魔法数字是什么?如何用数据分析找到它

2022 年 11 月 21 日 人人都是产品经理

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达

你知道什么是魔法数字吗?在运营中它发挥着怎样的功效?我们跟着作者一起来认识一下它,并了解一下如何通过数据分析找到它,以便帮助我们更好地运营。


全文共 2370 字,阅读需要 5 分钟

——————/ BEGIN /—————

花里胡哨的新词,经常给同学们带来困扰。

用户增长概念火了以后,随之而来的一个魔法数字,就搞糊涂了很多人。还闹出很多笑话,比如下边这个。

请听题:

某互联网公司toB业务的销售运营,发现了一个魔法数字:只要销售们打电话100次以上,通话100分钟以上,成交率就会明显飙升(如下图)。于是销售运营制定了双100任务,要求人人每天达到这两个指标,还在电话间挂上了“只要没打死,就往死里打”的大标语。

结果搞得销售们叫苦连天,疯狂加班,还屁业绩没有,离职率也上去了。

现在请数据分析师找找原因。

魔法数字的最初含义

魔法数字最初仅仅是用户留存分析中的一种方法:找到影响用户留存的最关键变量,之后改善这个变量的数值,从而达到改善留存的目的。

比如我们发现:一周内点击分享5次及以上的用户,留存率明显高出30%,所以我们就定5次为魔法数字,然后想办法让用户多分享。

具体操作分4步:

  1. 列出可采集数据的用户行为

  2. 分析行为与留存率关系,找出高度相关行为

  3. 剔除其中不适合业务做改善的行为

  4. 得出适合做改善行为的魔法数字

有同学会说,这不就是找关键因素吗!

是滴,没错,就是找关键因素。

可就像找关键指标被叫做“北极星指标”一样,互联网行业就是爱造新词,关键因素就被称做“魔法数字”了。

可如同所有新词一样,很快魔法数字的说法就被滥用,于是有了开篇的问题。

光抱怨没有用,我们一起看看这个问题是怎么来的。

魔法数字的错误做法

最大的错误,就是很多同学把结果当过程,以为只要找到一个有明显差异的分组,就算找到(如下图):

这样做,犯了一个统计学上基本错误:把相关当因果。

就如同开篇的问题一样,看似拨打100次以上,有效通话100分钟以上的人业绩好,可反问一下:

  • 是不是因为客户本身愿意聊,所以才能聊到100分钟呢?

  • 是不是因为他原本的客户就多,所以才需要打100次呢?

  • 是不是达成100次条件的,每个月就不是同一个人呢?

因果倒置,很有可能发生。很有可能是因为业务员已经谈成了客户,所以才会跟客户聊这么久。

而不是因为他聊得久,所以客户才愿意跟他签约。这里需要有更科学的方法,全面分析“到底是什么让业务员优秀”。而不是简单地做个分组对比了事。

找魔法数字的正确姿势

首先思考下:开头的题目是什么类型?

  • 是多少

  • 是什么

  • 为什么

  • 会怎样

  • 又如何

找魔法数据的本质,是找到驱动用户/业务的关键因素。因此想解开头的题目,得先弄清楚:为啥有的销售好,有的销售差。

因此这个题目选C。弄清了原因,才找能关键行动;弄清了行动,才知道用什么数字来衡量,这才是真正魔法数字。按这样的顺序操作,才不至于陷入“就数论数,因果倒置”的错误里。

特别要注意,互联网toB业务的销售有其特殊性:

  • toB业务人际关系很重要,自带资源多的销售就是签约多。

  • toB业务高度依赖个人能力,因此有可能有成功的不传秘方。

  • toB业务的客户有采购周期,因此可能有销售的旺季/淡季。

  • toB业务陌生拜访成交率天生低,销售们有可能是纯碰运气。

基于这些特点,想要找成功原因,就不能偏执的追求“思维觉醒”、“能力提升”、“敢拼就敢赢”、早上喊打鸡血口号、中午群魔乱舞跳工间操、晚上罚裸奔——诸如此类没节操的办法,这是传销窝点常干的事。

客观分析销售业务成功因素,试图区分运气、资源、季节性等原因,才是正道(如下图):

这五种情况里,情况1还需要进一步区分:到底是能力还是背景,或者背景起到多大作用。

这导致的策略方向会完全不一样:如果背景特别重要,那么就干脆招有背景的人;如果有明显待改进的行为,就努力培养这种行为。

想梳理清楚,先看背景、再看行为会更好。

因为销售的行为采集比较难,不见得能采集到完整行为,特别是话术、技巧、语气这种不可量化的因素。但背景信息有简历,有很多结构化数据做分析(如下图)。

就像科比可以早上4点起来练球,但早上4点起来练球并不能让你成为科比一样。脱离行为组合,单纯地抓某一两个动作,并不能让普通人达到优秀者的水平。

当然更蠢的做法,是把不同优秀者的行为拼接到一个人身上。

是滴,就是我们家老妈子干的事:你咋不像A那样勤奋,你咋不像B那样爱运动,你咋不像C英语讲那么溜……这么干简直能把人气死。

所以分析行为的时候,不要拿每一个指标与结果做交叉,而是先找到标杆,再拆解标杆的行为,总结出一些规律,再拿着标杆的行为与普通人做对比。这样才更容易看到差距,找到一套可复制的打法(如下图):

