操盤2億+信息流優化師獨家分享數據分析經驗!

2020-12-15 網際網路營銷圈

信息流推廣的數據分析非常簡單,不管我們做的是銷售線索收集、電商轉化和APP下載。只需要做好這三點ROI就可以穩步提升。

1.找出所有影響投入產出比的環節和指標。

2.把這些環節和指標放在一張數據表裡面去分析。

3.把80%的時間用來優化最關鍵的幾個指標。

我們知道,從廣告投放到後端產出是一環接一環的,如果一個環節有問題,就會影響最終的投入產出比。所以我們必須找出所有影響投入產出比的環節和指標,然後把這些環節和指標放在一張數據表裡面去分析。

第三點就是聚焦關鍵環節,關鍵關節是真正影響成本和ROI的主要因素,所以我們要花儘可能多的時間去做好。例如信息流推廣中,我們就要花足夠多的時間把創意給做好,創意不行,數據分析的再好也沒用。

好了,接下來我們以銷售線索收集為例,教大家如何做一個統籌全環節的數據表,然後如何進行數據分析和優化。

1 找出影響ROI的所有指標

銷售線索收集廣告主的產出比涉及到哪些環節和指標呢?

根據公式:ROI= 線索數量 X 線索轉化率 X ARPU(客單價):線索成本 X 線索數量可知,如果我們要提高ROI,就得降低成本,提高轉化率,提高ARPU。我們來拆分下影響成本、轉化率和ARPU的各個指標。

成本:創意、媒體、省份、落地頁、客服索取率

創意:創意直接影響成本

省份:不同的省份成本也不一樣

落地頁:落地頁的好壞影響CVR,間接影響最終成本。

客服索取率:客服的接線話術會影響銷售線索的索取率,所以也影響成本。

轉化率:創意、客服索取率、落地頁、省份、銷售轉化率

創意:創意即吸引流量也篩選流量,流量是否精準關係到轉化率

客服索取率:客服如果在索要線索環節採用過度承諾的話術也會降低最終的轉化率

落地頁:落地頁的內容引導和介紹會影響最終轉化率

省份:不同省份用戶經濟能力不一樣,對產品需求程度不一樣。

銷售轉化率:銷售的能力不同,所以轉化率會有區別。

ARPU:產品價格、省份、銷售能力

產品價格:產品的價格設置直接影響了客單價

省份:不同省份用戶經濟能力不一樣,所以各個省份客單價也有區別

銷售能力:銷售能力高低會影響賣出產品的客單價

好了,影響ROI的所有因素都在這裡了,第一步我們就做完了。

不過這麼多的因素我們需要重點優化的是創意、落地頁、媒體和省份。客服環節和銷售環節也很重要,不過這兩個環節並不是我們的第一階段需要參與的,我們需要把推廣環節優化的足夠好,然後再去輔助優化客服環節和銷售環節。

2 建立全環節分析的數據報表

我們把這些指標放在一張數據表裡面去分析,這些數據指標全部出自三個環節,分別是媒體端、客服端、後端銷售端(以下簡稱三端)。

我們可以用EXCEL表格把投放端、客服端、銷售端三端數據合併在一起,通過VLOOKUP功能做一個簡單的數據監控體系,如圖1-1所示;左邊的數據是媒體端數據,中間是客服端數據,最右邊是後端銷售端的數據。

圖1-1 媒體環節、客服環節、銷售環節數據匯總(圖中數據僅供參考)

2.1 三端的數據指標的參考值

由於三端數據在一個用戶完整的轉化環節中,所以它們環環相扣,相互影響。一定要把三端的數據合併在一起分析,這樣分析的結果才會全面,沒有遺漏和錯誤。

把三端數據合併在一起做數據分析有個前提,就是得明確三端各個數據指標正常的參考值是多少。只有有了參考值我們才知道在某個時間節點,我們的三端的數據是好了還是差了,是否要調整。

