技术学习|CDA level I 业务分析方法

业务分析方法有三个主要构成部分:业务指标分析、业务模型分析及业务分析方法。

  • 业务指标分析是发现业务问题的核心方法:用于通用指标和场景指标的计算及分析方法,以及指标体系的设计与应用方法。
  • 业务模型是从一系列业务行为中抽象出来的信息集合:有分类模型及漏斗模型两类常用的业务模型
  • 业务分析方法论是业务分析过程中的思维定式,当遇到特定业务问题时套用恰当的思维定式能够使我们找到分析业务问题的突破口,将整个分析任务引向正确方向。四类有代表性的业务分析方法论(帕累托分析方法、A/B测试分析方法、同期群分析方法及因果分析方法)

6.1 业务指标分析

业务指标分析方法是业务分析方法的核心内容,主要包括指标计算方法、场景指标及指标体系三个主题。

指标是某种观测或行为的数值量化方法,而具体量化计算后得到的数值结果则被称为指标值。(企业经营结果可以分为业务结果和财务结果两大类。如某电商平台过去一年销售了1000万元的产品,那么得到的1000万元销售额就是该企业销售业务行为产生的业务结果,而1000万元的销售额会以收入金额的形式被记录在该企业财务账中的收入科目下,那么1000万元收入金额就是该企业经营的财务结果。)

指标与指标值的分别为

指标=度量+汇总计算规则

指标值=维度项+度量+汇总计算规则

根据量化对象是业务行为结果还是财务行为结果,可以将指标分为业务指标及财务指标两大类。财务指标是按照财务规则来对财务情况进行量化的指标,财务指标主要用来描述钱的流入、流出、占用、盈利、剩余等情况。财务指标涉及资产负债表、利润表、现金流量表等主要财务报表中的各个财务科目,通过财务指标主要观测企业的资金流转、偿债能力、经营能力、损益情况等问题。业务指标需要按照业务行为结果的量化要求进行灵活定义使用。有些量化计算方法在绝大多数不同的业务场景中均可以使用,故称为通用指标计算方法。

一、通用指标计算方法

1、求和类指标计算方法

求和类指标计算方法是常用的指标计算方法。该指标计算方法主要包括常规求和计算方法及累计求和计算方法。

常规求和计算方法用来计算维度项下包含的所有度量值的合计值。一次业务行为产生一个度量值结果,将维度项下所有度量值进行加总得到的合计值可以代表该维度项下产生的所有业务行为结果的总体水平。(阅读者通过对不同维度项下的不同合计值结果进行对比,可以进一步了解不同维度项间的业务水平差异情况,进而理解每个维度项的业务特征。)

累计求和计算方法是用于计算到当前维度项为止的所有度量值的累计合计值的计算方法。累计求和计算方法经常在有前后顺序逻辑关系的维度项下使用。

求和类指标计算方法的计算对象多以金额、销量等度量字段为主。以金额为计算对象的求和计算结果,用来得到各维度项下销售行为带来的收入结果情况,此时使用的维度多以产品、客户、销售人员、时间等为主。而以销售为计算对象的求和计算结果,常用于以产品为维度的业务场景,用来描述各种产品的畅销程度。但需注意不是任何产品维度都可以使用销量,只有在销量单位一致的产品维度项下才可以将销量字段作为度量使用。针对销量单位不一致的产品维度,无法将销量作为度量使用,此时只能使用金额代替销量(如在超市中,矿泉水卖了500桶,干果买了100斤,无法将销量作为度量使用)

通过求和类指标计算方法得到的合计值未必都是正值,若维度项下度量值为负数,则求和计算的结果就是负数合计值。(如利润以收入为正、支出为负)

2、计数类指标计算方法

计数类指标计算方法主要用于统计业务行为出现的次数或者维度项下包含的不同度量个数。计数类指标计算方法主要包含两种细分方法,分别是常规计数方法及非重复计数方法

  • 常规计数方法统计维度项下度量值的总个数。在表结构数据中,度量值的总个数就是度量值出现的行数,因为表结构数据中所有字段的行数相同,所以原则上对表中任意字段进行常规计数,得到的结果都应该是相同的。但大多数分析工具中的常规计数规则是非空计数,也就是当维度项下的度量值中包含空值内容时,空值内容不被计入结果中,故使用主键作为计数的度量值。
  • 非重复计数方法的计算逻辑是统计维度项下不重复的度量值的总个数。计算的对象多以文本型字段为主。

