辅导经营的核心分析办法论:五步分析法
本文摘要:当我们看了不少增加案例之后,再看看手头的工作和业绩方针,是否是还觉得不知道怎么完成?那是因为许多案例并没有介绍得出结论的分析过程,而只是描述了问题的布景和方针,以及优化之后的效果。真实的分析过程,往往被“发现”两个字一笔带过。当然有人会说,

当我们看了不少增加案例之后,再看看手头的工作和业绩方针,是否是还觉得不知道怎么完成?那是因为许多案例并没有介绍得出结论的分析过程,而只是描述了问题的布景和方针,以及优化之后的效果。真实的分析过程,往往被“发现”两个字一笔带过。

当然有人会说,数据分析过程是一个见仁见智的过程,底子不可能依照一个统一的流程完满足部分析,特别是在互联网领域的高速变化傍边。那么数据分析的过程,究竟是一个只有零星技巧而无章法可循的过程,仍是一个有明确的步骤并可以严厉依照执行的过程?我认为是后者。

我们这就来介绍一个通用的数据分析方法论:数据分析五步法,这个框架具有一下几方面特点:

不与详细事务绑定,是从决策需要的信息角度出发的; 具有开放性,可融入个人经历和前沿技能; 可结合大数据技能,扫除人工环节,完成主动化; 逻辑明晰,容易学习。 一、分析五步法

这个简略的数据分析五步法,根本可以应对日常工作中至少80%的常见数据分析问题。而剩下的20%的场景,可以在这个根本的分析方法论上扩展出来,我们会在后边的内容中评论。

1.1 五个根本步骤

首要,我们来一次说明着5个根本步骤,分别是:

1.1.1 汇总

这一步我们重视的是指标,也就是我们常见的那些DNU、DAU、GMV、ROI等等。只需是说到数据分析的内容,一定会提示数据分析“要明确方针”。因此,这个重要性我们却是不需要赘述。

方针当然是所有指标中最重要的。但只有方针还不行,我们还需要其它的辅助指标。就比如ROI,是投入和产出两项算出了ROI;而GMV,也能够用用户数乘以均匀每用户的GMV核算出来。这样,我们就把一个方针的核算,拆分红了更多相关指标的组合。并且,这些指标更基础,我们可以通过一些运营手法影响这些指标的变化趋势。

这部分没有什么了解的难度。只不过,我们要找出指标之间的核算关系,由此逐渐找到所有我们需要关怀的指标。在现在的互联网产品运营傍边,历来不会短少需要看的指标,现已多到了目炫缭乱的境地。但只有那些跟方针相关的指标,我们才需要关怀。

1.1.2 细分

这一步适当于给指标添加了一个或者若干个维度。最简略的维度应当算是时间了。比如,我们按天看UV的变化趋势;又或者,我们看不同页面带来的GMV是多少、看不同用户分群中的GMV分别是多少等等。假如我们了解前面的指标只是一个数字的话,添加了维度之后,它就变成了一列数据;添加了两个维度之后,它就变成了一张表格,以此类推。

就像指标的现状一样,我们也能够轻松找到许许多多可以用来拆分指标的维度。比如前面提到的日期和人群,还有拉新上的来历渠道,活跃上的流量来历和转化途径等等。再将这些维度进行摆放组合,就可以发生出一大批杂乱的拆分维度,多到底子看不过来。

因此,在细分之前的要害环节就在于区分维度的重要程度。

怎么区分呢?

我们要依照是否可操作来区分这些拆分维度的轻重缓急。比如:前面提到了看APP中的不同页面带来的GMV。可是,假如我们没有必要的技能手法或者运营东西,来为那些GMV更高的页面分配更多流量,也不能下降那些GMV较低的页面的流量,那么依照页面拆分这种方法关于我们没有任何操作空间,更不要说操作之后的优化空间了。

假如是这种状况,我们就应当认为来历页面这个维度,只是个“看看就好”的维度,而非要害维度。

另外一个例子是用户分群,特别是当我们期望从外部的投放引流取得更多高质量的新增用户,以此来拉动增加的时分。在这种时分,我们总是期望首要对现有的高质量用户进行用户画像,并确定一些可以标识高质量用户的特征,再通过这些特征在投放的时分吸筛选出高质量的用户。

这个道理是讲得通的,但遗憾的是,外投渠道不能提供十分精准的人群定位,只能提供人口统计学和内容偏好等粗粒度的划分。这其间还隐含着,我们暂时认为投放渠道关于用户的标记是十分精准的,没有考虑呈现标记过错的概率。

因此可以看出,在拉新这件事上,我们对用户分群的操作是受限的——其实不是完全不能,但十分受限。而用户分群更大的使用空间在于促进活跃,也就是在我们自己的用户群体中进行切分。

比如,在增加案例中常见的,在相同页面的相同方位放置不同的案牍或者图片素材进行版本间的A/B Test,那么详细展示哪一个版本就是一个可以自在操作的维度,因为一旦发现哪一个版本更好,我们可以很快采纳举动,替换掉其它体现欠好的版本。因此展示版本这个维度很合适用来切分指标。