舉例;我們先得知道廣點通或網易新聞正常的CPC、CTR、CVR、成本、有效率、ROI、客單價是多少。才好判斷廣點通或網易新聞某天或者某月的數據是好轉了還是變差了。

客服環節和銷售環節也是,得先知道這兩個環節各個數據指標的參考值是多少,才能分析數據好了還是差了。

接下來,我們來介紹三端有哪些關鍵的數據指標需要監控,以及在監控分析時需要注意的問題。三端的數據指標很多,書中只列舉了一些關鍵的數據指標。讀者學會這個方法,可以根據實際情況把需要監控的數據指標納入到表格中即可。

1. 媒體端

媒體端數據:CPC、CTR、CVR、銷售線索成本、有效率、銷售線索轉來訪、銷售線索轉化率、ARPU等。如圖2-2所示。

數據指標參考值:媒體端的數據指標參考值根據媒體不同,各個關鍵的數據指標的參考值也是不一樣的。

所以我們要建立每個媒體廣告平臺的數據指標模型(註:三端的數據指標模型如果想監控的非常精細,需要對不同的組合都建立數據模型,工作量較大也頗為繁瑣。如果只是日常使用,只需知道幾個關鍵的數據指標即可。例如正常大盤平均成本、CVR、客服索取率、銷售線索轉化率、ROI即可。以下分析不再贅述)

圖2-2 媒體端關鍵數據指標(圖中數據僅供參考)

如圖2-2所示,媒體平臺一共有5個,由於媒體不同,人群畫像不同,廣告系統算法不同。所以5個平臺的CTR、CVR、成本、有效率等數據都不同,它們的數據指標參考值也不同。所以需要對每個媒體廣告平臺建立數據指標的參考值。這樣我們才能判斷每個媒體廣告平臺今天的數據是變好還是變差了。

2. 客服端

客服端數據指標:銷售線索索取率、對話有效率、首次響應、平均響應、滿意度等;如圖2-3所示。

數據指標參考值:客服環節各個數據指標的參考值也需要建立,因為客服環節直接影響了銷售線索的成本。有時候我們投放的成本變高,並不是因為投放環節出了問題,而是客服組有變動。

圖2-3 客服端關鍵數據指標(圖中數據僅供參考)

例如:2019年4月我們團隊信息流廣告平均成本突然高了8元。但是投放端的創意、定向、落地頁沒有任何變化。媒體端也沒有任何電商活動或其它行業搶流量。於是我們看客服端的數據,發現客服端的銷售線索索取率從3月的5.4%降到了4月的4.3%。我們根據這個數據再去問客服主管,客服組是否有什麼變動?客服主管說主要是網頁的發起方案改變了,以前是用戶點擊才會彈出會話框。現在是用戶在網頁上停留了5秒就會主動彈出,客服的工作量一下加大了3倍,忙不過來,導致銷售線索索取率降低。

此外,還需要注意的是,不同的媒體、不同省份也會對客服端的數據有影響,也需要單獨建立數據模型。

3. 銷售端

電銷端數據:接通率、處理量、通話時長、邀約率、RPC、RPA、ARPU、報名成本等。如圖1-4所示。

數據指標參考值:銷售端每個數據的參考值也會因為媒體和省份的不同而不同,所以需要拆分到每個媒體對應的不同省份去建立數據模型。

圖2-4 銷售端關鍵數據指標(圖中數據僅供參考)

3 分析優化最關鍵數據指標

第一步和第二步都結束了,我們來到第三步,分析和優化關鍵數據指標。

下面主要從媒體端、優化師端、客服端和銷售端四個關鍵環節來介紹,如何通過數據分析來提升整體業績表現。

3.1 媒體平臺端系統優化

如圖3-5所示,正常情況下,不同的的媒體廣告平臺最後的的業績和ROI都不一樣。我們儘可能的把廣告預算多分配在ROI最好的媒體上,這樣就可以得到最好的投入產出。

不過需要注意不能把所有的預算都放在一個媒體廣告平臺上,防止這個媒體廣告平臺因為不可抗拒的因素不可投放,對我們的業務造成影響。

圖3-5 不同媒體業績ROI表現不同(圖中數據僅供參考)

