為什麼“資料分析報告太平淡,只是陳述事實,沒有建設性意見”是很多企業的抱怨。
“資料分析建議要可行,有建設性,能產生效果”也是很多企業的要求。
問題是:咋做到呀!
通常來講,有
四種
方法,可以從資料中推匯出高質量、可落地、可見效的分析結論。但是,並沒有一種方法是包治百病的仙丹。每種方法都有特定的使用場景和難點,今天和同學們系統的分享一下,以供參考。
01
方法一:標杆分析法
標杆分析法的思路很直接:找一個做的好的標杆,直接復(chao)刻(xi)標杆的做法。既然別人這麼做能成功,那理論上我們這麼做也能成功。
標杆分析法的步驟:
明確要分析的業務線及分析目標(收益最大化?增長速度最快?使用者體驗最好?)
在該業務線中,圍繞目標,尋找可作為標杆的物件(目標不同,標杆自然不同)
剔除異常情況,歸納。比如運氣/行業紅利/特殊資源(確保標杆可複製性)
總結標杆特徵,匯出分析建議(學習1、2、3、4做法,即可成功)
進行測試,檢驗標杆效果(最後行不行,還得試一試)
比如,做銷售分析,在推導分析結論的時候,就不是簡單地說:“銷售業績低了,建議搞高”。而從銷售隊伍中樹立標杆,總結特徵,複製行為(如下圖)。
標杆分析法適用性很廣,但是有三個明顯缺點
缺點1:異常難剔除。所謂“失敗的大致相同,成功的各有特色”,一般標杆都或多或少有不可複製因素,很難讓人100%信服。
缺點2:特徵總結難。相當多特徵是難以量化的,特別是人主觀努力與個人素質。
缺點3:時代侷限性。有些方法在過去管用,現在不見得管用。
特別是在複製外部標杆的時候,常常因為資料採集不全,導致找一個“外表內美,內部拉胯”的同行案例做標杆,此時就更容易翻車。
02
方法二:業務診斷法
業務診斷法的思路也很直接:找到目前業務哪裡做得不好,哪裡不好就改哪裡,改完就好了。注意:所以叫業務診斷,是因為最後輸出的結論,應該是指向一個具體的業務行動,而不是簡單的扔一個“XX指標低了,要搞高”出來(如下圖)。
做業務診斷法的步驟:
第一步:建立監控指標(一般做漏斗分析,或拆解分析)
第二步:樹立判斷標準(現有判斷好壞的標準,才能下結論)
第三步:發現當前短板(轉化漏斗最弱一項,拆解中最弱一項)
第四步:追溯業務問題(這裡的弱,是因為運營/產品/價格/……導致的)
第五步:給出診斷建議(基於業務條件,評估改善可行性,給出建議)
這裡最難的就是第四步。想做好第四步分析,需要對業務流程做詳細拆解,並對具體做法打標籤,才能做深入分析(如下圖)。
注意:第五步給建議的時候,也可能不是哪裡弱補哪裡,而是“以強補弱”(如下圖)。
這樣基於業務現狀+歷史資料,對建議進行簡單的可行性評估後再給出,會讓建議更有說服力。
業務診斷法的缺點是很明顯的:第四步容易被卡住,成為業務方互懟的導火索。特別是問題發生在轉化漏斗的末端,大家都有責任的時候,更容易引發爭吵(如下圖)。
此時,需要花特別多的精力,把這幫人的各種說法論證清楚,不然分分鐘會被人當成對戰的棋子,懟得死去活來。
03
方法三:機會識別法
機會識別法和標杆分析類似,但是不是拿整體作為參照物件,而是從細節裡找思路。最典型的,比如發展了一群客戶,質量有高有低,這時候有
兩個典型的做法:
1、從現有使用者裡,挑出高質量群體,單獨看該群體畫像,思考如何做大該群體。
2、從使用者畫像角度,挑出理論上高質量群體,再看目前獲取數量,思考如何做大。
(如下圖)
這樣就是所謂的:機會點識別。所以叫機會點,是因為:到底是否能做大,做大了到底好不好?在眼下是不清楚的。
很有可能顧此失彼,為了服務一個群體,得罪其他使用者
很有可能因小失大,多賺了一個群體錢,流失其他使用者
很有可能鏡花水月,單一群體數量太少,無法撐起大盤
總之,得
實驗,
實際測試幾次,才只能看出資料變化。這也是機會識別和標杆分析最大區別,標杆分析看得是實際上已經成功的樣本,機會識別的,真的就只是一個機會。
機會識別法的弱點也是很明顯的:嚴重依賴業務配合。如果業務方懶得給出配套方案,那就永遠無法測試這個機會點到底能不能成。
更糟糕的是,在沒測試前,到底是不是機會,是無從定論的。於是,業務方會簡單按照:是否這個機會與老闆觀點一致,進行判斷。總之,老闆說這個好,這個就好。老闆沒說過,那就不好……這更讓客觀的機會識別無法進行了。
04
方法四:概念測試法
以上三種方法,都是基於已發生的資料做推導的。
也可以完全沒有資料,憑著業務方靈光一閃:
“我有一個好點子!
”然後直接拿來測試。
這是完全OK的。
常用的ABtest方法也是滿足這一需求。
但注意,很多業務上測試,實驗的是一整個流程的SOP,並非一個孤立的頁面。因此在設計實驗的時候,一定要對測試的流程做好拆解,在可能影響實驗的節點上,打好業務標籤,這樣才能在事後分析的時候有據可循,做迭代的時候也有方向。不然只看最終的結果,還是看不出所以然來(具體拆解方法,參考業務診斷法的做法)。
概念測試法的缺點也是很明顯的:
概念是人提的,資料不會撒謊,人會
!
比如:為了維護自己面子,即使新版本改善不明顯,也非得說丫明顯。
比如:為了讓自己見效,搞“瘸子裡邊挑將軍”,把B方案做的明顯爛,或者換湯不換藥,搞個和A方案差不多的B來比,反正最後都是自己的主意勝出。
至於上線後對業績改善不明顯?好辦,直接把鍋甩給資料分析,說ABtest說的不準即可。
05
深層思考:讓資料見效真難
這個問題的本質,不是“資料有沒有用”而是“真的每個公司都能成為天下第一嗎?
”顯然,很多公司在業務上是先天有短板的,老闆缺乏遠見,業務缺少能力,運作不夠規範……反應在資料上,是:
缺少內部標杆,躺在黃曆上吃老本
缺少業務標籤,幹業務全靠拍腦袋
缺少測試動作,只在紙面坐而論道
缺少合理的AB方案,拼命證明自己是對的
缺少科學態度,在缺少以上四樣的東西的基礎上,指望資料分析師,憑藉著現有資料庫裡殘缺不全的交易記錄,分析出驚為天人的救命仙丹
。
資料救不了這種公司,換誰來都不好使……
而做資料的同學,一定要努力多掌握幾種方法,多做一些嘗試,這樣才能識別出:到底是我的思路不到位,還是公司環境真的太差。畢竟學到的本事是自己的,這家公司不好,還能換下一家。