數據分析領域有幾個經典的終極難題。多影響因素歸因，絕對是其中最讓人頭大的。特別是臨近促銷旺季，品牌、售后、客服、供應鏈、運營、產品、商品管理都會跑來，問：“今年業績不錯呀，那么問題便來了：今年公司多賺的10個億，到底幾個億歸功于品牌，到底幾個億歸功于供應……請量化分析一下，謝謝”。

那么，到底該怎么分析呢？今天我們詳細講解一下。

一、多影響因素歸因的表面

為啥這個問題是終極難題，只要做一個實驗，馬上便知道。

同學們可以親自試試哦

第一步：請閉上眼睛

第二步：回憶淘寶里最近買的一件商品

第三步：在腦海里回憶該商品的名稱、包裝、價格、品牌、客服小妹聲音……

第四步：睜開眼，告訴自己：我為這個商品付費的XXX錢，其中有X%是付給名稱，X%付給包裝，X%付費給商品上blingbling的廣告，X%付給快遞叔叔……

答得出來不？

不但很難答出來，估計很多同學連最近買的是啥都不記得了。

消費者不是所有消費都理性。

消費者不是所有商品都重視。

商家提供的品牌、服務、產品本身就是一個整體。

因此站在消費者角度，這個問題從源頭上就不成立。特別是啤酒瓜子礦泉水一類的快消類產品。價格低，消費頻次高，沖動消費多，心情好了就買點，心情不好了也買點，因此很難講清楚。大宗耐用品，比如房子、車子可能思考得多一些，有一定概率區分出來，但是仍然很難量化到每個因素的得分（如果懷疑這點的，想象你結婚那一刻有多糾結，就秒懂了，哈哈）。

那么問題來了：為啥明知道分不清楚，各個部門還一而再、再而三要求分家呢？

這就觸及到問題的本質：大家的屁股坐在哪里。

二、多影響因素歸因的本質

表象上看，多影響因素歸因，難在很難拆解數據。

本質上看，多影響因素歸因，只是部門間分贓不均的結果。

每個部門都太急于證明自己的價值，總想努力跟業績指標掛上聯系。

特別在年底，要為部門爭取獎金，要為明年爭取預算，分家的沖動就更高。

因此，多影響因素歸因，本質上是在衡量部門價值，這才是核心難點。

很多同學會忽視這個核心問題，用一些簡單的數據方法處理。比如：把各個部門的費用設為x，把業績設為y然后懟一個線性回歸模型出來。然后把各個參數的系數視為貢獻大小。且不說，這么干，首先完全誤會了回歸模型的含義；其次，也沒有考慮分類變量和連續變量的問題。單純就結果本身，也會被人噴死。

比如，算出來銷售的系數是2，供應鏈的系數是1，那明年多找2倍的銷售，卻只提供1倍的商品，還能有這個銷售業績嗎？肯定不可能啊，有槍沒子彈啊！部門之間分工合作，不是簡單的1+1=2的關系，這是常識。因此強行割裂部門間聯系，把不同分類的部門拉在一起評價，是注定要撲街的。

因此，破局思路，在于從一開始，就應該直接否掉這種一條公式打天下的想法。從部門工作性質出發，建立科學的衡量機制，從而有效化解這種立功焦慮。

三、破局思路

想破局，首先得分清各個部門的工作類型與貢獻方式（如下圖）：

之后，就可以分門別類進行分析考察。

軟支持類：放棄直接關聯銷售業績，按需分配。

軟支持的核心問題，在于不能自證清白。對于品牌宣傳而言，即使所有宣傳都帶鏈接，導流到購買頁面，也無法證明到底用戶購買是多大因為品牌，甚至這些年爆款打法、網紅帶貨，都在可以弱化品牌，突出產品功能和粉絲效應。

況且，至少6成以上的品牌宣傳，根本連帶貨鏈接都沒有（比如上市前的宣傳），就更無從談起了。客服、售后也同理，雖然顧客找上門來的時候，這兩者服務很重要。但是主動發起的客戶比例少，因此很難關聯整體業績。

這種不做不行，做了說不清楚效果的事，最好直接按整體業績比例分配資源，考核自身的效果，而不是非要強行關聯銷售業績。

比如根據產品生命周期/時間，配置宣傳力度（如下圖）宣傳能達成足夠市場認知，覆蓋足夠人數（考核點擊、轉發、閱讀數等等）即完成任務。

比如客服、售后。根據業務總量分配資源和人力。考核本身服務滿意度，服務覆蓋率，從呼叫到響應的速度，嚴重投訴/風險事件的應對速度，等等。做好本職工作及完成任務。

硬支持類：考核。

硬支持類的考核就簡單清晰很多：供給到位，損耗降低。并且追求的是峰值控制與長期水平的下降。太過計較一城一地得失，反而容易定出來很死板的流程，搞出很多烏龍（如下圖）

硬拉動類：引入ABtest機制，提前預設目標。

硬拉動類，屬于疊加buff的做法，因此必須事先設好控制變量，否則混在一堆因素里，事后根本無法拆分。比如事先設定好拉動的總目標，事先測試方案效果，事中余留參照組，采集過程數據，這樣才能在事后做好區分。

硬拉動類是可以評估的，問題總是出在：事先不做工作，事中不留參照，不踩數據。啥都沒有，事后能分析出來就見鬼了。

核心流程：建立分級機制，深入分析影響。

核心流程里，銷售和產品互懟的事也很常見，但是這種互懟是可以分析出，到底過錯在誰那邊的。只要建立好分級機制，對渠道質量、商品屬性進行打標簽分析，監控過程轉化率，是可以做深入分析的，因此核心流程盡量多做分析，不留扯皮空間（如下圖）。

四、現實永遠很骨感

以上只是理想狀態下的建議，實際開工：

• 總有人想爭取更多資源，大喊：“品效合一！”“心智資源！”
• 總有人認為客服售后沒必要，今年再扣他點費用？（從而引發服務部門的奮起反擊“老子也有貢獻！”）
• 總有人喜歡夸大自己貢獻，促銷活動效益寫的巨高，甚至比自然銷量還高。
• 總有人怕被追究責任，拼命往：沒有促銷！沒有支持！產品不給力上推責任。

所以有關“到底每個部門貢獻多少，能不能具體到每一塊錢里幾毛幾分是誰來的”的議題，永遠不會停下來。

加之，總有新入行的數據分析師，認為只要懟幾個數據進線性回歸或者因子分析模型，就能算個參數出來讓每個部門滿意。所以這種來來回回扯皮的事，還會延續很多很多年，哈哈哈。

五、小結

類似的數據分析千古難題，還有很多：

• 為什么ABtest中實驗有效，投產沒效，到底怎么測得準！
• 自然增長率要怎么計算，才是全宇宙最公平合理的！
• 用戶心智資源的開發與認知深度的變化，如何衡量！
• 銷售預測，到底怎么才能預測100%精準！
• ……

每一個問題，都是表面看似數據分析，背后是人心貪婪，推過攔功。業績好了就說是自己做的，業績不好就甩給外部各自因素，內部各種無法量化的因素，以圖自保。實在不行就說是數據分析能力不行，你咋不早點預測出來呢！做數據分析的同學們，要對這些問題有足夠清晰的認知，不要輕易上當哦，剩下的幾個終極難題該怎么解，以后慢慢分享。