如圖3-5,網易新聞的ROI是最高的,我們就可以把鳳凰新聞、愛奇藝兩個媒體的預算往網易新聞上傾斜。同時我們也要保證獲取流量的媒體不能太單一,這樣抗風險能力才比較強。

2017年我在尚德做信息流廣告投放,當時有近10個媒體廣告平臺可以選擇投放,我決定選一個最匹配的媒體渠道來做主投媒體渠道。於是我根據數據分析,人群畫像的匹配度,媒體流量的大小。選擇了超級粉絲通做為主投媒體渠道,經過3個月的攻堅,把這個媒體的ROI做到了所有媒體中最好,這也幫助我和最好的銷售組建立了合作關係,使得業績和產出又變得更好了。這便是選對媒體的重要性。

3.2 優化師端

如圖3-6所示,每個優化師的能力不一樣,最終的業績和ROI也不一樣。根據圖3-6所示,我們就可以把更多的預算分配給小劉和小張,降低小王的廣告預算,便可以有效的提高整體的業績和ROI.

圖3-6 不同的優化師業績和ROI不同(圖中數據僅供參考)

3.3 客服端

客服端的數據最重要的是考核銷售線索索取率,因為銷售線索索取率直接影響了銷售線索成本。如圖3-7 所示,客服4組的銷售線索索取率是63.02%,遠高於其它客服組。我們就可以把ROI最高的媒體的接線任務交給4組,也可以把4組的客服話術和經驗複製到其它組,以此來提高整個客服組的銷售線索索取率。從而降低成本。

圖3-7 不同客服組銷售線索索取率不同(圖中數據僅供參考)

3.4 銷售端系統優化

不同的銷售顧問和銷售組,業務能力肯定不一樣。如圖3-8所示,銷售1組和2組的ROI和業績表現最好。我們就可以把銷售線索質量最好的優先給銷售1組和2組供應;這樣就可以提高整體的業績產出。

圖3-8 不同銷售組業績和ROI也不同(圖中數據僅供參考)

銷售環節是關鍵的轉化環節,也是對最後的業績影響最大的一環,所以對銷售環節的數據監控及優化至關重要。

4 管理賦能

數據分析報表不僅可以幫助個人分析數據,提升ROI,也可以賦能管理,提高員工積極性和組織經驗內化。

4.1 及時反饋提高積極性

如圖4-9所示,根據業績的多少,可以用排序功能做出每個優化負責人當月的業績、ROI、銷售線索數、銷售線索成本的排名。讓每個優化師知道自己哪些方面比較好,哪些方面比較差。

圖4-9 優化負責人業績排名

我記得我才進尚德做信息流廣告投放時,業績排名200以外。然後我想我得定個目標,多長時間幹到多少名,做投放也得有目標,要不和鹹魚有什麼分別!

咱要做就奔著第一去,然後就立志在一年做到公司業績第一。然後,前4個月每天都全力以赴的工作11個小時左右。這時候這個業績排名表就發揮了很大的作用,當看到自己經過一周的努力,排名上升了很多名,會特別有成就感。

然後又熱情飽滿的投入到工作當中,就這樣吭哧吭哧的幹了4個月。4個月之後,我就把微博粉絲通和廣點通兩個最重要的媒體渠道完全摸熟了,成本ROI做到了公司排名前列,但是業績體量不夠大。於是就開始對接更多銷售組,擴大業績體量,到第9個月實現了自己的目標,單月業績做到了公司第一,也破了公司單月業績和ROI的記錄。

