数据分析,如何挖掘业务机会

2021 年 11 月 10 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

很多公司对于数据分析师的要求都是需要从数据中挖掘出业务机会点,但是到底怎么挖,需要挖掘哪些?其实是令很多同学困扰的。作者结合一个具体问题讲解如何挖掘用户运营机会点,希望对你所帮助。


全文共 2349 字,阅读需要 5 分钟

——————/ BEGIN /——————

从数据中,挖掘出业务机会点,是很多公司对数据分析师的要求。然而到底啥是机会点?到底要怎么挖?很少有人详细讲解过,也让很多同学困扰。今天结合一个具体问题讲解一下。

问题场景:某电商平台,运营部门要求数据分析师挖掘用户运营机会点。数据分析师开心地报告“发现用户购买4次以后,用户消费就很高了,建议让每个用户买4次”……之后惨遭业务批判:“你分析了屁!”

问题出在哪里呢?

错误示范

“发现用户购买4次以后,用户消费就很高了”这是一句典型的就数论数的废话。用户买得多,消费自然就很高呀!闭着眼睛都知道,还要分析啥。这种世人皆知的道理拿出来当然会被人喷。

其实反过来看,还不如用矩阵分析法,找一下有没有违反常识的人群,说不定业务还能觉得眼前一亮(如下图)。

从本质上看,找业务机会点,要找的是:业务可以通过XX行为,改善XX指标的机会。因此如果脱离业务行动,单纯就数论数,就很难挖掘到真正的机会。

比如上例中,即使用了矩阵法,发现了一批高客单价低消费频次的用户,业务方还是会质疑:

  • 他都买了这么多了,为啥还要搞他复购

  • 他都买了这么多了,是不是消费力已经用完了

  • 他都买了这么多了,为啥不是找更多同类的人

  • ……

各种质疑迎面扑来如万箭穿心,数据分析师哪个都抵挡不住。

破局思路

从更深层看,找业务机会点,却连业务关心什么、想干什么都不清楚,单纯在数据里扒来扒去,肯定找不到有用的结果。

因此,有两个更好的解题思路:

思路一:先了解业务要做什么,再找把事做好的办法(执果寻因式)

思路二:先了解业务想改善什么,再找能落地的方法(按图索骥式)

这两种方法,都避免了漫无目标的扒拉数据,能做到有的放矢。

执果寻因式挖掘

很多情况下,业务部门是因为老板下了命令:“做个XX活动/XX功能吧……”就开始行动。这个时候是现有了一个行动,再想怎么把行动做好。这是典型的执果索因式机会挖掘。

站在业务执行的角度,具体执行方案是由五个部分构成的。

  1. 目标用户(谁)

  2. 信息渠道(如何联系他)

  3. 达标要求(联系他做什么)

  4. 参与流程(他要分几步做)

  5. 达标奖励(做完了能得什么)

老板在布置任务的时候,很可能不会面面俱到。此时解决问题的思路就是:哪些板块老板没有指定的,就从哪里入手,寻找可以优化的点(可能有同学会不服气,为啥不是我站出来和老板干一架,找充足的证据把老板的想法否定掉。额,如果公司氛围很民主的话,可以试试……)。

比如老板只是安排了:要做裂变,但是具体怎么裂并没有讲清楚,此时,就能分模块的分析:如何能让裂变做得更好。

注意,对应业务执行五部分,需要的分析是不同的(如下图):

有同学会问,那老板事无巨细地把啥都安排好了,然后让我们执行,这时候咋办?

答:这时候可以改变思路:先评估,按目前安排是否能达成目标。如果能达成目标,则努力做好即可。如果不能达成目标,就得准备第二手方案兜底,避免老板意图不能达成,扣一个“执行不力”的黑锅下来(如下图):

整个思路归纳一下,如下图所示:

这里要注意的是:在没有做过,且不能做测试的情况下,理论推导的结果是很不准确的。数据分析无法预测前无古人的事。因此只要是业务没干过的,统一建议先测试,拿到测试数据再说话。

按图索骥式挖掘

这种情况,更接近我们想象中的数据分析场景:业务部门先给个目标,数据再找办法。拿到这种问题,首先要对该目标的历史达成情况做分析,看看是哪一种(如下图):

