这才是深度数据分析该有的样子

看来老王是别想甩开小李了,这不,运营一直嫌小李做的数据分析没有深度,小李哭丧着脸又来找老王求救了。老王除了帮助小李捋一下思路,也没有别的办法。下面我们一起看看老王是如何结合运营场景,让数据分析变得有深度吧!

【情景假设】

某公司运营一直在为增加用户和提升销售额的问题头疼,他们做了一系列的打折促销活动,但是依然没有什么效果,这种情况下数据分析师该怎么做呢?

核心:运营逻辑贯穿分析始终

假如从用户出发,站在运营的角度看问题,每一个企业面对的用户至少有4类:

很明显,不同人群的需求是不一样的,所以如果只是单纯地打折,导致的结果就是经营盘子越做越小,销量可能维持在一定水平,但总利润是越来越低的。

如果此时数据分析师不懂得背后的运营逻辑,只是单纯陈列数据的话,那么就会啰嗦一堆:“购买客户数XX人,购买金额XX万,较上月下跌x%……”这就是对现象的简单陈述,运营当然会觉得很浅,不够有深度。

所以,想要更有深度地给出数据分析建议,就一定要做到两点:

1、理解运营基本逻辑;

2、用数据佐证逻辑。

拆分目标用户,做出不同策略

做这一步的时候,数据分析师往往会给出三个基本思路:拉新、复购、维护,但这种思路依然是没有从运营逻辑出发的,如果从运营逻辑出发,就会发现新的问题,如,当策略有了组合的时候,就会出现叠加效应,这个时候就要思考更深度的3个问题:

有这3个问题的回答,分析的程度就又深了一个层级。

根据运营逻辑进行策略优化

在上一步的过程中,我们已经提出了要深度思考的3个问题,那么面对这3个问题,只有逐一做出优化,才能让数据分析更有价值。

首先,单个策略优化

以获取新用户举例,设想一种最简单粗暴的方式:新用户首单1元买商品。优惠力度大,简单粗暴,作为顾客的话我们人人都喜欢。

如果孤立地只看一次活动,那么作为数据分析师,肯定只能得出:曝光量XX万,引导注册X万,购买人数X万这种没有结论的数据。

但是站在运营角度,这么简单的活动,都至少有五个部分组成(如下图)。

所以数据分析师此时就需要把所有活动,按照策略组合成活动组,这个时候会发现更多的问题:

1、可能是单一活动没有做过优化;

2、可能是活动优化毫无章法,无法积累有效经验;

3、做优化不够全面,只做了冰山一角;

4、优化做到位了,但某个渠道新用户/转化率有上限;

如果是第4种情况,就能得出一个更深层的结论:要想完成业务目标,就需要开通新的获客渠道。这样的结论,运营就会信服很多。

其次,两个策略衔接优化

关于提升复购率,运营肯定有很多自己的办法,此时,数据分析师除了简单地输出:复购率、复购人数、复购商品量等等数据以外,需要将两个策略结合来看,以便看出更多深层次问题。

比如,用户为什么不复购这个问题?数据分析师可以结合之前新人阶段策略,给出更深层的分析结论,比如:

1、没有针对有复购意向人群的活动策略

2、有策略,但是过于简单,未能结合该类人群的消费习惯

3、有策略且多样,但是缺少培育,只做收割

4、有策略且多样且有培育,但时机不对

……

这些结论就不是单纯地罗列数据了,需要把前后策略连起来看,这样才能有更深入发现的。

再次,多个策略组合分析

当策略越多,策略之间的相互影响越明显。此时运营会有两个明显的倾向:

第一类:各部门各自为战,拉新、复购、高价会员一个小组一套策略,营销费用疯狂燃烧。但有的部门效果好,有的部门效果就不好,为什么会出现这样的情况?

这个问题,在单一的活动复盘里很难讲清楚,但把所有活动围绕活动编织成策略组,就看得很清楚。能及时发现活动之间的堆叠,能基于每个用户计算清楚投放成本的去向以及消耗金额。

第二类:各种动作混为一谈,又要用户看直播,又要用户下载APP注册,又要玩游戏,最后才能得个可怜巴巴优惠券。

这种情况根本不需要举例,现实生活中太多了,某多的砍一刀,操作越整越复杂,优惠越给越少。一个基本的常识就是:流程越长,流失越多。看似面面俱到,实则面面俱废。

此时作为数据分析,除了给到这个巨复杂的流程数据以外,还可以把这个巨复杂的流程,对应回基础用户数据,看看实际覆盖了哪些人,到底激活的是谁,这样就能把大而无用的问题暴露出来。

总结一下:

要想让数据分析有深度,脱离简单的罗列数据层面,就一定要了解业务逻辑,切记,一切脱离业务的数据分析都是没有价值的!


好啦,老王今天的科普也就到此结束了,希望对小李有所帮助!你还想听老王讲数据分析哪些案例,评论区告诉我!

类似文章

发表评论

您的电子邮箱地址不会被公开。