周末的时候和朋友出去吃饭，他说起有一次没给媳妇儿汇报出去吃饭，回家被盘问的过程。这个盘问的问题，让我想起了5W2H这个经典的分析方法框架。

那次他回到家晚了，被媳妇儿堵门口，问了大概以下几个问题：

1、去干啥了？

2、和谁？

3、咋这么晚才回来？

4、在哪儿？

5、为啥又约饭？

这就是5W，还有2H：

1、谁请的？

2、花了多少钱？

问的恰到好处，一个都不漏下。精准的问清楚了出去和朋友约局这件事儿的所有重点。该知道的一个不落，整个思考和逼问过程，行云流水，一气呵成，逻辑缜密。让你不得不为之佩服。

不知道你经历过没有，师兄也是经历过这种的，都懂的吧~

那么结合到工作中，我们在做需求的时候是不是也能借鉴这个思维？！

一个需求，也可以从以下角度进行拆解：

• what：什么事
• who：什么人
• when：什么时候
• where：什么地点
• why：为什么
• how：如何做的
• how much：花了多少钱

比如最近产品的GMV下降了，我们想要分析一下原因。如何使用5W2H拆解呢？

what：什么事

明确到底是什么问题，比如这个需求是GMV下降了，我们想分析下，GMV为什么下降。

但是我们不仅仅要明确GMV下降这个问题，我们最好能够量化出来，下降了多少。比如同比（环比）XX时间绝对值下降了多少，相对值下降了多少。一般情况下，GMV处于什么位置波动，此次GMV下降，是在这个范围内波动，还是超出了这个波动范围。如果在这个范围内波动，则是正常现象，如果超出了，我们才将之判定为异常。

who：什么人

明确此次GMV下降，是哪种用户下降导致的。是新用户还是老用户，如果是新用户，是不是我们的渠道策略变化了，新拉来的用户不是我们的目标用户，或者这批用户对此类型的产品不敏感导致。如果是老用户，是不是老用户的复购率在下降，还是老用户的客单价在下降。

when：什么时候

什么时间点开始下降的，下降的对比条件是同比，环比，还是定基比。从天级来看，是每天都在下降，还是某个节点下降后就不再下降；从小时上看，是全天都在下降，还是具体某几个小时在下降。这些我们都可以拆分出来更细粒度的时间维度的数据。

where：什么地点

是全国都在下降，还是某些省份下降？是哪个渠道来源下的GMV下降，还是整体渠道都在下降？每个可以拆的地理信息，和渠道信息，以及产品信息我们都能做一次拆分，细分到这些实际的地理信息和虚拟的地理信息维度下的数据情况。

why：为什么

也就是通过上述原因，我们总结出，到底为什么下降，得出一个基于事实的原因解读。我们拆分了这么多维度，总会有异常的值，结合这些异常的值，总结出具体的原因和结论性观点。

how：如何做的

如果我们要提升GMV，我们要如何做。相应的，我们找到了结论，那么我们只是解决了过去的问题。因为我们提出这个需求，是要解决他未来可能还继续下降的问题。所以我们需要给出解法，也就是结合当下的问题，从产品上，运营上，策略上去提出我们的建议。给出相应的解法，应对未来的方向和策略，才是我们应该做的。

how much：花了多少钱

如果我们提出了一个解法，那么我们还要计算出这个解法下的收益和损失。比如我们觉得GMV下降的解法是提高产品单价，那么我们需要考虑这种做法对我们整体的收益有多少。及提高单价，可以提高ARPU值，但是会影响购买率，整体算下来，我们是亏的还是赚的。

也就是说，我们不仅提出对应的策略，还需要预估对应策略下的收益与影响，这样才能更好的衡量我们策略的效果，对策略做出合理的评估。

通过拆解，我们不仅定义了这个GMV是否异常，还明确了哪些原因导致的GMV异常，更提出了相应的解法，和解法的收益。

这个也是一个完整的需求拆解和处理过程，很多时候我们可能只做到了拆解和异常解读，那其实 2H我们就没有做到。

很多时候，统计分析方法也是源于生活。在生活中多问自己几个为什么，总结下也可以汇总出工作上的打法。大家多思考沉淀。就比如，出去玩这件事儿，根据我这些年的过来人经验总结，还是需要给家里人“汇报”下的，这样家里人才更放心~

今天就到这，回见。