3、比较类指标计算方法

此类计算方法可以帮助阅读者获得当前值与对比值之间的差异,阅读者通过对比各维度项下差异结果的大小程度,可以进一步读懂各个维度背后业务行为结果的好坏程度。

通用性强的比较类指标计算方法主要包括均比计算方法、标准比计算方法、基准比计算方法、目标比计算方法、同环比计算方法

  • 均比计算方法
    • 计算逻辑:各个不同维度项下的汇总值与所有维度项的总平均值进行对比。
    • 平均值:在一般情况下为总体汇总值的算术平均值
    • 使用目的:描述各个维度项的表现水平与整体平均水平的差异程度。通过对比均比指标值可帮助读者识别表现突出或不足的维度项个体。
    • 均比指标值(两种都可以用)(差异值具体、准确但理解不够直观,差异百分比方便阅读者把握差异程度,但缺乏精准度):
      • 均比差异值:汇总值-总平均值
      • 均比差异百分比:(汇总值-总平均值)/总平均值*100%
    • 注意事项:
      • 均比使用中使用的总平均值一般多以算数平均值为主,算数平均值计算简单且能够较好地描述分析维度整体的综合表现情况,但易受极端值影响,所以若分析中使用的样本对象的数值彼此间存在较大差异,则不适合使用均比计算方法。
      • 当分析对象的行为结果受多种外部因素影响,均比值无法代表分析对象主体能力水平的高低时,不适合使用均比计算方法。
      • 通过均比计算方法得到的指标值在分析对象的行为结果主要受其主观能力水平影响时使用(甲卖A,乙卖B,无法得到结果,若甲和乙均可以卖A和B,则可以比较)
  • 基准比计算方法:
    • 计算逻辑:各个不同维度项下的汇总值与基准值之间进行对比。
    • 基准值:一个被绝大多数群体普遍认可的数字,如衡量考试成绩的60分及格线就是最具代表性的基准值之一。
    • 使用目的:描述各个维度项的表现水平与基准水平间的差异程度。通过基准比指标值可以帮助阅读者直观了解各维度项表现水平的类别归属情况,进而帮助阅读者了解各维度项表现水平的 好坏程度。
    • 基准比计算方法的本质是用基准值将各维度项的汇总值分为基准值上和基准值下两部分,汇总值落在基准值上的维度项表现水平高,离基准值距离越大,表现水平越高;反之,汇总值落在基准值下的维度项表现水平偏低,离基准值距离越小(负值),表现水平越不尽如人意。(基准比计算方法的本质就是使用基准值对连续的汇总数字分组的计算方法)
    • 划定基准值通常可以帮助阅读者了解汇总值的类别归属,不同的类别可以对应不同的业务意义,就可以统一不同阅读者的理解差异,方便阅读者直观读懂汇总值背后的维度项的实际表现水平的好坏情况。
    • 基准比指标值:
      • 基准比差异值:汇总值-基准值
      • 基准比差异百分比:(汇总值-基准值)/基准值*100%
    • 注意事项:
      • 作为基准值使用的数字应是被广泛认可或者由权威机构、个人定义的数字
      • 当分析对象的行为结果受多种外部因素影响,基准比无法代表分析对象主体能力水平的高低时,不适合使用基准比计算方法。
      • 基准比计算方法同样不适用于分析对象的结果受多种外部因素影响的场景(如果用某一基准值作为界定所有被观测维度项行为结果好坏的参照依据,那么外部条件有利的一方就会轻松得到好的判定结果,但这个判定结果不能充分代表该维度项的行为水平高低。
  • 标准比计算方法:
    • 计算逻辑:各个不同维度项下的汇总值与标准值之间进行对比
    • 标准值:标准维度项的汇总值。标准维度项是指在维度整体中作为衡量各个不同维度项行为结果好坏程度的标准使用的维度项(如可以将技术员中工作程度在中等偏上,并且发挥稳定的技术人员的工作效率作为衡量其他技术人员工作效率高低的标准使用)
    • 使用目的:标准比计算方法是基准比计算方法的拓展计算方法,其使用目的与基准比计算方法类似,用标准值划分数值区间为标准值上与标准值下两个部分,根据各维度项汇总得到标准值的差异程度来判断维度项汇总行为结果的差异程度。
    • 标准比代替基准比使用的好处是可以排除周围环境对观测对象行为结果产生影响(如基准值60分,但某次考试题目较难或较为简单,则使用标准比更加准确【此时使用班里平常学习较好且一直发挥稳定的某名学生甲的考试成绩作为标准值】)
    • 标准比指标值:
      • 标准比差异值:汇总值-标准值
      • 标准比差异百分比:(汇总值-标准值)/标准值*100%
    • 注意事项:在一般情况下,成为标准维度项应具有发挥稳定的特征,如果标准维度项自身的的发挥水平波动较大,那么被观测的其他维度项的真实水平将变得难以评估;使用标准比计算方法时,应尽量减少外部条件或环境的差异对标准比指标值产生的影响,要尽量保证标准维度项与其他维度项处在相同条件或环境下。
  • 目标比计算方法:
    • 计算逻辑:各个不同维度项下的汇总值与各自的目标之间进行对比
    • 目标值:根据维度项所处环境、自身能力水平、企业要达到的目的等多方因素综合考虑后设定给每个维度的目标数字。
    • 使用目的:根据维度项的实际汇总值与目标值之间的差异情况来了解维度项行为结果的好坏程度。目标比计算方法经常在为维度项进行业务绩效考核时使用。
    • 目标比指标值:
      • 目标比差异值:汇总值-目标值
      • 目标完成率:汇总值/目标值*100%
      • 目标比差异百分比:(汇总值-目标值)/目标值*100%
      • 注意事项:因为可以为不同维度项设定不同的目标值,所以目标计算方法可以有效回避外部环境对维度项业务行为结果产生的影响,阅读者可以只通过目标完成情况来判断每个维度项业务行为结果的好坏,而不用担心外部环境是否对此结果产生了影响;为了让目标值能够充分地减少外部环境对分析主体的影响,就需要我们在设计目标值时充分考虑多方影响因素,让目标值既能体现合理公平的原则,又能做到集思广益、全面考量,不同企业、不同业务需求下设计目标值的流程、方法也各不相同。
  • 同环比计算方法:
    • 计算逻辑:各个维度项当期的汇总值与各自以往同期的汇总值或上期的汇总值间的对比计算
    • 同期值:一般指维度项在去年同期的汇总值
    • 上期值:一般指维度项在上一个时间周期内的汇总值,在没有明确说明时间周期的间隔时,一般以一个月为一个时间周期。
    • 使用目的:同环比是维度项自己与自己比,当前自己的表现水平与过去自己的表现水平之间进行时间维度下对比的方法,目的是了解维度项表现水平有没有随着时间的推移而得以提升。
    • 同环比指标值:
      • 同环比差异值:当期汇总值-同期(上期)汇总值
      • 同比增长率:(当期汇总值-同期汇总值)/同期汇总值*100%
      • 环比增长率:(当期汇总值-上期汇总值)/上期汇总值*100%
    • 注意事项:同环比计算方法一般适用于长周期业务行为结果的观测,如果业务行为本身时间间隔太短,那么业务结果还无法显现出业务行为的特征,此时做同环比计算得到的结果,其业务意义不明显,参照价值较低。(2023.9比2022.9高50%,但不能说2023的销售能力比2022年有了明显提升的结论。因为时间窗口太短,业务意义还不显著);在进行同环比分析时,应注意分析对象所处的大业务环境在对比期间有没有显著变化,若周围环境有显著变化,则同环比结果会受到环境变化的干扰而失去业务意义;在进行同环比分析时,还要注意分析对象有没有显著的短周期变化特征,如果有短周期变化特征,那么为了消除短周期变化的影响,应尽量使用同比。如果没有短周期变化特征,那么在描述近期内业务行为水平变化特征时应使用环比,在描述较大时间间隔下(如季度)的行为水平变化特征时应使用同比。

