iwangshang / 網商君 / 2017-05-27
摘要:每家企業都應該是數據公司,這8種思維方式幫你快速走進數據化運營的門檻。
用戶訪問深度過深,每次都要瀏覽很多個頁面,說明他在這裡沒有遇到想要的產品;用戶每次訪問都很淺,看一兩個頁面就走掉了,說明你的產品展示、內容引導很有問題。那麼,訪問深度多少是合適的呢?這就是數據分析人員需要研究的問題——在多深的訪問深度時,用戶形成購買的概率最大。
例如,近期你的核心任務是提高客服人員的服務質量,那麼客服人員的話術、客戶評價通道、客服系統的響應速度等就是靠得最近的子問題,需要重點關注,而客戶的問詢習慣、客戶的購買周期等就是相對遠的問題,暫時先放一放。
文 / 網商君
「數據驅動決策」,為了不讓這句話成為空話,作者將自己的經驗提煉為以下8種思想武器,不求你當下就能掌握,但希望你能不斷參悟並修正。
1.信度與效度思維
信度與效度的概念最早來源於調查分析,但現在可以引申到數據分析工作的各個方面,如圖4-57所示。
圖4-57 信度與效度思維
所謂信度,是指一個數據或指標自身的可靠程度,包括準確性和穩定性。所謂效度,是指一個數據或指標的生成,需貼合它所要衡量的事物,即指標的變化能夠代表該事物的變化。
只有在信度和效度上都達標,才是一個有價值的數據指標。舉個例子:要衡量身體的肥胖情況,選擇穿衣的號碼作為指標,一方面,相同的衣服尺碼對應的實際衣服大小是不同的,會有美版、韓版等因素,使得準確性很差;另一方面,一會兒穿這個牌子的衣服,一會兒穿那個牌子的衣服,使得該衡量方式形成的結果很不穩定。所以,衣服尺碼這個指標的信度不夠。尺碼大小並不能準確反映肥胖情況,因此效度也不足。體脂率才是信度和效度都比較達標的肥胖衡量指標。
2.平衡思維
平衡思維的關鍵點在於尋找能展示出平衡狀態的指標。也就是圖4-58所示的框,要通過這個準確的量化指標觀察天平的傾斜程度。
圖4-58 平衡思維
舉個電商的例子,在電商的用戶行為分析中,用戶每次訪問的深度就是一個「高不成低不就」的問題。若用戶訪問深度過深,每次都要瀏覽很多個頁面,說明他在這裡沒有遇到想要的產品,或者頁面沒有促使他快速購買,這不是一家電商公司想看到的情況;若用戶每次訪問都很淺,看一兩個頁面就走掉了,說明你的產品展示、內容引導很有問題。那麼,訪問深度多少是合適的呢?這就是數據分析人員需要研究的問題——在多深的訪問深度時,用戶形成購買的概率最大。
3.分類思維
客戶分群、產品歸類、市場分級、績效評價等許多事情都需要有分類的思維。主管拍腦袋也可以分類,通過機器學習算法也可以分類,到底分類思維怎麼應用呢?
關鍵點在於,分類後的事物需要在核心關鍵指標上能拉開距離!也就是說,分類後的結果必須是顯著的。
圖4-59 分類思維
舉個例子,假設圖4-59所示反映了某個消費者分群的結果,橫軸代表購買頻率,縱軸代表客單價,那麼圖中右上角的這群人,就是明顯的「金牌客戶」。右下角這個象限的人群,就是「屌絲」群體,他們「頻繁地買便宜貨」。左上角的人群是精英階層,他們「選購好商品」。左下角的人群可以歸結為長尾客戶,不需要我們花精力去維護,讓他們自然生長,轉變為其他三個象限的人群後,我們再施以針對性的策略。
4.管道/漏鬥思維
這種思維方式已經比較普及了,註冊轉化、購買流程、銷售管道、瀏覽路徑等,很多分析場景中都能找到這種思維的影子,如圖4-61所示。
圖4-61 漏鬥思維
看上去越是普世、越是容易理解的模型,它的應用越得謹慎和小心。在漏鬥思維中,我們尤其要注意漏鬥的長度。
漏鬥從哪裡開始到哪裡結束?以作者的經驗,漏鬥的環節不該超過5個,且漏鬥中各環節的百分比數值、量級不要超過100倍(漏鬥第一個環節從100%開始,到最後一個環節的轉化率數值不要低於1%)。若超過了這兩個數值標準,建議分為多個漏鬥進行觀察。當然,這兩個是經驗數值,僅為讀者提供一個參考。
理由是什麼呢?超過5個環節,往往會出現多個重點環節,那麼在一個漏鬥模型中分析多個重要問題容易產生混亂。數值量級差距過大,數值間變化的實際意義很難被察覺,容易遺漏信息。例如,漏鬥的第一個環節到第二個環節的轉化率從60%變到50%,讓你感覺是天大的事情,而漏鬥最後環節的轉化率發生0.1%的變動,你卻不以為然,其實往往是漏鬥最後這0.1%的變動非常致命。