在這個過程中,及時反饋的數據系統發揮了巨大的作用,如果沒有這樣的即時反饋,保持長時間的,充滿熱情的工作幾乎是不可能的。

即時反饋對員工的工作非常重要,尚德有一個成熟的數據分析系統,每個優化師都能看到自己每天的成績,每個月的成績,排名是多少。所以每個人在即時反饋的激勵下都幹勁十足,自得其樂。

4.2 組織經驗內化

組織經驗內化主要分為優化師經驗內化、客服經驗內化和銷售的經驗內化。

1. 優化師經驗內化

如圖4-10 所示,我們可以看到不同的媒體廣告平臺,每個優化師的業績表現也是不一樣的。我們可以通過數據報表知道每個媒體廣告平臺,那個優化師的綜合表現是最好的,然後讓該優化師來分享其優化的經驗,在公司內學習複製。可以有效提升整個公司的業績表現。

圖4-10 優化負責人在各媒體端排名

我當初在尚德就是這麼做的,通過數據監控系統知道每個媒體平臺哪位同事做的最好。然後挨個去請教學習。

2. 銷售端經驗內化

如圖4-11所示,我們可以看到小劉的業績是最好的。如果小劉的業績一直穩定是第一,那麼小劉的銷售技能肯定是比較優異的,我們就可以讓小劉來做經驗分享。這樣可以大幅提高銷售端的業績表現。

圖4-11 銷售顧問業績排名

3. 客服端經驗內化

如圖4-12所示,我們可以看到4組的客服顧問小鄭的業績是最好的。如果小鄭的銷售線索索取率一直穩定是第一,那麼小鄭的在和用戶溝通接待上一定有很好的經驗和心得,我們就可以讓小劉來做經驗分享。這樣可以大幅提高客服端銷售線索索取率。

圖4-12 客服顧問的銷售線索索取率數據

4.流量池

流量是一切商業的源頭,信息流廣告只是獲取流量的途徑之一。而數據監控系統只是一個工具,監控各種渠道流量的成本、有效率和轉化。

圖4-13 各流量渠道的業績及ROI表現

如圖4-13所示,我們可以拓展多個渠道的流量來源,除了付費渠道,我們還可以在短視頻平臺獲取流量,從微信系獲取流量。我們投入人員和資金,從各個渠道獲取流量,然後轉化。在1個月或者3個月後我們計算每個流量渠道的ROI,如果ROI是盈利的我們就可以不斷的加大預算,如果未盈利,我們可以根據數據系統推算出盈利的流量成本應該是多少,然後著手優化成本即可。

本文轉自知乎,如有侵權,聯繫馬上刪除!