假如说【汇总】的部分只是个监控的话,在【细分】的步骤中,就现已体现出一些分析的感觉了。在【细分】这个步骤中,我们需要找到那些真实可操作的拆分维度,以便让我们的分析结论能尽快落地。但这部分还留下一个问题,就是假如存在多个可操作的拆分维度,那么它们之间理应是有差异的。

比如:我们可以简略地替换图表和案牍,但我们也能够费尽心血地给产品迭代一个大版本。

怎么在分析的过程当中体现并衡量这种操作的杂乱度呢?这个就要说到【评价】的问题。

1.1.3 评价

在【评价】的步骤中,我们要用到【汇总】步骤中的那个作为方针的指标,以它作为评价的仅有规范。假如我们的方针就是简略的GMV,乃至更简略的PV和UV,那么到了【细分】的步骤之后,我们根本就能够开始下结论了,可是在实战中并不是如此。我们的方针多是一个复合方针——在拉高GMV的同时,还要控制本钱;在拉高PV的同时,还需要提高GMV;或者直接是一个ROI这样的复合指标。

在这个时分,我们就不能只重视方针这一个指标了,而要重视复合指标。例如:我们的方针是在拉高GMV的同时控制本钱。为了进一步简化问题,我们把本钱详细地界说为:促进老用户发生GMV的本钱和取得新用户发生GMV的本钱。因为通常在运营中,拉新与促活的手法是不同的,这与【细分】部分的原则对应,即:是否存在操作空间以及操作空间的巨细。

之后,我们就能够分别依照拉新和促活的不同纬度,对发生的GMV和投入的本钱这两个指标分别进行细分了。例如:在拉新方面,我们有外投百度要害字、有外有广告联盟、还有与其他APP的合作换量;而在促活方面,我们在APP上的ABCD四个Banner上设置的A/B Test。

那么关于新用户的部分,我们就能够分别针对百度要害词、广告联盟和合作APP这三种方式,评价每投入一块钱的本钱分别可以得到多少新增的GMV。通过这种评价,我们就可以简略地在不同的拉新方式中,选择更优的方式,并在已有的方式中调整更优的本钱投入。而关于老用户的部分,我们相同可以针对ABCD四个Banner各自的A/B Test,评价不同的展示版本中每投入一块钱可以发生多少GMV。

简而言之,在【评价】这个步骤中,我们需要把【汇总】部分的指标分红两类——最终的方针,与完成方针的手法。比如在前面的例子中,投入的本钱就是完成GMV提高的手法。因此,每一块钱的本钱投入,我们都需要以发生的GMV来评价它。这时候,要完成GMV提高的方针,可选择的手法就比较多了。

比如,针对老用户促活,我们可以:

坚持本钱投入不变,替换更容易带来GMV的图片和案牍,来提高投入的每一块钱带来的GMV(优化功率); 坚持每一块钱带来的GMV不变,(在限制规模内)追加本钱投入。

这两种方式,都无意识地疏忽了GMV可能带来的价值。假如我们将这部分价值考虑进来,它就可以抵消掉一部分投入的本钱,那么备选方案还会更多。

总之,在前面这个例子中,因为我们的拆分维度本身比较简略,只考虑了APP中的Banner和外部拉新的方式,因此比较容易通过数据中的一些标记进行细分。可是在实战中,还有些状况是我们无法进行明确地拆分的。

比如在用户交互中,发生一个GMV的途径需要通过几个环节的跳转,或者就像前面那个例子中的ABCD四个Banner,假如用户点击了其间的两个乃至三个Banner,那么我们怎么拆解呢?这个问题就是下一个步骤【归因】了。

1.1.4 归因

【归因】这个步骤就是“终究一公里”了,也就是我们常说的剖析“为何”的过程,之后便可以得出结论并进行决策。

在前面的步骤中,通过案例能清楚地看到,我们现已得到了一些可以直接比照的量化指标了。在这种状况下,其实我们不需要在【归因】的步骤中做什么特殊的操作,可以通过数值的比较直接下结论。可是假如我们遇到了细分的问题,也就是多个环节或者方法之间无法进行明确地拆分时,应当怎么办呢?

在日常的数据分析中有几种常用的归因思路:

比如,我们继续使用前面提到的案例——用户**顺次**点击了ABCD四个方位才发生了GMV:

**初次互动归因模型**:也就是用户第一次做某件事,在数据中通常体现为时间最早、顺序号最小等等。那么我们给A记100%,B、C和D记0%。 **最终互动归因模型**:也就是用户终究一次做某件事,对应的在数据中就体现为时间最近、顺序号最大等等。那么我们给D记100%,A、B和C记0%。 **线性归因模型**:也就是均匀分。那么我们给ABCD分别记25%。 **加权归因模型**:也就是给多个促进因素分配一定的权重,例如A和B各记30%,C和D各记20%。正因为多出来一个权重的维度,需要一定的设计;并且核算权重也能够作为一种分析的过程。关于权重也有几种常见的设置方法,比如首末两项最重要而其它向中心递减,或者准时递减等等。

