数据分析,怎么做才够「精准」

2020 年 8 月 11 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

“大数据”、“精准数据分析”这些词想必大家都不陌生。在这个数字化时代,数据显得尤其重要,只有做到了精准的数据分析,接下来才能了解并满足用户需求。

那么,数据分析,怎么做才能够“精准”呢?我们来看本文作者的分析。


全文共 2165 字,阅读需要 4 分钟

—————— BEGIN ——————

“用数据分析,精准定位用户,精准发现用户需求,精准推荐产品”,是很多很多地方都在吹的故事。

然而就像儿童故事《咕咚来了》,大家都听说了这个咕咚(精准),可精准到底长啥样,怎么数据就精准了,从来没人讲清楚过。也搞得很多同学很郁闷:领导天天让我精准,可我该咋精准?

今天我们系统讲解一下。

完全不精准的场景

有个经典相声叫《宇宙牌香烟》,描绘的就是八九十年代推销员的日常:

我这个宇宙牌香烟真厉害,姑娘抽了漂亮、小伙子抽了帅气,老人抽了长寿,小孩抽了能考上大学。

——这就是典型的完全不精准:看似每个人群都适合,可实际上鬼都知道姑娘、小孩不会抽好吧。

虽然很多产品是人们生活的必须品,但是具体到一个品牌、一款产品、一定时间段、一定价格,就不一定有人买。转化链条越长,用户流失的可能性就越大(如下图):

互联网的广泛使用,加剧了这个问题。

以前人流多的商业街,一个城市就那几个,很容易靠旗舰店垄断流量;现在在互联网上各种信息渠道五花八门,信息形式丰富多彩,导致转化效率更低了。

好在互联网平台能记录数据,这也就是通过数据实现精准分析的前提。

因此,精准不是一个绝对值,而是一个相对概念。

即:比闭着眼睛喊“王八蛋老板带着小姨子跑路了,全场一律9块9”要更精准的找到用户的手段,都叫“精准”。

在提及精准时,常常伴随着:现状是多少、需要优化到多少的讨论。

提高投放精准度

用数据提升精准度,第一步就是投放渠道。

信息得先到达用户,才有转化的可能。

在渠道上有两种常见做法:

一是做减法,砍掉明显转化率很低的渠道,节约成本;二是做加法,寻找新的,含目标用户很高的,转化率有保障的渠道,提高效率。

这两种方法在实际工作中常常是结合使用的——因为多渠道投放是常态,要提升效率,就得一条条具体看,做排列组合(如下图):

提高内容精准度

第二步是提高内容的精准度。

信息到了用户那里,如果内容做的不好看,用户可能点都不点,那后边流程就直接断了。

这时候可以直接做ABtest,或者打内容标签,观察不同内容的实际效果,来反推:用户其实更喜欢XX类型。

类似地,设计类问题都可以用测试/分组对比来观察效果,比直接用数据预测的更好。

提高商品精准度

第三步是提高商品的精准度。

其基本思路是:不是简单地强推一个产品,而是通过做多几个选择,来提高用户转化机会。

但注意:这种做多是有限制的——因为用户精力有限,如果一次推太多款,反而容易造成选择困难。所以尽量找用户购买潜力高的品类,集中推几款。

提高价格精准度

在明确了渠道、内容、商品之后,最后一步是价格。

所谓价格精准,就是大数据杀熟,越忠诚的用户就宰的越欢快,这样才能最大化利润和销量——这可能是互联网最擅长干的事了。

因为传统渠道这么明目张胆搞价格歧视,不要说用户会造反,工商局都会打上门来。

但是互联网渠道里,用户之间信息没那么畅通,很多商品价格不高,又是即时消费,因此宰就宰了。

实现精准分析的步骤

正因为影响精准度的环节有很多,所以在实际开展项目的时候,一定要先清晰精准的目标、梳理业务流程、了解当前数据现状、了解业务方能在业务流程里做哪些事。

这样才能找准发力点,从简单到困难的扫荡问题,提升效果(如下图):

工作的基本思路,可以概括为:先抓白犀牛,再抓黄蛤蟆,放弃黑天鹅。

即:

  1. 转化流程里明显的短板,先改进;

  2. 解决大问题后,再从到小搞细节;

  3. 突发、随机、一次性问题,直接放弃。

因为站在结果角度,一次推广的影响因素实在太多,不可能指望一次分析就包打天下。

数据分析实现精准是需要过程,需要时间,需要经验积累的。

把明显的问题先处理好,不然有太多的细节可以让人沉迷,最后也看不到效果改进。

做数据的新手很容易犯一个问题:不看场景,直接怼模型。

比如很多同学一听“精准”,就脑子一热想做推荐算法(并且还是用关联规则做,因为做协同过滤或者算距离函数需要大量标签,太麻烦,关联规则多简单)。

不管具体业务场景、不管价格、不管内容,是很难做出好结果的。

很多同学沉迷于:淘宝就是XXX。

拜托,淘宝这种超级应用的用户量、数据量、用户粘性不是其他平台可以比的,而且淘宝平台又不需要对某个商家某个SKU负责。

所以不能简单照搬,脚踏实地,把自己的流程、现状、业务目标整明白,很重要。

但是在业务上,对精准的理解问题更多。

对精准分析的常见错误理解

估计很多策划、营销、运营,看到这会说:这个感觉不精准啊!

是滴,不懂数据的人,心中的精准大概是这样的。

如下图:

从本质上看,不存在一个品牌+一个产品+一定时间内+一定价格内所有人都会消费的情况。

即使强大如微信,也才11亿日活,只覆盖不到80%国人;更不要指望你那些小品牌、非爆款、价格干不过拼多多的产品能包打天下。

所以,业务方不要企图在精准营销之类工作中当甩手掌柜,认真的分享营销计划、投入费用、作战意图、内容创作、和数据分析共创,才是更好的提升之道。

—————— / END / ——————

▼ 喜欢请分享,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。
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
【2020新书】社交媒体挖掘,212pdf,Mining Social Media
专知会员服务
60+阅读 · 2020年7月30日
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1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
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
从代码到300优质客户,用户画像在销售的实战应用
R语言中文社区
5+阅读 · 2018年6月16日
推荐|网易云音乐分析之推荐算法
人人都是产品经理
10+阅读 · 2018年2月26日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
认识个性化推荐系统:从推荐算法到产品冷启动
人人都是产品经理
6+阅读 · 2017年9月15日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
有了场景和画像才懂用户
互联网er的早读课
6+阅读 · 2017年8月26日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
Arxiv
6+阅读 · 2019年3月19日
Arxiv
4+阅读 · 2018年5月4日
Arxiv
3+阅读 · 2018年4月10日
VIP会员
相关VIP内容
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
【2020新书】社交媒体挖掘,212pdf,Mining Social Media
专知会员服务
60+阅读 · 2020年7月30日
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1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
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
相关资讯
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
两套经典的用户画像
产品100干货速递
26+阅读 · 2018年6月19日
从代码到300优质客户,用户画像在销售的实战应用
R语言中文社区
5+阅读 · 2018年6月16日
推荐|网易云音乐分析之推荐算法
人人都是产品经理
10+阅读 · 2018年2月26日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
认识个性化推荐系统:从推荐算法到产品冷启动
人人都是产品经理
6+阅读 · 2017年9月15日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
有了场景和画像才懂用户
互联网er的早读课
6+阅读 · 2017年8月26日
你以为自己真的了解用户画像?其实猫腻可多了
THU数据派
8+阅读 · 2017年7月12日
Top
微信扫码咨询专知VIP会员