客户忠诚度之间的相关系数。（下图是不同车型客户忠诚度与综合满意度的相关系数）
但是如果只分析到这里，只看综合满意度，并不能决定“接下里应该采取哪些措施”。这样的话仍然无法对实际业务产生意义，所以接下来还要再次 应用相关分析来探讨综合满意度之间和“售后服务”“产品”“价格”之间的相关程度。
1)车型B
证据：下图是车型B的综合满意度和售后服务、产品、价格的相关系数。
结论：通过上图可以发现，对车型B来说，综合满意度和价格高度相关（相关系数是-0.72），表示价格越高，顾客满意度就会越低。也就是说，与同类产品的价格比（相对而言是贵还是便宜）对综合满意度的影响较大。车型B的用户对价格比较敏感。
下图是车型B的综合满意度和售后服务、产品、价格的相关系数。
2)车型C
证据:下图是车型C的综合满意度和售后服务、产品、价格的相关系数
结论:通过上图可以发现，对车型C来说，综合满意度高度和售后服务满意度高度相关（相关系数是0.59），表示售后服务越高，综合满意度高度也越高。
同样是综合满意度，车型B的用户与车型C的用户所重视的关键点完全不同。当然，我们也可以越过综合满意度，直接考察每个车型的客户忠诚度与“售后服务”“产品”“价格”等数据的相关系数。
U633687664
U582121265