当然,在选择归因方式的时分,也会结合详细事务的特征,来考虑行为的先后顺序、停留时间长短等状况,关于分析方针的贡献或影响。

1.1.5 决策

终究就能够决策了。但通过了前面的几个步骤逐渐消除了不确定性,决策反而是最简略的一步了——就是找出那个体现最好的版本、体现最好的方位、体现最好的拉新方法罢了。

而当我们有一些新的idea时,相同可以作为A/B Test中的一个版本,加入到这套评价体系中,进行综合评价。

1.2 应用案例

这套方法论不只针对日常工作中的专项分析,在一些现已固化成型的方法论中,也能够找到这套基础方法论的影子。

我们来看几个现已成型方法论案例:

1.2.1 A/B Test实验

首要我们要看的案例就是A/B Test。在A/B Test的过程当中,首要我们要确定实验的意图,也就是我们要通过实验提高和优化的是哪一个指标。之后,我们以实验中的不同版本作为细分维度,以指标是否完成作为评价规范,对实验成果进行评价。假如在实验的过程当中确实遇到了需要归因的问题,则还需要考虑怎么进行归因。

当然,跟着事务的杂乱度不断开展,A/B Test的难点现已不在于比较和得出结论的过程,而在于怎么设计实验才干在更短的时间内、消耗更少的用户流量、进行更多的实验并得到有用的结论。这也是所有这方面的平台和东西的出发点——Google的著名论文《Overlapping Experiment Infrastructure: More, Better, Faster Experimentation》论说的核心内容。

1.2.2 用户分群

用户分群是一个常见的运营手法,但怎么确定分群的精确度,以及怎么在后续的使用中继续地维持精确度,确是一个数据分析问题。在基于特征的用户分群过程当中,首要要确认的是,我们期望取得具备怎样特征的用户群体。

之后,当我们想找到契合这个特征的用户时,就能够使用TGI(Target Group Index,方针群体指数)来衡量找到的用户群体是否对这个特征有倾向性。例如:假如我们想找到喜欢搞笑短视频的用户,并且以点赞行为作为“喜欢”的界说,就能够使用TGI的巨细来评价我们找到的用户群体是否确实对搞笑短视频有所偏好。

具备了这种分析机制之后,我们就能够通过各种手法来对用户进行分群了,之后针对不同的分群方式就能够核算出多组TGI值,我们需要的就是那个TGI值最大的子群,并选择那个得到这个子群的分群方式。

反过来说,关于用户分群还有另外一种场景:我们现已得到了一个用户群体,并想要研讨这个群体具备怎样的特征。这时候,相同能够使用TGI作为方针,以TGI的巨细来衡量分群对各种特征的倾向性。

1.2.3 经典管理模型:BCG矩阵

在经典的BCG矩阵中,隐含的一个重视方针是全体利益,而手法是资源的优化配置——也就是要将企业中有限的资源,投给更具潜力的事务,以便取得企业层面的全体利益最大化。

为了对这个方针进行深化研讨,在BCG矩阵中,依照两个维度对这个指标进行了拆分,构成了一个二维矩阵。在通常的画法中,横向代表相对市场占有率的凹凸(通常是指相对行业Top 3),而纵向代表了市场增加率的凹凸。相对市场占有率和市场增加率,就是发明利益的手法了,占有率高且增加迅速,天然能更多获利,而利益天然是最终方针。

因此,因为手法带来的利益是不同的,在拆分出的四个象限中,不同的事务就有了自己的“宿命”——有的维持,有的追加资源,有的减少资源,有的直接抛弃。

二、方法论的优化

依据前面关于方法论的全体描述,有三个点,可以对这套方法论进行优化。

(1)汇总

汇总部分的优化,在于发现更新、更适宜的辅助指标,来核算出最终的方针指标。就比如在财务领域,相比于依照收入和开销汇总的核算方式,杜邦分析法(DuPont Analysis)给出了基于出售利率、资金运作和负债程度三个方面的拆解方式,更容易了解并采纳举动。

(2)细分

在前面说明细分的时分,侧重的主要是一些客观维度,如时间、现已客观存在的拉新方式和Banner等。而跟着分析经历的堆集和算法能力的提高,我们逐渐会在分析和应用中,加入一些偏片面的细分维度。比如依据用户偏好制造的用户标签。这些维度提供了新的视角,但同时也有自己的“玩法”。

(3)归因

归因部分是关于那些不能客观确定的拆分逻辑,给出了人为界说的拆分逻辑。因为有了人为操作的加入,并且客观状况在不断的变化中,这其间就逐渐发生了优化空间,需要对拆分的方式不断调优,以便习气事务的开展和环境的变化。

 

作者:顾青,DTALK创始人;大众号:DTalks (微信ID:dtalks),联络请重视后回复“人人PM”。

本文由 @顾青 原创发布于人人都是产品主管。未经答应,禁止转载

题图来自Unsplash,基于CC0协议


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。