二、场景指标

1、客户分析类指标

通用指标可以在多个不同业务场景下使用,而场景指标一般不具备通用性,特定的场景指标只能在特定的业务场景中使用。(如库销比是一个用来描述产品销售与库存变化关系的指标,只能在产品的进销存业务场景中使用,而不能应用在其他业务场景中)(在实际工作中,经常出现相同计算方法的场景指标在不同企业中名称不一致或相同名称的指标在不同企业中计算方法不一致的情况)

主要介绍在客户分析场景中使用的客户分析类指标、在产品分析场景中使用的产品分析类指标、在运营分析场景中使用的业务行为分析类指标及在绩效分析场景中使用的效果分析类指标。

  • 客户分析类指标:客户(习惯上将长期使用某项服务或产品的客户称为用于)分析类指标主要有对从获得新增客户开始一直到客户流失为止的完整客户生命周期进行描述的客户生命周期类指标对客户行为特征进行描述的客户行为类指标,以及对客户贡献价值进行描述的客户价值类指标3类。

  • 客户生命周期可以分为新增、留存及流失3个阶段。在新增阶段,主要用指标来描述商家从不同渠道获取的新增客户的数量及新增客户的质量,新增客户类指标的观测维度以新增客户的来源渠道维度及新增客户的统计时间维度为主,其中统计时间维度的单位一般以日、周等较短时间间隔的时间单位维度为主。

    • 新增客户类指标主要用来描述商家获客行为在不同渠道上的有效程度,若某个渠道在单位时间(统计新增客户所使用的时间间隔)内能够带给商家较多的优质新增客户,则可以认为商家在该渠道做的获客行为是成功的,该渠道是优质的获客渠道。

