比较的维度
虽然发现了客户忠诚度的问题，也还无法就此锁定问题的关键。同样是客户忠诚度，在按照某个维度比较时，还有可能会包含与问题有关的要素和无关的要素。用户群体（年龄、职业、性别等）、年数、车型（产品）等，从哪个维度来比较客户忠诚度，才能锁定问题的关键呢？决定维度之前的所有工作，都是建立 WHAT 型假设的一部分。作为这个例子的可靠假设，可以展开以下讨论。
按照不同的客户群体，例如不同年龄层的客户来分析客户忠诚度，会发现对不同的车型来说，人们的评价或喜爱
图 H 突出体现假设的要素（带灰色背景的项目成为问题的关键）
程度并不一定与年龄有关。也就是说，不同的车型更能体现出人们对其评价或喜爱程度的不同（图 H）。
根据这一假设，可以从“产品（车型）”的维度来比较不同产品的客户忠诚度。首先，我们来整理一下应该怎样比较（图 I）。
图 I 从产品维度进行比较
（1）对新车销售数量和客户忠诚度在一定时期内的平均值进行比较
对销售总额这个最根本的问题来说，是否存在对其影响较大的车型和并无太大影响的车型呢？虽然深入挖掘是好事，但如果挖掘的对象对问题整体的影响微不足道，这个工作就不会产生任何意义。根据对问题影响的大小来决定优先顺序和关注程度，也决定了根据分析结果采取的措施能够对解决问题产生多大贡献。
对销售数量的构成比例进行比较，可以发现只有车型 A 的比例明显小于其他车型（图 J）。那么如果将问题锁定为车型 A，即使采取了有效的对策，对解决整体问题的影响仍然是有限的。因此可以暂且降低车型 A 的优先顺序。
此外，按照不同车型，对客户忠诚度在 2 年期间的平均值进行比较，只有车型 A 的客户忠诚度显著偏低，其他车型之间没有太大差别（图 K）。也就是说，从“快照”的视点无法发现车型 B 到车型 D 之间的差异。读者们肯定也会感到“怎么会这样？”
图 J 不同车型在新车销售数量中的比例
图 K 不同车型的平均客户忠诚度
（2）对客户忠诚度的变化进行比较
接下来，利用折线图对过去 2 年期间不同车型的客户忠诚度进行比较。根据前面确认的结果，暂且将车型 A 从比较对象中剔除，对其余 3 个车型进行比较（图 L）。
图 L 不同车型的客户忠诚度的变化
这时可以发现，车型 B 和车型 C 的客户忠诚度均自一年前开始逐渐降低。也就是说，转为购买其他公司产品的比例提高了。具体数字是 2 年期间从约 80%～90% 减至 50%～60%，降低了 30～40 个百分点。可见，拥有本品牌产品但需要再次购买车辆的人中，这 2 年期间有近 30% 被其他公司夺走。
（3）对一定时期内客户忠诚度的波动进行比较
接下来对 2 年期间客户忠诚度的变异系数进行比较（图 M）。
图 M 不同车型客户忠诚度在 2 年期间的变异系数
虽然车型 A 的变异系数明显高于其他车型，但该车型数量较少，对整体的影响很小，因此在此就不涉及。从其他车型来看，正如前面的客户忠诚度的变化（图 L）所示，车型 D 的波动较大。从平均来看，车型 D 的客户忠诚度与车型 B、车型 C 几乎没有差别，在 2 年期间也并未出现恶化，所以很难将其认定为直接影响问题的关键。但从波动程度来看，车型 D 极有可能含有其他问题或风险，需要引起注意。
当数据的数量更多或者期间更长时，从趋势的视点来观察波动的变化也会发挥一定作用，但因为这里只有 2 年期间的数据，所以对这一点就忍痛割爱，不做详细论述了。前文的这些结果可以归纳为如下内容（图 N）。
图 N 对问题的关键的汇总
接下来，作为问题的关键进一步深入挖掘的对象，可以锁定为车型 B 与车型 C。一个重要的事实是，车型 B 与车型 C 的结果并不是通过偶然的调查碰巧得出的。我们从逻辑上探索最根本原因的同时，通过全方位的检验，将这 2 个车型锁定为问题的关键。面对“为什么最后锁定这 2 个车型”的质疑，能够提供确凿的“根据（论据）”，这一点可以确保整个问题解决过程具有可靠性和逻辑性。
分析到这一步，接下来要针对“为什么车型 B 和车型 C 的客户忠诚度会出现下降”，进行原因分析。