一、明确核心目标

• 问题定位：数据波动是什么时候、什么情况下开始的？

• 变化原因：变化是由短期波动、长期趋势，还是某次特定事件引起的？

• 后续改进：需要优先关注哪个维度？

二、数据呈现的维度

• 时间维度：
• 短期数据（日统计）：用于发现突然变化或具体时间点的异常。
• 中期趋势（周统计、环比）：显示较大时间跨度内的变化趋势，去除短期波动的影响。
• 长期趋势（月统计、同比）：适合观察季节性变化或战略性结果，长期趋势。

• 用户分组：
• 新老用户对比：区分首次使用用户和长期用户的行为差异。
• 地域/设备分布：分析数据波动是否集中在特定设备或地区。
• 渠道来源：排查某些特定来源用户的变化。

三、数据呈现的方式

1. 表格 + 对比标注

2. 趋势图 + 标注关键点

• 折线图：显示保存率的每日变化。

• 柱状图：比较新用户和老用户的保存率差异。

• 标注关键时间点：标明功能上线、优化发布等时间节点。

3. 分层数据对比

四、重点数据对比方法

1. 同比和环比结合：

• 环比：近期短期变化，发现波动。我们最近变化了多少？

• 同比：长期趋势，验证是否是周期性现象。我们和去年比是进步还是退步？

• 保存率环比下降8%，但同比变化不大 => 短期事件可能是主因。

• 保存率同比下降15%，环比下降小 => 长期设计问题需优化。

2. 日均/周均/总量对比：

• 日均数据：展示典型表现，排除极端波动。

• 总量数据：显示影响规模，例如“日均保存率下降导致月度保存量减少XX万次”。

3. 转化漏斗分析：

• 从点击、浏览、保存逐级拆解，找出具体的下滑环节。

五、案例：数据对比的写法

数据情况：

表述：

• 短期表现：12月1日至3日，保存率从32.5%降至28.3%，环比下降13%。

• 时间趋势：12月环比11月保存率下降6%，同比去年下降15%，表明长期趋势亦有问题。

• 用户分组：新用户保存率为22%，老用户为36%，新用户的降幅更大。

• 具体影响：保存量月环比减少50万次，主要来自新用户。

六、注意事项

• 避免数据过多：列出与结论最相关的数据，简洁明了。

• 强调趋势和重点：通过图表、标注、对比引导读者注意关键问题。

• 考虑其他因素：结合功能上线、市场活动等外部因素，为数据变化提供合理的背景。