从魔法数字到行动策略

经过数据分析,我们摸清了销售成功的原因。基于数据,会衍生出四种基本策略:

  1. 行为培养型:找到影响成单的关键行为,提升关键行为。

  2. 人才引进型:直接找有天生资源的销售,榨干了就换人。

  3. 季节加码型:提前预备人力,在采购季来临之时狂轰烂炸。

  4. 人海战术型:所谓“卖报童效应”,多点人,多干点。

注意,策略2、3、4都跟魔法数字没有关系。策略2是招聘策略,尽可能招聘优质销售。

策略3、4都是人海战术,靠大力出奇迹。只有策略1才会用到魔法数字,而且很有可能不是一个数字,而是一个行为组合。

比如:

  • 成交五步法:先说A话术,再说B话术

  • 开门七件事:日工作计划、目标、名单准备

  • 五做五不做:坚决避免的5种错误

  • 二七一十四:2次沟通率,7个切入点,14分钟介绍

总之,能提高业绩的行为就是好行为。

把这些行为、话术、技巧提炼出来,就是数据分析提升业绩的最好办法。

拒绝傻憨憨地打鸡血,才是数据分析师的贡献。

——————/ E N D /——————

产品经理培训产品运营培训企业内训服务

请在公众号后台回复「培训」了解更多

▼ 喜欢请分享&收藏,满意点个赞,最后点「在看」 ▼

登录查看更多
0

相关内容

数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析,以求最大化地开发数据资料的功能,发挥数据的作用。
【2022新书】有趣的数据结构,307页pdf带你轻松学习
专知会员服务
122+阅读 · 2022年8月29日
弗里堡大学教授Martin新书《因果分析》,365页pdf
专知会员服务
140+阅读 · 2022年2月12日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
47+阅读 · 2021年5月21日
商业数据分析,39页ppt
专知会员服务
157+阅读 · 2020年6月2日
Gartner:2020年十大战略性技术趋势, 47页pdf
专知会员服务
74+阅读 · 2020年3月10日
数据分析落地全流程,应该是怎样的?
人人都是产品经理
0+阅读 · 2022年10月27日
提问:如何分析一个复杂的数据问题?
人人都是产品经理
1+阅读 · 2022年10月18日
为什么你做的数据分析,运营懒得看
人人都是产品经理
0+阅读 · 2022年9月26日
四步走,做有深度的数据分析
人人都是产品经理
0+阅读 · 2022年7月27日
抽丝剥茧,深入的数据分析这么做!
人人都是产品经理
0+阅读 · 2022年7月23日
数据分析,如何实现降本增效?
人人都是产品经理
0+阅读 · 2022年5月1日
一个案例,看懂如何分析活动效果
人人都是产品经理
0+阅读 · 2022年3月15日
你写的数据分析报告没人看,为啥?!
人人都是产品经理
0+阅读 · 2022年2月13日
运营数据分析,怎么做才有深度
人人都是产品经理
0+阅读 · 2021年11月23日
数据分析,如何挖掘业务机会
人人都是产品经理
0+阅读 · 2021年11月10日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2023年1月25日
Arxiv
14+阅读 · 2022年10月15日
已删除
Arxiv
31+阅读 · 2020年3月23日
VIP会员
相关VIP内容
【2022新书】有趣的数据结构,307页pdf带你轻松学习
专知会员服务
122+阅读 · 2022年8月29日
弗里堡大学教授Martin新书《因果分析》,365页pdf
专知会员服务
140+阅读 · 2022年2月12日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
47+阅读 · 2021年5月21日
商业数据分析,39页ppt
专知会员服务
157+阅读 · 2020年6月2日
Gartner:2020年十大战略性技术趋势, 47页pdf
专知会员服务
74+阅读 · 2020年3月10日
相关资讯
数据分析落地全流程,应该是怎样的?
人人都是产品经理
0+阅读 · 2022年10月27日
提问:如何分析一个复杂的数据问题?
人人都是产品经理
1+阅读 · 2022年10月18日
为什么你做的数据分析,运营懒得看
人人都是产品经理
0+阅读 · 2022年9月26日
四步走,做有深度的数据分析
人人都是产品经理
0+阅读 · 2022年7月27日
抽丝剥茧,深入的数据分析这么做!
人人都是产品经理
0+阅读 · 2022年7月23日
数据分析,如何实现降本增效?
人人都是产品经理
0+阅读 · 2022年5月1日
一个案例,看懂如何分析活动效果
人人都是产品经理
0+阅读 · 2022年3月15日
你写的数据分析报告没人看,为啥?!
人人都是产品经理
0+阅读 · 2022年2月13日
运营数据分析,怎么做才有深度
人人都是产品经理
0+阅读 · 2021年11月23日
数据分析,如何挖掘业务机会
人人都是产品经理
0+阅读 · 2021年11月10日
相关基金
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员