    • 新增客户数量类指标是对在单位时间内商家新增客户人数的统计结果,在不同业务场景及不同统计需求下常用到的新增客户数量类指标主要包括以下内容。

      • 新增注册会员数:单位时间内商家新增加的注册会员的数量合计值。
      • 新增访客数:访客数(UV)是指单位时间内访问线上店铺页面而不重复的用户数,新增访客数是指新注册的访客数量,访客数与新增访客数主要用于线上电商业务。
      • 新增到店数:单位时间内新增加的到店客户数,主要用于线下店铺
      • 新增下载用户数:单位时间内新增加的下载App或计算机软件应用程序的客户数,主要用于游戏、应用软件等行业。
    • 在新增客户类指标中,除了包括用来描述新增客户数量的指标——新增客户数量类指标,还包括描述新增客户质量的指标——新增客户质量类指标。企业认为未来能够完成付费转化的可能性越大、在完整生命周期内能够给企业持续创造价值的可能性越大的新增客户的质量越好。

      • 新增活跃用户数:所有新增用户中在单位时间内行为表现活跃的用户数量。定义是否活跃的标准因企业而异,主要用来判断用户行为活跃与否的依据包括单位时间内有过购物行为、单位时间内多次访问店铺、单位时间内浏览多个不同产品页面等行为。该指标常用语电商行业
      • 新增活跃用户数占比:新增活跃用户数/新增用户数*100%
      • 新增注册用户数与新增注册用户数占比:新增注册用户数是指新增用户中在单位时间内完成注册的用户的数量。新增注册用户数占比是指新增注册用户数与新增用户数的百分比,该指标常用于游戏、应用软件、电商行业。
      • 新增付费用户数与新增付费用户数占比:新增付费用户数是指新增用户中在单位时间内有过付费行为的用户的数量。新增付费用户数占比是指新增付费用户数与新增用户数的百分比,新增付费用户数占比又称为新增付费用户转化率,该指标常用与游戏、应用软件、电商行业。
      • 新增其他属性的客户数与新增其他属性客户数占比,除以上各属性外的其他可定义高质量新增用户属性的客户数与该属性客户数占比,如新增VIP注册客户数与新增VIP注册客户数占比。
    • 留存阶段是整个客户生命周期中时间跨度最大、客户为企业贡献价值最高的阶段,是企业进行客户运营、提升客户贡献价值的主要阶段。一般企业定义留存客户的参照依据为单位时间内客户是否发生过页面浏览、会员登录、购买产品、到电、咨询会员、安装APP程序等特定行为为准。留存客户类指标主要用来描述单位时间内留存客户的人数及留存人数在总客户人数中的占比情况。

      • 单位时间留存人数:单位时间内仍处于留存状态的客户人数。如3日留存人数、30日留存人数、年留存人数等。
      • 单位时间留存率:留存人数/客户总人数*100%,其中留存人数与客户总人数根据使用场景的不同会被处于某类属性状态的客户人数代替。如新增客户留存率、忠实客户留存率等。
      • 活跃用户数:处于留存状态的用户人数中存在一部分与商家互动行为更为频繁的用户群体,这部分用户群体被称为活跃用户。活跃用户是指单位时间内活跃用户的总数量。一般统计活跃用户的单位时间分为每天、每周、每月,以天为单位的活跃用户数俗称为日活数(DAU)、以周为单位的活跃用户数称为周活数(WAU),以月为单位的活跃用户数俗称为月活数(MAU)。活跃用户数常用于电商、游戏、App应用等行业。
      • 沉默用户数:处于留存状态的用户人群中与商家互动行为较为稀疏或者已经处于流失边缘的用户被称为沉默用户,沉默用户数是指单位时间内沉默用户的总数量。沉默用户数常用于电商、游戏、App应用等行业。
      • 其他属性留存客户数:VIP客户数、高价值会员数、复购用户数、到店会员数等。
    • 流失阶段:若访客在单位时间内没有触发界定留存状态的特定行为,则会被定义为流失客户。流失客户只是在单位时间内没有触发特定行为的较难挽回的客户群体,并不是彻底失去这个客户,如果企业针对流失客户群体使用某些有效的召回行为,也是有可能将处于流失状态的客户召回的,召回后,其状态也会从流失再次变为留存。