5.時間序列思維
很多問題,我們找不到橫向對比的方法和對象,那麼,和歷史上的狀況比,就將變得非常重要。其實很多時候,作者更願意用時間維度的對比來分析問題。這種方式容易排除一些外在幹擾,尤其適合創新型的分析對象(沒有參照物),比如一個新行業的公司,或者一款全新的產品。
時間序列的思維有三個關鍵點:一是距今越近的時間點,越要重視(在圖4-65中用顏色的深淺度表示,越近期發生的事,越有可能再次發生);二是要做同比(用箭頭指示,指標往往存在某些周期性,需要在周期中的同一階段進行對比才有意義);三是異常值出現時,必須重視(比如出現了歷史最低值或歷史最高值,建議在時間序列作圖時,添加平均值線和平均值加減一倍或兩倍標準差線,便於觀察異常值)。
圖4-65 時間序列思維
時間序列思維有一個子概念不得不提,就是「生命周期」的概念。用戶、產品、人事等無不有生命周期存在。衡量清楚生命周期,就能方便地確定一些「閾值」問題,使產品和運營的節奏更明確。
6.隊列分析思維
隨著數據運算能力的提高,隊列分析(Cohort Analysis)的方式逐漸嶄露頭腳,如圖4-66所示。作者的理解是按一定的規則,在某些維度上將觀察對象切片,組成一個觀察樣本,然後觀察這個樣本的某些指標隨著時間的演進而產生的變化。目前使用得最多的場景就是留存分析。
圖4-66 隊列分析思維
舉個川術公司的例子:該公司在5月17日舉辦了一次促銷活動,將這一天來的新用戶作為一個觀察樣本,觀察他們之後每天的活躍情況。可以想像,若在5月17日、6月17日、7月17日都舉辦了活動,那麼這三天來的新用戶,在註冊後一段時間的使用情況就像3條隊伍一樣向後延伸。
7.循環/閉環思維
如圖4-67所示,循環/閉環的概念可以引申到很多場景中,例如業務流程的閉環、用戶生命周期閉環、產品功能使用閉環、市場推廣策略閉環等。許多時候你會覺得這是一個不落地的概念,因為提的人很多,幹出事情的很少。
圖4-67 閉環思維
業務流程的閉環是管理者比較容易定義出來的,列出公司所有業務環節,梳理出業務流程,然後定義各個環節之間相互影響的指標,跟蹤這些指標的變化,能從全局上把握公司的運行狀況。
例如,川術軟體公司的典型業務流:推廣行為(市場部)→流量進入主站(市場+產研)→註冊流程(產研)→試用體驗(產研+銷售)→進入採購流程(銷售部)→交易並部署(售後+產研)→使用、續約、推薦(售後+市場)→推廣行為,一個閉環下來,各個銜接環節的指標,就值得關注了:廣告點擊率→註冊流程進入率→註冊轉化率→試用率→銷售管道各環節轉化率→付款率→推薦率/續約率……這裡會涉及漏鬥思維,但千萬不要用一個漏鬥來衡量一個循環。
不知你有沒有發現,閉環思維,實際上提供了一種設計指標體系的方式。有了循環思維,你能比較快地建立有邏輯關係的指標體系。
8.指數化思維
如圖4-69所示,指數化思維是指將衡量一個問題的多個因素分別量化後,組合成一個綜合指數(降維)來持續追蹤。前文已經說過,許多管理者面臨的問題是「數據太多,可用的太少」,這就需要「降維」,即把多個指標壓縮為單個指標。
圖4-69 指數化思維
指數化的好處非常明顯,一是減少了指標,使得管理者精力更集中;二是指數化的指標往往提高了數據的信度和效度;三是指數能長期使用且便於理解。
指數的設計是門大學問,這裡簡單提三個關鍵點:一是要遵循獨立和窮盡(MECE)的原則;二是要注意各指標的單位,儘量做標準化來消除單位的影響;三是權重和要等於1。
舉個例子:在設計川術公司銷售部門的指標體系時,目的是衡量銷售部的績效,確定了核心指標是銷售額後,你將績效拆分為訂單數、客單價、線索轉化率、成單周期、續約率5個相互獨立的指標,且這5個指標涵蓋了銷售績效的各個方面(窮盡)。你設計的銷售績效綜合指數=0.4×訂單數+0.2×客單價+0.2×線索轉化率+0.1×成單周期+0.1×續約率,各指標都採用max-min的方法進行標準化。這樣,作為銷售總監,在時間倉促時,只需要盯住銷售績效綜合指數這一個數字,就能知道各個銷售團隊或者銷售員的表現,而不需要從多維度進行對比。
以上內容摘自《數據化運營速成手冊》,有刪節。
《數據化運營速成手冊》
胡晨川 著
2017年4月出版
電子工業出版社