“近期发现直播间单场GMV上升，但人均互动次数下降，作为商业分析师，你会如何分析？”
GMV上升，说明成交结果变好，但人均互动次数下降，可能意味着用户参与感和粘性在变差，长期来看会损害流量和转化潜力。那这一升一降，到底直播间是健康还是不健康？分享一下我的分析思路。
1. 确认数据是否真异常
- 确认数据准确性：数仓是否存在异常，GMV、人均互动次数的数据口径近期是否有过改动，确保前后口径一致。
- 排除活动干扰： 这场直播是否做了非常大力度的秒杀等活动，这可能让用户顾着抢货，没空互动，人为导致GMV升、互动降。
2. 搭建分析框架，进行多维拆解
我们需要把GMV和互动这两个指标，放到同一个分析框架里进行拆解和交叉对比。
1). GMV提升的归因分析，钱是从哪里来的？
GMV = 观看人次 × 转化率 × 客单价
- 观看人次：是总流量变大了吗，是否投流增加了
- 转化率：是转化变得更高效了吗，为什么
- 客单价：是卖了更多高单价商品吗
定位出本次GMV提升的核心原因，是流量原因、转化原因还是客单价原因
2). 互动下降的归因分析，是谁不互动了？
人均互动次数 = 总互动次数 / 观看人次
- 从分子，总互动次数看：
- 是评论、点赞、分享全在降，还是只有某个互动行为（如评论）在降
- 是新用户不爱互动，还是老粉沉默了
- 从分母和用户结构看：
- 流量来源是否有变化，是否涌入了一大波付费渠道来的新用户，他们本身互动意愿就低，但贡献了GMV，从而拉低了整体人均
- 平均观看时长是否变短，用户停留时间变短，影响互动数同步下滑
3. 多维度下钻，定位问题点
- 用户维度： 是新用户占比大幅提升，而新用户只买不聊吗，还是我们的老粉、高价值用户沉默了
剩余见图
总之，面对矛盾指标，商分要做的不是单独解释每一个，而在于找到指标之间的内在联系，诊断出业务真实的健康度，从而为业务的可持续发展提供决策依据和建议。
最近面试有啥问题的同学欢迎找我聊聊
后续分享更多互联网分析的思考
关于我：运营→数分→商分→经分leader
#商业分析 #数据分析 #数据分析求职 #商科求职 #面试题 #面经 #求职 #数据分析转行 #互联网大厂 #大厂
GMV上升，说明成交结果变好，但人均互动次数下降，可能意味着用户参与感和粘性在变差，长期来看会损害流量和转化潜力。那这一升一降，到底直播间是健康还是不健康？分享一下我的分析思路。
1. 确认数据是否真异常
- 确认数据准确性：数仓是否存在异常，GMV、人均互动次数的数据口径近期是否有过改动，确保前后口径一致。
- 排除活动干扰： 这场直播是否做了非常大力度的秒杀等活动，这可能让用户顾着抢货，没空互动，人为导致GMV升、互动降。
2. 搭建分析框架，进行多维拆解
我们需要把GMV和互动这两个指标，放到同一个分析框架里进行拆解和交叉对比。
1). GMV提升的归因分析，钱是从哪里来的？
GMV = 观看人次 × 转化率 × 客单价
- 观看人次：是总流量变大了吗，是否投流增加了
- 转化率：是转化变得更高效了吗，为什么
- 客单价：是卖了更多高单价商品吗
定位出本次GMV提升的核心原因，是流量原因、转化原因还是客单价原因
2). 互动下降的归因分析，是谁不互动了？
人均互动次数 = 总互动次数 / 观看人次
- 从分子，总互动次数看：
- 是评论、点赞、分享全在降，还是只有某个互动行为（如评论）在降
- 是新用户不爱互动，还是老粉沉默了
- 从分母和用户结构看：
- 流量来源是否有变化，是否涌入了一大波付费渠道来的新用户，他们本身互动意愿就低，但贡献了GMV，从而拉低了整体人均
- 平均观看时长是否变短，用户停留时间变短，影响互动数同步下滑
3. 多维度下钻，定位问题点
- 用户维度： 是新用户占比大幅提升，而新用户只买不聊吗，还是我们的老粉、高价值用户沉默了
剩余见图
总之，面对矛盾指标，商分要做的不是单独解释每一个，而在于找到指标之间的内在联系，诊断出业务真实的健康度，从而为业务的可持续发展提供决策依据和建议。
最近面试有啥问题的同学欢迎找我聊聊
后续分享更多互联网分析的思考
关于我：运营→数分→商分→经分leader
#商业分析 #数据分析 #数据分析求职 #商科求职 #面试题 #面经 #求职 #数据分析转行 #互联网大厂 #大厂
