一、反馈里藏着一段需求

「这不是我要的」有五种常见意思：粒度太粗、口径不对、时间不对、对象不对、结论不痛不痒。 前四种是表达问题，第五种才是分析问题。 分不清是哪一种，就会陷进「改一版—再改一版」的循环。分得清，一句话就能对齐。

二、按客户旅程拆，不要按部门拆

拆组块最常见的错，是按公司组织架构拆：市场部、销售部、电商部。 这样拆出来的块互相重叠——同一个客户既被市场部拉来，也被电商部成交。 按客户旅程拆就不会重叠：拉新、复购、每单买多少、走掉。 一个人从进店到离开，必然经过这四段，且只经过一次。

四块加起来正好是整盘生意，不多不少。

三、给组块打分：三个维度

打分不是为了显得严谨，是为了把「我觉得」变成「可以吵的数」。三个维度—— 影响面：这一块全拿到手，一年能多多少销售额。这是天花板，不是预测。 数据完备度：0 表示根本查不到，1 表示有部分，2 表示拿得到。

可操作性：0 表示动不了，1 表示要跨部门，2 表示你自己就能推。 加权时给影响面一半权重，另外两项各四分之一。 权重可以改，但必须写出来——写在纸上的权重可以争，藏在心里的权重只能猜。

四、排出来的顺序不等于重要性

客户流失这块写着 260 万的影响面，不算小。 可它的数据完备度是 0：系统里连「谁是流失客户」都定义不出来。 这种块再重要也只能先放着。评估的目的是排「下一步做什么」，不是排「什么最值得关心」。 这两件事经常被混为一谈，混了以后就会得到一份「什么都重要，所以什么也没做」的报告。

五、把组块写成一句能执行的话

「提升每单件数」不是一句话，是个方向。能执行的话要带三个东西：指标、基线、期限。 「下个季度把每单件数从 1.41 拉回 1.49」——这句能排期、能验收、能被证伪。 四周后件数没动，就是判断错了。承认得越早，试错成本越低。

六、动手 Demo：拆成能评估的组块

四个组块、三个维度、一个加权公式，全部算给你看。 重点看最后一行：影响面最小的那块，因为数据查不到，直接掉到最后。

blocks = [
    ('new',      420, 2, 1),   # 影响面万元, 数据 0-2, 可动 0-2
    ('repurchase', 380, 2, 2),
    ('items',    510, 2, 2),
    ('churn',    260, 0, 1),
]
mx = max(b[1] for b in blocks)

for name, impact, data, act in blocks:
    score = impact / mx * 0.5 + data / 2 * 0.25 + act / 2 * 0.25
    print('%-11s %4d  %d/%d  %d/%d  %.1f'
          % (name, impact, data, 2, act, 2, score * 100))

print('排序：', [b[0] for b in
                 sorted(blocks, key=lambda b:
                        b[1] / mx * .5 + b[2] / 2 * .25 + b[3] / 2 * .25,
                        reverse=True)])

实跑输出：

--------------------------------------------------------------------
拆成能评估的组块
--------------------------------------------------------------------

  ① 四个组块
  --------------------------------------------------------------------
  销售额这个大盘子，能下手的地方只有四块：
    新客获取、复购频次、每单件数、客户流失
  「组块」的意思是——每一块都能单独拿出来问一句「这块现在能动吗」。

  ② 三个维度给每块打分
  --------------------------------------------------------------------
  影响面：这块全拿到手，一年能多多少销售额（万元）
  数据完备度：0 没数据／1 有部分／2 拿得到
  可操作性：0 动不了／1 要跨部门／2 我自己就能推

| 组块 | 影响面 | 数据 | 可动 | 总分 |
|---|:---:|---:|---:|---:|
| 新客获取 | 420 | 2／2 | 1／2 | 78.7 |
| 复购频次 | 380 | 2／2 | 2／2 | 87.3 |
| 每单件数 | 510 | 2／2 | 2／2 | 100.0 |
| 客户流失 | 260 | 0／2 | 1／2 | 38.0 |

  总分 = 影响面占一半，数据与可动性各占四分之一。

  ③ 排出来的顺序，和「哪个重要」不是一回事
  --------------------------------------------------------------------
  影响面最大的是每单件数（510 万），但客户流失也写着 260 万——
  可它的数据完备度是 0：现在连「谁流失了」都查不出来，
  再重要也只能先放着。
  ! 评估组块问的不是「哪块重要」，是「哪块现在能动」。

  ④ 于是第一句能执行的话出来了
  --------------------------------------------------------------------
  下一个季度：把每单件数从 1.41 拉回 1.49。
  这句话有指标、有基线、有期限，可以被证伪——
  四周后件数没动，就是这套判断错了。

复购频次的 87.3 分比新客获取的 78.7 分高，尽管后者的影响面更大——因为复购这一块「我自己就能推」， 新客要跨部门。 这就是打分的用处：它把「能不能动」这个常被忽略的因素，摆到了台面上。

30 秒实验

1. 把可操作性的权重从 0.25 提到 0.4（影响面降到 0.2），看排序变不变。
2. 给客户流失的数据完备度从 0 改成 2，它立刻升到第几？
3. 加第五个组块「提价」，影响面自己估一个数，看它排在哪。

常见误区

1. 按部门拆组块：同一笔销售额会被算两次，加起来超过总量，一看就知道拆错了。
2. 只按影响面排序：会推一个数据都没有、也没人能动的方向，报告漂亮，落地为零。
3. 权重藏在心里：客户问「为什么它排第一」，答不出权重，整张表就失去说服力。
4. 把组块当成互斥的因果：组块是切分口径，不是因果结构；件数涨了也可能让流失变多。

组块排好序，接下来要选一刀切下去。 可同一份数据，从不同维度切会切出三个都成立、结论却相反的标题——下一篇讲这件事。

• ☐ （本篇完，下一篇 1.3 分析从你介入的那一刻开始）

相关笔记

• Acme 的委托：先把问题定下来
• 分析从你介入的那一刻开始
• 回顾工作与英明的决策
• 📈 深入浅出数据分析 · 索引