相關焦點

  • 獨家解讀 | 新聞分析數據哪家強?
    我們先給新聞分析數據下個定義:新聞分析是指基於非結構化的新聞文本,運用機器學習相關算法對新聞文本進行標籤提取、事件識別及情感分析等,轉換為結構化數據的處理方法。新聞分析數據使得新聞等文本類數據應用於量化投資及風險管理等場景成為可能。
  • 史上最全的數據分析轉行經驗分享附送轉行大禮包
    我是數據打工人森夏恩,今天我帶著滿滿的誠意,想要把我實踐多年的轉行經驗分享給正在轉行的小夥伴們!我畢業於復旦大學生物信息學專業,沒看錯是從生物專業轉行到網際網路數據崗位的哦!我曾就職於遊族網絡,阿里巴巴,目前在shoppee的母公司做數據相關工作!
  • 課程分享第2期|呂本富:大數據及大數據分析
    「數據源等級」(data hierarchy)等級0:數據存在很多錯誤,需要進行認真的校驗和檢查!(大部分的毛數據都如此……)等級1:原生數據集……對明顯錯誤已經修正等級2:增值數據集合,那些已經標準化/編碼的,根據一些認可的框架或流程進行一致性矯正。
  • 五個大數據分析成功案例分享
    法拉說:「如果我要讓某人獲得成功,我必須確保他們擁有哪些信息是與工作內容相關的。」經驗教訓:為了測試驗證MyDPS平臺的概念,法拉將該軟體分給了一個分公司的四個人,並讓業務總裁去拜訪他們。他們透露,自從上個月使用MyDPS之後,執行銷售額已經提高了50%,這一表現讓他批准了該項目。
  • 二類電商|推廣運營經驗乾貨分享(四、帳戶優化、數據分析)
    ,做好FAQ會讓你少走彎路,儘快吸取經驗成長。排版整齊、信息直觀、文字簡單直白,看明白只需一眼。(2)構圖合理,重點突出配色鮮明,布局合理,重點突出,以產品為主導。色彩和布局要能調動用戶的情緒,創意要突出核心元素,不要混亂不堪,表意不清。
  • 分享一些數據分析常用的統計圖圖表
    無論是報表分析還是可視化分析中,最直觀傳達數據走向趨勢的就是各式各樣的統計圖,比如想要比較分析兩種不同的變量數據,可以用柱狀圖;想要查看某一數據在整體數據中所佔的比例,可以用餅圖來展示;想要查看某一數據的趨勢動態走向,那麼首選線狀圖。
  • 基於edX開放數據的學習者學習分析 獨家
    Coursera、edX等在創建系統時都已經考慮到大規模的數據收集和分析,並致力於進行教學研究。edX作為非盈利性在線學習平臺,在平臺數據開放和教學研究方面一直做著重要的推進工作。2014年1月,哈佛大學和麻省理工學院發布了edX第一學年課程報告[1],2月,兩校進一步推出了Insights交互式數據可視化工具[2][3]。
  • 數據驅動經驗分享:從方法到實踐
    圖 2 數據驅動閉環有很多企業來找我做關於數據採集方面的分享,我用這張圖描述了典型的數據分析平臺,一個為數據驅動而構建的數據分析平臺,各位可以參考。不過從目前實踐經驗來看:攝像頭、ID 識別的準確度非常低,基本不太可用。對這一部分,我們保持持續關注,一些客戶會將通過二維碼、店員主動拿 Pad 做展現等方式,將用戶從線下行為引到線上,從而保證用戶數據的可採集、可衡量。2.
  • 2017「CCF科學技術獎」全公布,6位獲獎人帶來獨家經驗分享 | CNCC...
    會議包括14個特邀報告、2場大會論壇、40餘場前沿技術論壇及30餘場特色活動和展覽。在30餘場特色活動中,以2016國家獎與2017CCF科學技術獎成果交流會最為吸引雷鋒網記者的目光。2016國家獎與2017CCF科學技術獎成果交流會由中國計算機學會科學技術獎評獎委員會主辦。
  • 《企業經營數據分析》給傳統企業管理者的數據分析指南
    《企業經營數據分析》一書作者趙興峰是國內大數據領域的先行者,畢業於北大光華管理學院和新加坡國立大學MBA,既有在寶潔、惠氏、LG等先進外資企業用數據進行市場研究和企業管理的經驗,又有多年服務中國本土傳統企業的項目經驗,所服務的企業包括了能源、化工、製造、零售、服務、農業、房地產等多個領域。
  • N+68期:超聲轉債-127026操盤價值