      流失客户类指标主要用于描述单位时间内流失客户的人数、流失客户在总客户人数中的占比情况、流失客户的召回人数及流失客户召回人数在总客户人数中的占比情况。

      • 单位时间流失人数:单位时间内变为流失状态的客户人数。如3日流失人数、30日流失人数、年流失人数等。
      • 单位时间流失率:流失人口/客户总人数*100%,其中流失人数与客户总人数根据使用场景的不同会被处于某类属性状态的客户人数代替。如新增客户流失率、忠实客户流失率。
      • 单位时间流失召回人数:单位时间内重新触发特定行为,由流失状态重返留存状态的客户人数。
      • 单位时间流失召回率:流失召回人数/流失总人数*100%,其中流失召回人数与流失总人数根据使用场景的不同会被处于某类属性状态的流失人数代替。
    • 在单位时间内,用折线图描述获客整体的留存、流失状态变化的曲线成为留存率曲线,客户的留存率曲线一般呈现一开始陡峭下滑,后面趋于稳定的走势。通过对比同一企业不同获客行为的留存率曲线变化差异,可以评估短期内留存率降低幅度小且长期维持较高留存率水平的获客行为能够带来较好质量的客户人群,是较为有效的获客行为。

  • 客户行为类指标:用来描述单位时间内客户群体发生特定行为的次数及频繁程度。通过对客户行为类指标的观测分析,阅读者可以掌握客户行为触点(触发某项客户行为发生的业务节点,如触发客户到店行为发生的派发街头传单广告)的有效性,并对有效性较差的客户行为触点进行优化。

    • 线上电商行业的客户行为类指标:
      • 浏览量(PV):单位时间内用户对店铺页面总的浏览数量,即浏览行为发生的总次数,该指标越大,说明用户对平台的粘性越强,关注度越高。
      • 访问数:从用户到达店铺或平台页面开始到用户离开店铺或平台页面的全过程称为一次访问,访问数是单位时间内发生访问行为的总次数,该指标越大,说明用户对店铺越有兴趣,粘性越强。
      • 平均访问深度:浏览量/访问数,即一次访问行为中浏览的平均页面数,该指标越大,说明用户越喜欢店铺内容,越容易被店铺商品吸引,访问店铺后观看多页信息内容后才肯离开。
      • 跳失次数:用户点开平台页面,没有任何点击直接关闭平台页面的行为称为跳失,跳失次数是单位时间内发生跳失行为的总次数,该指标越大,说明店铺内容越不吸引用户,用户与店铺间没有丝毫粘性。
      • 跳失率:跳失次数/访问数,即总访问次数中跳失行为出现的次数,该指标越大,说明总访问中无效的访问占比越大,访问店铺的用户中存在大量与店铺毫无粘性的低质量用户。
      • 其他各种针对客户行为触点进行统计的指标:跳转次数、停留时长、访问间隔、搜索量、评论量、分享量、点击量、收藏量、付费转化率、退货率、退货量等。
  • 客户价值类指标:可分为客户收入类指标和客户成本类指标。

    • 客户收入类指标:

      • 客单价:客户单笔消费时贡献的价值,一般客单价高的客户群体会拥有较高的消费实力水平。

      • 用户生命周期价值(Life Time Value,LTV):用户在整个生命周期内创造的总价值。

        高价值长使用周期类产品,会更加关注客单价而不是用户生命周期价值;提供持续性服务或消耗性产品,更加关注用户生命周期价值而不是客单件。

      • 用户平均收入(Average Revenue Per User,ARPU):单位时间内每名用户带给企业的平均收入,用户平均收入=总收入/总用户数。主要应用于运营商、互联网、游戏、电商、App应用等行业。游戏公司使用用户平均收入衡量产品的盈利能力,电商、互联网行业使用用户平均收入判断客户运营方案的效果,运营商使用用户平均收入判断资费方案的合理性及市场竞争力。

    • 客户成本类指标:

      • 用户获取成本(Customer Acquisition Cost,CAC):企业为获取客户支付的成本。如何能用更少的的用户获取成本,获取到更多能带来更高用户生命周期价值的客户,是企业制定获客成本计划的出发点。

        在线下行业中,用户获取成本主要体现在市场及销售行为的费用支出上。在电商、互联网等线上行业中,企业将获取到的访客人群称为流量,企业主要通过在其他平台付费打广告的方式将其他平台的用户吸引到自己的页面中进行访问来获取流量。这个过程称为“引流”,线上行业中的用户获取成本主要是在引流过程中企业为其他平台支付的费用,费用的支付核算方式有:

        • CPM(Cost Per Mille):按照广告没千次曝光收费。广告平台的广告每向用户展示1000次,收取一个CPM费用,该费用根据不同的平台定价不同。
        • CPS(Cost Per Sales):按照实际销售收费。广告平台的用户点击了广告,并发生了购买行为,广告平台将根据购买数量或购买金额收取1个CPS费用。
        • CPC(Cost Per Click):按照点击次数收费。广告平台的用户点击、查看广告后支付 一个CPC费用。
      • 客户运营成本:延长用户生命周期、提高客户贡献价值而采取的运营行为所带来的成本。

