用5W1H模型重构数据分析：先拆解“用户流失率上升”为What/Who/Where/When/Why/How六个问题，逐个提问并约束输出可验证结论；交叉比对形成因果链；Why层用对比前提、业务规则锚点、限定维度深挖；How层要求量化措施；最终按归因主干组装报告，剔除模糊表述。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要一份能真正支撑业务决策的数据分析报告，而不是堆砌指标的流水账。ChatGPT生成的内容常停留在“What happened”层面，缺少对Why和How的穿透式追问——这正是5W1H模型能补上的关键缺口。
用5W1H重构问题骨架
第一步：把原始需求拆成6个独立问题。例如“用户流失率上升”不能直接喂给ChatGPT，要拆解为：
What：哪类用户在什么时间点流失率突增？
Who：流失用户集中在新客/老客/高价值客中的哪一群体？
Where：是从App端、小程序还是H5页面流失？
When：流失高峰是否与某次版本更新或营销活动重合？
Why：竞品同期是否上线了替代功能？用户投诉中高频词是什么？
How：现有挽留策略（如推送优惠券）对哪类流失用户无效？
第二步：逐个问题单独提问。不要把6个问题塞进同一轮对话——模型会自动合并相似项，导致Why和How被弱化。每个问题后加一句约束：“只输出可验证的归因结论，不写推测性描述。”
第三步：把6个回答交叉比对。重点看Why和How的答案是否能形成因果链：比如When指向“6月1日App更新”，Why发现“新版本取消了快捷支付入口”，How验证“该入口使用率占老客交易的73%”。【若三者无法闭环，说明某个环节的提问信息不足】
Why层深度挖掘技巧
方法一：强制追加“对比前提”
不问“为什么流失率上升”，而问“相比上月同期，流失率上升的用户中，有82%未触发过消息推送服务，而留存用户该比例仅为12%——这个差异说明什么？”
方法二：植入业务规则锚点
在提问中嵌入已知约束：“已知公司规定VIP用户必须享受48小时内专属客服响应，但6月投诉数据显示，VIP用户平均响应时长为72小时。请基于该规则缺口，分析其对复购率的影响路径。”
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
方法三：限定归因维度
“请从技术体验、价格敏感度、竞品动作三个维度，分别解释流失用户中35–44岁群体占比达41%的原因，每个维度需引用具体数据支撑。”
How层落地验证设计
先确认ChatGPT给出的解决方案是否具备可执行性。例如它建议“优化推送策略”，你要立刻追问：“请列出三条可量化验证的改进措施，每条需包含：①实施动作 ②验证指标 ③基线值与目标值。”
如果它输出“加强用户教育”，立刻补问：“教育内容需覆盖哪三个具体操作场景？每个场景对应的用户完成率当前是多少？提升到多少算有效？”
【注意：所有How类回答必须带数字，没有量化指标的方案直接废弃】
组装深度报告的结构开关
把6个5W1H问题的回答按逻辑重排：把Why的归因结论作为报告主干，What和Who数据作为佐证，When和Where定位问题发生场域，How方案则绑定到对应归因节点上。例如Why指出“支付流程中断”，How就必须紧接在该结论后，且明确写“在支付失败页增加一键联系客服按钮（当前缺失），预计降低23%的放弃率（基于A/B测试历史数据）”。
最后删掉所有“可能”“或许”“建议考虑”等模糊表述——5W1H训练出的模型只认事实链和数字证据。
