天下网商-赋能网商,成就网商

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  
摘要:每家企业都应该是数据公司,这8种思维方式帮你快速走进数据化运营的门槛。

 

用户访问深度过深,每次都要浏览很多个页面,说明他在这里没有遇到想要的产品;用户每次访问都很浅,看一两个页面就走掉了,说明你的产品展示、内容引导很有问题。那么,访问深度多少是合适的呢?这就是数据分析人员需要研究的问题——在多深的访问深度时,用户形成购买的概率最大。

例如,近期你的核心任务是提高客服人员的服务质量,那么客服人员的话术、客户评价通道、客服系统的响应速度等就是靠得最近的子问题,需要重点关注,而客户的问询习惯、客户的购买周期等就是相对远的问题,暂时先放一放。

文 / 网商君

“数据驱动决策”,为了不让这句话成为空话,作者将自己的经验提炼为以下8种思想武器,不求你当下就能掌握,但希望你能不断参悟并修正。

1.信度与效度思维

信度与效度的概念最早来源于调查分析,但现在可以引申到数据分析工作的各个方面,如图4-57所示。

 

天下网商-赋能网商,成就网商

图4-57  信度与效度思维

所谓信度,是指一个数据或指标自身的可靠程度,包括准确性和稳定性。所谓效度,是指一个数据或指标的生成,需贴合它所要衡量的事物,即指标的变化能够代表该事物的变化。

只有在信度和效度上都达标,才是一个有价值的数据指标。举个例子:要衡量身体的肥胖情况,选择穿衣的号码作为指标,一方面,相同的衣服尺码对应的实际衣服大小是不同的,会有美版、韩版等因素,使得准确性很差;另一方面,一会儿穿这个牌子的衣服,一会儿穿那个牌子的衣服,使得该衡量方式形成的结果很不稳定。所以,衣服尺码这个指标的信度不够。尺码大小并不能准确反映肥胖情况,因此效度也不足。体脂率才是信度和效度都比较达标的肥胖衡量指标。

2.平衡思维

平衡思维的关键点在于寻找能展示出平衡状态的指标。也就是图4-58所示的框,要通过这个准确的量化指标观察天平的倾斜程度。

 

天下网商-赋能网商,成就网商

图4-58  平衡思维

举个电商的例子,在电商的用户行为分析中,用户每次访问的深度就是一个“高不成低不就”的问题。若用户访问深度过深,每次都要浏览很多个页面,说明他在这里没有遇到想要的产品,或者页面没有促使他快速购买,这不是一家电商公司想看到的情况;若用户每次访问都很浅,看一两个页面就走掉了,说明你的产品展示、内容引导很有问题。那么,访问深度多少是合适的呢?这就是数据分析人员需要研究的问题——在多深的访问深度时,用户形成购买的概率最大。

3.分类思维

客户分群、产品归类、市场分级、绩效评价等许多事情都需要有分类的思维。主管拍脑袋也可以分类,通过机器学习算法也可以分类,到底分类思维怎么应用呢?

关键点在于,分类后的事物需要在核心关键指标上能拉开距离!也就是说,分类后的结果必须是显著的。

 

天下网商-赋能网商,成就网商

 

图4-59  分类思维

举个例子,假设图4-59所示反映了某个消费者分群的结果,横轴代表购买频率,纵轴代表客单价,那么图中右上角的这群人,就是明显的“金牌客户”。右下角这个象限的人群,就是“屌丝”群体,他们“频繁地买便宜货”。左上角的人群是精英阶层,他们“选购好商品”。左下角的人群可以归结为长尾客户,不需要我们花精力去维护,让他们自然生长,转变为其他三个象限的人群后,我们再施以针对性的策略。

4.管道/漏斗思维

这种思维方式已经比较普及了,注册转化、购买流程、销售管道、浏览路径等,很多分析场景中都能找到这种思维的影子,如图4-61所示。

 

天下网商-赋能网商,成就网商

 

图4-61  漏斗思维

看上去越是普世、越是容易理解的模型,它的应用越得谨慎和小心。在漏斗思维中,我们尤其要注意漏斗的长度。

漏斗从哪里开始到哪里结束?以作者的经验,漏斗的环节不该超过5个,且漏斗中各环节的百分比数值、量级不要超过100倍(漏斗第一个环节从100%开始,到最后一个环节的转化率数值不要低于1%)。若超过了这两个数值标准,建议分为多个漏斗进行观察。当然,这两个是经验数值,仅为读者提供一个参考。

理由是什么呢?超过5个环节,往往会出现多个重点环节,那么在一个漏斗模型中分析多个重要问题容易产生混乱。数值量级差距过大,数值间变化的实际意义很难被察觉,容易遗漏信息。例如,漏斗的第一个环节到第二个环节的转化率从60%变到50%,让你感觉是天大的事情,而漏斗最后环节的转化率发生0.1%的变动,你却不以为然,其实往往是漏斗最后这0.1%的变动非常致命。