2、产品分析类指标:

产品分析类指标主要用于量化产品在进、销、存3个业务阶段的数量、金额及周转情况。

  • 产品进货类指标主要用于量化企业在产品采购进货环节中的行为结果。

    • 进货额:产品进货金额的合计值
    • 进货量:产品进货数量的合计值
    • 订单平均进货量:单笔订单的平均进货数量
    • 订单平均进货额:单笔订单的平均进货金额
    • 缺货量:未能按照预期采购到的产品数量的合计值
    • 缺货率:缺货量/预期采购数量*100%。若某个供应商经常出现供货缺货的情况,则企业需要及时更换其他供应商,以确保产品供应充足。
    • 到货平均时长:从给供应商下订单到从供应商处收到货品的平均时长
    • 准时交货率:单位时间内,准时交货次数/接单总次数*100%。
    • 其他进货相关指标:到货损毁率、订单满足率、订单执行率、待发货数、已发货数、已签收数等。
  • 库存类指标:库存会随着进出库行为的产生而不断进行增减变化的。如果对每次库存量的增减变化都进行全面分析,会耗费大量成本且难以实现,故在很多情况下分析人员会使用单位时间内库存量变化的最终结果进行分析。在单位时间的起点处的库存量称为期初库存,而单位时间的终点处的库存量称为期末库存。在库存分析中使用的单位时间一般以天、周、月为主。缺货时补货,积压时清仓,做到一个理想的平衡状态。

    • 库存数量与库存金额:库存数量或库存金额的具体数值一般指的是某一时点的库存数量或库存金额,又或者是某一时段的平均库存数量或平均库存金额。描述库存数量或库存金额的平均值时,会有以下两种不同的计算方法:

      • 单位时间内库存总数量或库存总金额/单位时间天数,代表单位时间内的库存平均水平

      • 单位时间内,(期初库存数量或金额+期末库存数量或金额)/2,代表整段单位时间内的库存平均水平。

        在计算业务库存类指标时多使用第一个计算方法,如库销比;当计算财务库存类指标值时,多使用计算方法二,如存货周转率、存货周转天数等。

    • 存货周转率(库存周转率):存货周转率是一个财务指标,用来描述单位时间内,存货运营效率的好坏的程度(存货周转率=主营业务收入或成本/存货平均余额;存货平均余额=(期初存货金额+期末存货金额)/2)。

      存货的财务意义是企业在日常活动中持有以备出售的产成品或商品、处于生产过程中的在产品、在生产过程或提供劳务过程中耗用的材料或物料等的总称。存货中包含但不限于企业出售的商品。

      企业一般通过把控库存量、把控SKU(Stock Keeping Unit,最小存货单位)数量,加大销售力度、缩短供销货时间、调整进货种类、调整进货频次等方式提高存货周转率。

    • 存货周转天数(库存周转天数):存货周转天数也是财务指标,存货周转天数=单位时间天数/存货周转次数,单位时间天数一般以365天为一个周期。存货周转天数是指企业从获得存货开始至消耗、销售存货为止所经历的天数。存货周转天数越少,说明存货周转率越高,存货占用资金时间越短,存货变现速度越快,存货能够带来的企业受益越大。存货周转天数是存货周转率的辅助指标。

    • 库销比(存销比):单位时间内,平均库存金额或期末库存金额/总销售金额。库销比越高,说明库存量越大,有可能出现销售不畅或者过度进货的情况,此时应适度减少进货量,加大清仓力度。