如果真是从来都没有达成过(且根据走势推测,也无法通过现有的增速达成),那就说明:现有的手段都不管用。这时候干脆就不要扒拉历史数据了,历史无法告诉你怎么实现。

这时候需要业务上先收集有可能实现目标的手段,数据再配合做测试,或做推演。来验证:这是个真机会,还是镜花水月。

如果偶尔能实现,则还要进一步分析,是凭运气/凭资源/凭做法实现的。很有可能偶尔实现的目标,只是当时运气好/资源多,并非真的有啥好做法,此时洞察的机会点,就是剔出那些真正有实力的业务,总结业务经验。至于没实力的,帮助大家认清现实,早找新办法。

如果一半一半,则说明存在稳定的标杆,可以标杆分析法,洞察标杆做法,作为机会点复制给其他人。

如果能躺赢,则看业务方是想省钱,还是想立功。

想省钱的话,就找刚需用户多,找ROI低的子项目,直接往下砍。此时要洞察的机会点,就是哪些人群刚需,哪些项目ROI低,哪些条线效率低。

想立功的话,就找市面流行但是我司尚未做的做法测试,或者找目前尚未被运营覆盖的人群,试点做起来。此时要洞察的机会,就是:哪些人是漏网之鱼,哪些手段尚未被测试,已测试但是可优化的项目还有多少。通通拿出来做起来。

整个思路如下图:

小  结

做业务机会洞察,不是从数据库里拿几个字段出来算算就能交差的。

做业务机会洞察,本身就得:

  • 在对业务现状充分了解

  • 对业务能力范围有充分评估

  • 对业务要做的事有预判

这样才能明白:哪些是真机会,哪些是坑点。

做业务机会洞察,更不是预测:“给这个人派个优惠券,他99%会买”。实际影响业务的因素太多,从推送信息到操作流程,从商品到优惠,还有对手动作&用户兴趣,太多因素会干扰。不但不可能预测99%,即使蒙对了,也无法沉淀经验。

比起赌命式的预测,把过往经验总结出来,把未知的方案做好测试,是更能一步一个脚印推动业务把握住机会点,做出业绩。

—————— / END / ——————

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。
《华为云金融行业 保险全业务上云解决方案》18页PPT
专知会员服务
15+阅读 · 2022年3月23日
【实用书】Python数据分析手册,437页pdf带你实战数据清洗
专知会员服务
47+阅读 · 2021年5月21日
专知会员服务
37+阅读 · 2020年11月24日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
To B和To C业务,数据分析怎么做?
人人都是产品经理
0+阅读 · 2022年4月14日
从1到100,SaaS怎么做增长
人人都是产品经理
0+阅读 · 2022年4月1日
用户流失,该怎么分析?
人人都是产品经理
0+阅读 · 2022年2月17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
你做不好数据分析,可能是被这3个问题禁锢住了!
人人都是产品经理
0+阅读 · 2022年2月2日
一纵一横,搭建完整数据分析体系
人人都是产品经理
0+阅读 · 2022年1月30日
5个步骤,用数据分析优化业务
人人都是产品经理
0+阅读 · 2021年12月27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
运营策略分析体系,该如何搭建?
人人都是产品经理
0+阅读 · 2021年10月26日
用户分析体系,该如何搭建
人人都是产品经理
0+阅读 · 2021年10月20日
国家自然科学基金
6+阅读 · 2017年12月31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
2+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
1+阅读 · 2014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
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
Arxiv
2+阅读 · 2022年4月20日
Exploring Visual Relationship for Image Captioning
Arxiv
15+阅读 · 2018年9月19日
VIP会员
相关VIP内容
相关资讯
To B和To C业务,数据分析怎么做?
人人都是产品经理
0+阅读 · 2022年4月14日
从1到100,SaaS怎么做增长
人人都是产品经理
0+阅读 · 2022年4月1日
用户流失,该怎么分析?
人人都是产品经理
0+阅读 · 2022年2月17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
你做不好数据分析,可能是被这3个问题禁锢住了!
人人都是产品经理
0+阅读 · 2022年2月2日
一纵一横,搭建完整数据分析体系
人人都是产品经理
0+阅读 · 2022年1月30日
5个步骤,用数据分析优化业务
人人都是产品经理
0+阅读 · 2021年12月27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
运营策略分析体系,该如何搭建?
人人都是产品经理
0+阅读 · 2021年10月26日
用户分析体系,该如何搭建
人人都是产品经理
0+阅读 · 2021年10月20日
相关基金
国家自然科学基金
6+阅读 · 2017年12月31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
2+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
1+阅读 · 2014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
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
Top
微信扫码咨询专知VIP会员