四个方法,拯救你平淡的数据分析报告

发布时间:2021/12/17 00:00      浏览:14146
作者:接地气的陈老师
来源:

方法一:标杆分析法


标杆分析法的思路很直接:


找一个做的好的标杆,直接复(chao)刻(xi)标杆的做法。


既然别人这么做能成功,那理论上我们这么做也能成功。


标杆分析法的步骤


  1. 明确要分析的业务线及分析目标(收益最大化?增长速度最快?用户体验最好?)
  2. 在该业务线中,围绕目标,寻找可作为标杆的对象(目标不同,标杆自然不同)
  3. 剔除异常情况,归纳。比如运气/行业红利/特殊资源(确保标杆可复制性)
  4. 总结标杆特征,导出分析建议(学习1、2、3、4做法,即可成功)
  5. 进行测试,检验标杆效果(最后行不行,还得试一试)

比如,做销售分析,在推导分析结论的时候,就不是简单地说:


“销售业绩低了,建议搞高”。


而从销售队伍中树立标杆,总结特征,复制行为(如下图)。




标杆分析法适用性很广,但是有三个明显缺点:


  • 缺点1:异常难剔除。所谓“失败的大致相同,成功的各有特色”,一般标杆都或多或少有不可复制因素,很难让人100%信服。
  • 缺点2:特征总结难。相当多特征是难以量化的,特别是人主观努力与个人素质。
  • 缺点3:时代局限性。有些方法在过去管用,现在不见得管用。



特别是在复制外部标杆的时候,常常因为数据采集不全,导致找一个“外表内美,内部拉胯”的同行案例做标杆,此时就更容易翻车。


方法二:业务诊断法


业务诊断法的思路也很直接:


找到目前业务哪里做得不好,哪里不好就改哪里,改完就好了。


注意:所以叫业务诊断,是因为最后输出的结论,应该是指向一个具体的业务行动,而不是简单的扔一个“XX指标低了,要搞高”出来(如下图)。


做业务诊断法的步骤


  • 第一步:建立监控指标(一般做漏斗分析,或拆解分析)
  • 第二步:树立判断标准(现有判断好坏的标准,才能下结论)
  • 第三步:发现当前短板(转化漏斗最弱一项,拆解中最弱一项)
  • 第四步:追溯业务问题(这里的弱,是因为运营/产品/价格/……导致的)
  • 第五步:给出诊断建议(基于业务条件,评估改善可行性,给出建议)

这里最难的就是第四步。


想做好第四步分析,需要对业务流程做详细拆解,并对具体做法打标签,才能做深入分析(如下图)。




注意:第五步给建议的时候,也可能不是哪里弱补哪里,而是“以强补弱”(如下图)。




这样基于业务现状+历史数据,对建议进行简单的可行性评估后再给出,会让建议更有说服力。


业务诊断法的缺点是很明显的:第四步容易被卡住,成为业务方互怼的导火索。


特别是问题发生在转化漏斗的末端,大家都有责任的时候,更容易引发争吵(如下图)。




此时,需要花特别多的精力,把这帮人的各种说法论证清楚,不然分分钟会被人当成对战的棋子,怼得死去活来。


方法三:机会识别法


机会识别法和标杆分析类似,但是不是拿整体作为参照对象,而是从细节里找思路。


最典型的,比如发展了一群客户,质量有高有低,这时候有两个典型的做法:


  1. 从现有用户里,挑出高质量群体,单独看该群体画像,思考如何做大该群体。
  2. 从用户画像角度,挑出理论上高质量群体,再看目前获取数量,思考如何做大。(如下图)


这样就是所谓的:机会点识别。


所以叫机会点,是因为:到底是否能做大,做大了到底好不好?在眼下是不清楚的。


  • 很有可能顾此失彼,为了服务一个群体,得罪其他用户
  • 很有可能因小失大,多赚了一个群体钱,流失其他用户
  • 很有可能镜花水月,单一群体数量太少,无法撑起大盘

总之,得实验,实际测试几次,才只能看出数据变化。


这也是机会识别和标杆分析最大区别,标杆分析看得是实际上已经成功的样本,机会识别的,真的就只是一个机会。


机会识别法的弱点也是很明显的:


严重依赖业务配合。


如果业务方懒得给出配套方案,那就永远无法测试这个机会点到底能不能成。


更糟糕的是,在没测试前,到底是不是机会,是无从定论的。


于是,业务方会简单按照:


是否这个机会与老板观点一致,进行判断。


总之,老板说这个好,这个就好。


老板没说过,那就不好……


这更让客观的机会识别无法进行了。


方法四:概念测试法


以上三种方法,都是基于已发生的数据做推导的。


也可以完全没有数据,凭着业务方灵光一闪:


“我有一个好点子!”


然后直接拿来测试。


这是完全OK的。


常用的ABtest方法也是满足这一需求。


但注意,很多业务上测试,实验的是一整个流程的SOP,并非一个孤立的页面。


因此在设计实验的时候,一定要对测试的流程做好拆解,在可能影响实验的节点上,打好业务标签,这样才能在事后分析的时候有据可循,做迭代的时候也有方向。


不然只看最终的结果,还是看不出所以然来(具体拆解方法,参考业务诊断法的做法)。


概念测试法的缺点也是很明显的:


概念是人提的,数据不会撒谎,人会!


比如:为了维护自己面子,即使新版本改善不明显,也非得说丫明显。


比如:为了让自己见效,搞“瘸子里边挑将军”,把B方案做的明显烂,或者换汤不换药,搞个和A方案差不多的B来比,反正最后都是自己的主意胜出。


至于上线后对业绩改善不明显?


好办,直接把锅甩给数据分析,说ABtest说的不准即可。


深层思考:让数据见效真难


这个问题的本质,不是“数据有没有用”而是“真的每个公司都能成为天下第一吗?”


显然,很多公司在业务上是先天有短板的,老板缺乏远见,业务缺少能力,运作不够规范……反应在数据上,是:


  • 缺少内部标杆,躺在黄历上吃老本
  • 缺少业务标签,干业务全靠拍脑袋
  • 缺少测试动作,只在纸面坐而论道
  • 缺少合理的AB方案,拼命证明自己是对的
  • 缺少科学态度,在缺少以上四样的东西的基础上,指望数据分析师,凭借着现有数据库里残缺不全的交易记录,分析出惊为天人的救命仙丹。

数据救不了这种公司,换谁来都不好使……


而做数据的同学,一定要努力多掌握几种方法,多做一些尝试,这样才能识别出:到底是我的思路不到位,还是公司环境真的太差。


毕竟学到的本事是自己的,这家公司不好,还能换下一家。

© 2011~2015 3 北京勺海市场调查有限责任公司 | 京ICP备09041035号-2

电话:北京总部010-58696306,上海OFFICE:021-52285671    总部地址:中国北京朝阳区东三环中路建外SOHO18号楼1506室   技术支持:混沌鸿蒙