    • 其他库存类指标:库存天数(Days Of Store,DOS)、安全库存量、库存商品数量等。

  • 销售类指标:按照产品销售业务行为展开的先后顺序,可以将产品销售业务流程分为售前、售中及售后3个阶段

    • 售前阶段产品销售类指标主要用于描述产品的市场投放、曝光、被客户关注等情况。
      • 产品曝光人数:单位时间内,在不同产品投放渠道被用户搜索或者看到的总人数。
      • 产品曝光次数:单位时间内,在不同产品投放渠道被用户搜索或者看到的总次数。
      • 产品搜索次数:单位时间内,产品被搜索的总次数。产品搜索次数越多,说明产品知名度越高,受关注程度越大。该指标主要用于线上行业。
      • 产品点击次数:单位时间内,产品链接被用户点击的总次数。产品点击次数越多的产品被关注度越高,越能吸引用户购买。该指标主要用于线上行业。
      • 其他售前阶段产品销售类指标:产品点击率、产品点击人数、产品收藏次数、产品收藏率等。
    • 售中阶段产品销售类指标主要用于量化产品销售情况,以及产品销售与进货、销售与库存之间的转化关系。
      • 产品销量、销售额:单位时间内产品的销售数量与销售金额
      • 售罄率:单位时间内,销售件数/进货件数*100%。售罄率主要用于描述产品销量与进货量之间的关系。售罄率低的产品容易出现或者已经出现滞销情况,需要及时降低进货量并且加大销售力度(如受季节性影响较大的服装类产品、保质期相对较短的食品)
      • 产品毛利额:单位时间内,销售产品获得的总毛利额。此处的毛利额与财务分析中定义的毛利额标准不同。
      • 产品毛利率:毛利额/销售额*100%,毛利额越高的产品为企业贡献的利润越大,是企业用来获利的重要产品。企业经常按照产品的毛利率水平及客户对产品的需求程度来对产品分类。毛利率很低且客户需求度较高的产品一般是企业的降价促销产品,此类产品并不能给企业带来较好的收益,主要用来吸引客户上门,也就是为企业引流;毛利率一般且客户需求度高的产品一般用来维持利润及企业竞争力。毛利率高且客户需求度较低的产品一般属于企业的自有产品或高价格品牌产品,这类产品主要用来提升企业利润,满足高消费人群需求。
      • 产品浏览付费转化率:产品付费次数/产品浏览次数*100%,该指标主要用来量化产品吸引付费的能力。该指标主要用于线上电商行业,该指标值低说明产品虽然能够引起客户的浏览兴趣,但最终无法让客户完成付费,可能是价格偏高,页面不美观等原因
      • 产品询价购买率:产品销售次数/产品被询价次数*100%,该指标主要用于线下有销售经验的店铺,该指标值越高,说明产品越受欢迎,越容易被推销。
      • 其他售中阶段产品销售类指标:产品点击付费转化率、产品询价次数、库销比(该指标也属于产品库存类指标)、产品支持率、交叉比率(该指标为财务指标)、产品复购率等
    • 售后阶段产品销售类指标主要用于量化产品的出退货情况、客户的满意情况等。
      • 发货数量:单位时间内,产品的发货总数量
      • 退货数量:单位时间内,因产品质量不过关、客户对产品不满意或者在运送环节出现产品损毁等情况被客户退回的总数量
      • 其他售后阶段产品销售类指标:损毁率、退货率、产品投诉件数、产品召回件数等。

3、业务行为分析类指标:

业务行为分析类指标主要用来量化在企业不同业务部门种开展的不同业务行为结果的好坏情况。

营销行为是企业中的营销人员针对市场开展的一系列经营性活动及销售行为的总称。营销行为主要包括市场宣传、产品推广、发现客户、挖掘需求、客户运营、销售产品、售后服务等方面。

主要指标有:

  • 客户拜访次数:单位时间内,销售人员有效拜访客户的总次数,该指标主要用于对公销售业务中,对销售人员执行力及销售积极性进行量化。
  • 接通率:单位时间内,有效接通次数/打电话总次数*100%。该指标主要用于对电话销售人员的客户接通情况进行量化,该指标越高,说明电话销售人员的水平越高,与客户间的通话质量越好。
  • 回访次数:单位时间内,回访客户的总次数,该指标主要对销售人员的回访行为进行量化,回访次数越多,对提高客户整体复购率等都有所帮助。
  • 引导客户注册人数:单位时间内,由店员引导客户注册为店铺会员的总人数,该指标主要用于量化线下餐饮、零售等行业中的店铺店员的销售意识及引导水平的高低程度。
  • 其他营销行为类指标:申请通过人数、审核人数、审核通过率、广告投放数、广告投放金额、成交单数、成交金额、成交率等