    超聲轉債-127026:發行規模7億,評級AA,贖回價108,轉股價12.85,期限6年,百元含權10.12%,票面到期收益率0.3+0.5+1+1.5+1.8+2=7.1%,強贖條款、下修條款和回售條款設置分別為:15/30、130%,15/30、90%,和4*30、
  • 百強席位操盤手法解密(八十八):上榜股票創歷史新高 且看章盟主...
    【巨豐投顧】大數據研發團隊依託四大資料庫,針對市場百強龍虎榜營業部全面進行數據回測分析,幫助分析師、投資顧問、專業投資者解析各路一線遊資操盤手法,助您看清對手「底牌」,數據回測告訴我們,一旦一線超強遊資聯動,則市場方向、盤中熱點會更加清晰。每天解密一席位操盤技法,加「關注」,千萬別錯過!
  • 美國一數據公司操作失誤,近2億選民姓名住址等信息遭曝光
    美國一數據公司操作失誤,近2億選民姓名住址等信息遭曝光 澎湃新聞記者 高行 2017-06-20 16:26 來源:澎湃新聞
  • 詳解—澳洲信息系統、商業分析、數據分析、統計
    所以,我們可以看到,這門學科主要研究信息管理以及信息系統分析、設計、實施、管理和評價等方面的基本理論和方法。從課程來講,MIS專業主要教授兩方面的知識,一方面是技術類知識,如軟體和硬體知識,各種信息系統知識,數據處理知識,信息系統的設計,分析以及應用,信息系統實踐等;另一方面是管理知識,如管理理論,戰略管理,如何管理可以使信息系統應用最優化,如何有效使用信息系統可以有助於完成商業決策和企業提升
  • 帕爾馬vs都靈 獨家情報+深度數據
    分析團隊介紹:我叫Dean,團隊中負責撰寫運營編排,個人曾任澳大利亞墨爾本健身會所聯盟副主席,長期關注亞洲聯賽,及更衣室秘聞,兼給澳大利亞福克斯體育評論撰寫。近期完善了除信息資源豐富的亞洲地區之外的更多大型杯賽及多個國家聯賽賽事情報獲取即時並且真實可靠。
  • 迪瀘分享 釋放醫療文本大數據價值,森億智能看好醫保和藥企潛在需求
    釋放醫療文本大數據價值,森億智能看好醫保和藥企潛在需求森億智能是一家專注於利用人工智慧進行醫學文本自動分析和數據二次應用的公司,其人工智慧系統使用自然語言處理技術,批量抓取病歷、病理學報告、文字版醫學影像報告等文本中的關鍵信息,並按照不同的信息維度生成一個結構化資料庫,輸出不同的分析結果。
  • 「首發」生物信息數據分析解決方案提供商賽樂基因完成近千萬元...
    賽樂基因團隊是一支非常優秀的團隊,幾位創始人創業經驗非常豐富。我看好賽樂基因選擇以IT+BT切入解決基因行業痛點的獨特角度,期待賽樂基因成為行業的革新者!」隨著NGS技術和測序儀的發展,基因測序速度不斷提升,測序成本不斷下降。測序儀通量也從產出2個人類全基因組不斷提升到60個;人類全基因組的測序成本從過去的30億美金已經下降到500美金。
  • 《數據分析與知識發現》投稿經驗,經管之家原創期刊採訪系列
    採訪論文作者,為您分享成功投稿《數據分析與知識發現》期刊的經驗經管之家原創作品,轉載需授權。>1.您是否能為我們分享一下期刊投稿經驗和心得呢?比如注意事項和要點答:《數據分析與知識發現》主要刊發應用類與方法使用類的論文。近幾期除了圖書館信息類的論文外,還刊發電子商務(基於顧客評論,顧客購買數據的分析)以及網絡公開信息(輿情,新聞等)的分析。
  • 珀斯光榮vs阿德萊德聯 獨家情報+深度數據
    分析團隊介紹:我叫Dean,團隊中負責撰寫運營編排,個人曾任澳大利亞墨爾本健身會所聯盟副主席,長期關注亞洲聯賽,及更衣室秘聞,兼給澳大利亞福克斯體育評論撰寫。近期完善了除信息資源豐富的亞洲地區之外的更多大型杯賽及多個國家聯賽賽事情報獲取即時並且真實可靠。
  • APPBK王亮分享 Appstore榜單更新規律之數據分析
    「ASO優化大師」公眾號前面一些文章,也總結了一些榜單更新規律的經驗性內容,這裡,我們就從實際的數據出發,分析相關的規律。 首先是數據來源方面,大家可以看到,目前包括Appannie、我們的Appbk等分析產品,都能提供top1500的榜單,但實際上,Appstore現在只有top150的數據,這些更多的榜單數據從哪裡來的?