遇到问题如何去分析呢？
今天介绍的分析方法（多维度拆解）可以帮助我们从多个角度分析问题。
1.什么是多维度拆解 分析方法？
要理解两个关键词：维度、拆解。我们通过一个案例来说明。
老妈看扎扎单身多年，给她介绍相亲对象。
老妈：这个男生很优秀。
扎扎：具体讲讲怎么优秀了？
老妈：那我来从三个角度拆解下他的优秀，1）个子高 2）家庭背景好3）长的帅
扎扎：哦，原来是个高富帅呀
什么是维度呢？
老妈从不同的角度来看这个男生，这里的角度就是维度。
什么是拆解呢？
拆解其实就是做加法，A=维度1+维度2+维度3+...。比如上面的例子，老妈把优秀拆解成：1）个子高 2）家庭背景好 3）长的好看。也就是优秀=个子高（维度1）+家庭背景好（维度2）+长的好看（维度3）。
在数据分析中，我们通过不同的维度（角度）去观察同一组数据，从而洞察数据波动背后的原因。
比如我们可以把用户拆解成：用户=老用户（维度1）+新用户（维度2），从而可以看到老用户和新用户分别的数据表现是什么。
2.从哪些维度去拆解呢？
从指标构成来拆解：分析单一指标的构成。比如单一指标为用户，而用户又可以拆解为新用户、老用户。
从业务流程来拆解：按业务流程进行拆解分析，比如不同渠道的用户付费率。
3.如何使用？
下面我们通过一个例子来学习下如何使用多维度拆解分析方法。
一家线上店铺做了一波推广，老板想看看推广效果。你该怎么办呢？
推广效果最直观的是看用户增长了多少。所以，我们定义衡量指标是新增用户。这里的新增用户是指看到推广渠道的广告，进入店铺的人数。
我们可以按指标构成来拆解新增用户。
按照城市细分，比如一线、二线、三线及以下…不同城市的新增用户数量情况
按性别细分，男性用户、女性用户分别是多少
按照渠道细分，比如微信公众号、百度、头条哪个渠道的用户来源多
从渠道维度来看，渠道A新增用户数最多，渠道B新增用户数接近A，渠道C新增用户数最少。
那么，渠道A，渠道B，渠道C哪个用户的质量更高呢？
店铺做推广的目的，最终是为了给店铺带来销量，哪个渠道来的用户更愿意在店铺购买呢？
面对这个问题，我们就可以从业务流程来拆解。
用户购买的业务流程，可以分为4步：
第1步，看到渠道的广告
第2步，被广告吸引进入店铺
第3步，在店铺选择感兴趣的商品
第4步，选择好商品，最终决定购买
按业务流程拆解后，我们看到虽然渠道A带来的用户多，但是最终购买人数却低于渠道B来的用户数
所以，渠道B的用户质量更高。
4.案例
我们再来看一个案例。小红书是一个泛品类的生活方式分享平台。
小红书的分析团队在研究不同用户群留存率的时候，发现来自信息流等渠道的用户留存率很低。他们有一个特性，就是低龄，大多是看一篇或者点过一篇笔记就走了，留存很差。
为什么低龄用户的留存比较差？
根据这个问题，小红书的分析团队从指标构成、业务流程拆解出三个分析的维度，来查找问题产生的原因。
1）从指标构成拆解
分析维度1：不同的低龄用户表现是否有差异？
在此之前，分析团队内部把 18 岁以下都算做低龄。这个划分有点太笼统，因为18 岁以下包含了3个学生阶段（小学生、初中生、高中生）。不同学生阶段的用户行为差异是比较大的，所以年龄维度本身需要更加细分。
2）从业务流程拆解
业务流程第1步，新用户下载小红书app
业务流程第2步：用户看到用户的首页
业务流程第3步：用户留下来继续使用小红书或者不喜欢，直接走了，也就是流失了
小红书的分析团队从业务流程拆解出两个分析的维度：
分析维度2：新用户来小红书想要看到什么内容？
当用户下载了这个app注册的时候，希望在这个平台上找到对自己有价值的东西。如果没找到，那用户很大概率会流失。
分析维度3：推荐的内容是用户想看的吗？
小红书的首页是推荐系统生成的内容。新用户注册的时候会选择一些自己的兴趣点，然后推荐系统根据用户选择的兴趣点，给用户推荐相关的内容。
推荐是否准确，直接影响用户的体验。比如我挑选兴趣的时候选了美妆，结果推荐系统给我推荐了旅行，那跟我的预期就会差很远，用户会觉得这个平台没有我想看的信息，自然就会离开。
小红书分析团队将问题拆解出这三个分析的维度来查找原因。
5.总结
1）什么是多维度拆解分析方法？
在数据分析中，我们通过不同的维度（角度）去观察同一组数据，从而洞察数据波动背后的原因。
2）从哪些维度去拆解？
