數據分析師,這樣才能指導運營,而不是被人追着要數!

做者:接地氣的陳老師算法

來源:接地氣學堂服務器

數據分析如何助力運營,直接上乾貨,開整!iphone

問題場景:某電商公司,近期經過數據發現有大量用戶出現添加商品至購物車但不付款(簡稱:加購未購)的狀況,運營已針對此狀況開展工做,但領導們不滿意,要求數據分析組經過用戶畫像模型進行加購未購客羣分析,提高付款比例。假設你是該公司的數據分析師,問……測試

問題1:你是數據分析師,你第一件事作什麼?大數據

  1. 看過去3個月加購未購的數據走勢
  2. 創建用戶畫像模型
  3. 進行加購未購客羣分析
  4. 進行付款率分析
  5. 和運營聊聊他們在幹啥

先思考這道問題。若是這個題目想不明白,那思考下個題目優化

問題2:在本場景裏,領導的需求是什麼?網站

  1. 須要用戶畫像模型
  2. 須要客羣分析報告
  3. 須要提高付款比例
  4. 須要改善運營工做

先思考這道問題。若是這個題目想不明白,那思考下個題目人工智能

問題3:你在網站買東西,如下哪一個最能讓你下決心付款spa

  1. 網站服務器裏多了一段代碼
  2. 網站工做人員寫的ppt
  3. 你看到了新上市的爆款iphone
  4. 你看到了新上市的爆款iphone且比其餘地方都便宜
  5. 你看到了新上市的爆款iphone且比其餘地方便宜500多塊錢

思考一分鐘,揭曉答案哦ip

1 運營優化項目,從這裏作起

數據分析之因此作了沒屁用,80%是脫離實際,閉門造車的結果。脫離實際,閉門造車的根源,在於作數據的人太沉迷於數據自己,忘了真正要幹啥。好比本案例場景,若是扒皮抽筋的問上邊三個問題,傻子都會看明白:

一、用戶只會爲了一個具體價格的具體商品買單,不會爲ppt、代碼買單。

二、領導須要的是改善運營工做,運營工做對應的是文案、活動、頁面、價格。

三、改善運營工做,得先整明白人家在作什麼,到底有多少空間能夠改善。

四、至於算法、模型、報告、公式、甚至數字,都是尋找改善方法的一種手段。

因此第一時間,得去找運營談這些:

一、目前針對該客羣有哪些措施

二、各項措施上線時間點

三、領導具體不滿意表現

注意,第一步要了解的是具體動做,至於這個動做的好壞,能夠聽運營解釋,可是更多的要本身去分析。結合數據趨勢,發現潛在機會點和問題點(以下圖)

這裏溝通的技巧也很重要。注意,在本場景裏,領導們的不滿已是掛在臉上的,這時候在運營面前,要堅定表現出:「我是和大家一塊兒想辦法,咱們一塊兒把這個差交了」。這樣才能爭取到更多支持。若是擺出一副:「我牛逼,大家都是傻逼」的態度,那就等着被人各類掣肘,最後落魄收場吧 。

2 第二個關鍵問題

問題4:經瞭解,發現運營目前的作法是,按加入購物車的金額的10%派券,好比100元商品派10元,200元派20元,無差異派券。瞭解到這個之後,你會作……

  1. 創建用戶畫像模型
  2. 撰寫客羣分析報告
  3. 分析付款比例曲線
  4. 拆分商品轉化狀況

先思考這道問題。若是這個題目想不明白,那思考下個題目

問題5:你會如何證實,你對加購未購問題產生了積極做用

  1. 彙報用戶畫像模型
  2. 彙報客羣分析報告
  3. 彙報付款比例曲線
  4. 彙報運營效果變化

先思考這道問題。若是這個題目想不明白,那思考下個題目

問題6:如下哪一種狀況,能證實新策略產生了效果(以下圖)

思考一分鐘,揭曉答案哦

3 破局,從這裏開始

人的廣泛心理就是:等得越久,指望值越高。特別在已經開始着急的時候,就更但願能快速見到效果。

因此在本場景裏,用戶畫像也好,模型也好,報告也好,都對,可是首要考慮的是:多長時間見效。見效越快越好

同時,見效的方法越簡單越好。由於越複雜的方法,能參與進來的人越少,意味着本身背的鍋越大。

好比上一個「超精準購買模型」,除了作數據的誰都看不懂。那最後若是效果很差,勢必只有作數據的本身背鍋。這又牽扯到:「寫多少行代碼能讓顧客消費」的問題。總之,不要期望代碼,要和運營並肩做戰,優先丟優惠券。

可能不少同窗聽了:見效又快又好,就以爲難辦。注意,這裏「見效」也是有好幾種效果的。用最簡單的投入產出比概念,減小投入,增長產出,提升比率,都算有效。因此,從一開始就不要把目標定爲完全解決問題,而是不斷優化效果。這樣既容易交差,又能持續見成績。

這樣梳理後,思路就清晰多了:目前的全面派券是很粗暴的作法,不一樣商品的利潤率不同,這麼簡單粗暴打折,頗有可能嚴重壓縮毛利,甚至出現負毛利產品。同時,有些商品臨近保質期,能夠釋放更多利潤出來清貨,有些商品自己利潤很高,有空間再釋放出來。這樣梳理完,第一階段的行動就很清晰了(以下圖)

4 迭代,持續優化效果

問題7:如下兩個選擇,先作哪個?

  1. 減小成本
  2. 增長產出

 注意,本場景,是領導已經不滿意了,都找到外部門了。這種狀況下,若是上來就說:「咱們還要追加XXX萬投入」,要麼本直接噴回來,要麼領導們指望值會被吊得更高,覺得追加之後效果無敵好。

這兩種狀況都是在給本身挖坑!因此最好先從砍成本的角度入手,先砍掉一個明顯負產出的補貼,釋放營銷費用;以後再作一些臨期產品、清庫存產品;以後再拿釋放出來的費用貼高利潤產品,把加購轉化率拉高。

以後還能夠持續迭代,好比高利潤產品的轉化率已經提升的前提下,能夠作價格彈性測試,適當減小補貼,再釋放一波營銷費用;單品作的差很少了,能夠拿釋放出的利潤作滿減、或者交叉銷售。

這些還都是單純的在價格上作文章,數據計算難度小,又容易見效。畢竟給的是真金白銀的優惠券。

這樣折騰下來,不但能見效,並且能拖很長時間。每月試點,迭代四五次,至少也能拖個半年。這半年寶貴的時間,能夠拿來爲「人工智能算法推薦」「大數據用戶畫像洞察」作數據積累,也能爭取到充足的時間訓練模型。

在價格玩的差很少的時候,就能天然續上,效果持續優化,人人開心。比一開始憋大招,憋半年而後屁用,沒有灰溜溜的走人,要強的多(以下圖)。

相關文章
相關標籤/搜索