5.时间序列思维

很多问题,我们找不到横向对比的方法和对象,那么,和历史上的状况比,就将变得非常重要。其实很多时候,作者更愿意用时间维度的对比来分析问题。这种方式容易排除一些外在干扰,尤其适合创新型的分析对象(没有参照物),比如一个新行业的公司,或者一款全新的产品。

时间序列的思维有三个关键点:一是距今越近的时间点,越要重视(在图4-65中用颜色的深浅度表示,越近期发生的事,越有可能再次发生);二是要做同比(用箭头指示,指标往往存在某些周期性,需要在周期中的同一阶段进行对比才有意义);三是异常值出现时,必须重视(比如出现了历史最低值或历史最高值,建议在时间序列作图时,添加平均值线和平均值加减一倍或两倍标准差线,便于观察异常值)。

 

天下网商-赋能网商,成就网商

图4-65  时间序列思维

时间序列思维有一个子概念不得不提,就是“生命周期”的概念。用户、产品、人事等无不有生命周期存在。衡量清楚生命周期,就能方便地确定一些“阈值”问题,使产品和运营的节奏更明确。

6.队列分析思维

随着数据运算能力的提高,队列分析(Cohort Analysis)的方式逐渐崭露头脚,如图4-66所示。作者的理解是按一定的规则,在某些维度上将观察对象切片,组成一个观察样本,然后观察这个样本的某些指标随着时间的演进而产生的变化。目前使用得最多的场景就是留存分析。

 

天下网商-赋能网商,成就网商

 

图4-66  队列分析思维

举个川术公司的例子:该公司在5月17日举办了一次促销活动,将这一天来的新用户作为一个观察样本,观察他们之后每天的活跃情况。可以想象,若在5月17日、6月17日、7月17日都举办了活动,那么这三天来的新用户,在注册后一段时间的使用情况就像3条队伍一样向后延伸。

7.循环/闭环思维

如图4-67所示,循环/闭环的概念可以引申到很多场景中,例如业务流程的闭环、用户生命周期闭环、产品功能使用闭环、市场推广策略闭环等。许多时候你会觉得这是一个不落地的概念,因为提的人很多,干出事情的很少。

 

天下网商-赋能网商,成就网商

图4-67  闭环思维

业务流程的闭环是管理者比较容易定义出来的,列出公司所有业务环节,梳理出业务流程,然后定义各个环节之间相互影响的指标,跟踪这些指标的变化,能从全局上把握公司的运行状况。

例如,川术软件公司的典型业务流:推广行为(市场部)→流量进入主站(市场+产研)→注册流程(产研)→试用体验(产研+销售)→进入采购流程(销售部)→交易并部署(售后+产研)→使用、续约、推荐(售后+市场)→推广行为,一个闭环下来,各个衔接环节的指标,就值得关注了:广告点击率→注册流程进入率→注册转化率→试用率→销售管道各环节转化率→付款率→推荐率/续约率……这里会涉及漏斗思维,但千万不要用一个漏斗来衡量一个循环。

不知你有没有发现,闭环思维,实际上提供了一种设计指标体系的方式。有了循环思维,你能比较快地建立有逻辑关系的指标体系。

8.指数化思维

如图4-69所示,指数化思维是指将衡量一个问题的多个因素分别量化后,组合成一个综合指数(降维)来持续追踪。前文已经说过,许多管理者面临的问题是“数据太多,可用的太少”,这就需要“降维”,即把多个指标压缩为单个指标。

 

天下网商-赋能网商,成就网商

 

图4-69  指数化思维

指数化的好处非常明显,一是减少了指标,使得管理者精力更集中;二是指数化的指标往往提高了数据的信度和效度;三是指数能长期使用且便于理解。

指数的设计是门大学问,这里简单提三个关键点:一是要遵循独立和穷尽(MECE)的原则;二是要注意各指标的单位,尽量做标准化来消除单位的影响;三是权重和要等于1。

举个例子:在设计川术公司销售部门的指标体系时,目的是衡量销售部的绩效,确定了核心指标是销售额后,你将绩效拆分为订单数、客单价、线索转化率、成单周期、续约率5个相互独立的指标,且这5个指标涵盖了销售绩效的各个方面(穷尽)。你设计的销售绩效综合指数=0.4×订单数+0.2×客单价+0.2×线索转化率+0.1×成单周期+0.1×续约率,各指标都采用max-min的方法进行标准化。这样,作为销售总监,在时间仓促时,只需要盯住销售绩效综合指数这一个数字,就能知道各个销售团队或者销售员的表现,而不需要从多维度进行对比。

以上内容摘自《数据化运营速成手册》,有删节。

 

天下网商-赋能网商,成就网商

 

《数据化运营速成手册》

胡晨川 著

2017年4月出版

电子工业出版社

 

随意打赏

阿里巴巴天下网商天下网商商学院天下网商crm天下网商 微博天下网商图媒体天下网商论坛天下网商诈骗天下网商价格天下网商杂志天下网商官网
提交建议
微信扫一扫,分享给好友吧。