4、效果分析类指标

效果分析类指标主要用于对企业资产使用效率及企业员工绩效水平进行量化。

  • 用于量化资产使用效率的效果分析类指标:
    • 除存货资产外的各类资产周转率:资产周转率是一个财务指标,用来描述单位时间内,资产运营效率的高低程度。(资产周转率=主营业务收入或成本/资产平均余额)。资产周转率越高,说明资产盈利效率越高。在企业拥有的各类资产中,周转率高的资产属于企业的优质资产,拥有越多优质资产,企业盈利能力越强,市场竞争力越大。(因为存货周转率已经划归到产品分析类指标的产品库存类指标中,故这里是除存货资产外)
    • 投入产出比:单位时间内,收入金额/投入总成本*100%。该指标主要用于对资产的投资效果进行量化。投入产出比越高,说明投资产生的效益越大,被投资的资产的盈利效率越高。当投入产出比大于1时,企业才能创造利润。
    • 坪效:销售额/营业面积,该指标主要用于对线下店铺使用面积创造营业收入的高低水平进行量化。坪效比越大,说明每单位营业面积能够带来的销售收入越高,店铺空间越被有效利用,店铺自身的盈利能力越强。
    • 其他资产使用效率的效果分析类指标:店销、屏销、翻台率、上座率、资产利润率等。
  • 用于量化员工绩效水平的效果分析类指标:
    • 业务员工绩效评分:该指标主要用于对非销售类岗位的业务员工进行绩效评分。不同岗位的员工评分标准、评分方式各不相同,主要评分依据多以该岗位工作任务要求为准。
    • 销售目标完成率:销售总金额/销售目标金额*100%,该指标主要用于对销售岗位员工进行绩效考评。在一般情况下,企业为了刺激销售人员的销售积极性,会按照销售目标完成率水平的高低程度制定阶梯性销售提成方案。
    • 连带率:单位时间内,产品销售数量/成交单数,该指标主要用于量化店铺店员连带产品销售能力水平的高低程度。连带率值越高,说明店员向客户推荐连带产品的能力水平越高,店员越有能力出大单,越能为企业创造更多收益。
    • 客户满意度:单位时间内或单次服务结束后,客户给予的满意度评分的平均值。该指标主要用于量化企业为客户提供的服务行为水平的高低程度。
    • 其他员工绩效的效果分析类指标:出勤率、迟到早退次数、失误率、被投诉次数等

三、指标体系

1、指标体系概述

指标体系是相互之间有逻辑联系的指标构成的整体。与用单个指标来量化某一个业务行为的好坏情况相比,完整的指标体系可以用来描述业务框架的整体构成情况、业务流程的完整脉络线索及业务的具体产生原因。

指标体系的作用主要体现在以下3个方面:为分析人员提供全局视角审视业务整体的好坏情况;为分析人员快速定位业务问题、确立分析主体提供参考依据;为决策层优化业务流程、指定业务发展方向提供参考依据。

指标体系从搭建到分析应用的全过程:

  • ①搭建指标体系(从已有指标中为指标体系选取指标,若已有指标不够用,则需要根据分析需求为指标体系设计新指标);
  • ②收集指标数据(完善数据环境,收集所有分析所需的维度及度量数据)(主要应用到企业的数据库系统、BI系统中的ETL模块及数据仓库模块);
  • ③计算指标值(为指标设计正确的计算逻辑,并得到正确的指标值)(主要应用到BI系统中的OLAP模块);
  • ④分析指标值(将上一步骤中得到的指标值应用在多维数据环境下进行分析,发现业务问题,找到解决方案)(主要应用到BI系统中的OLAP模块及可视化报表模块)

2、搭建指标体系

搭建指标体系是收集及分析指标内容的前提,只有根据业务分析需求搭建完整的指标体系,才能根据指标体系内容收集完整数据进行分析,得到的结果才能全面、深入地描述业务的整体情况。

搭建指标体系前需要先明确3个问题:

  • 明确指标体系服务对象是谁(进行访谈,了解使用者的业务需求、业务框架、业务流程、业务行为、业务痛点等情况,然后根据访谈结果进行指标的选取和设计);
  • 明确指标体系的使用目的(①通过指标体系完整描述某个业务框架下各个不同业务节点的具体情况;②通过直指标体系完整描述某个业务流程各个不同业务阶段的具体情况;③通过指标体系详细产生某个业务结果的多方面影响因素的具体情况);(如果指标体系描述对象是业务框架,就需要从业务框架中各参与主体的行为特征出发来搭建指标体系;如果指标体系描述对象是业务流程,就需要从业务流程中各阶段的行为特征及各阶段间的衔接、周转方式出发来搭建指标体系;如果指标体系描述对象是某个业务结果,就需要从影响业务结果的多方面不同因素的变化情况、元素与元素间的相互作用情况出发来搭建指标体系)(电商黄金公式:GMV(商品交易总额)=流量*转化率*客单价
  • 明确指标体系所处的维度环境(指标不能脱离维度而单独存在,指标体系也不能独立于维度环境之外而单独使用)。

搭建指标体系过程中使用的核心思维方法是树状分类图。按照此种思维方法书梳理、搭建的指标体系,称为树状指标体系。

用树状分类法应用梳理、搭建指标体系过程中时,主要可以根据以下3中逻辑关系进行指标体系的树状层级拆解

  • 根据指标所依附维度中不同维度间的层级关系进行指标拆解(因为指标体系需要依附于维度而存在,所以在搭建某个特定维度下的指标体系时,可以依据该维度下各个不同维度项之间的层级关系进行树状层级的指标拆解)
  • 根据各指标间逻辑意义上的层级关系搭建树状指标体系
  • 根据指标所在量化的业务行为间的层级关系搭建树状指标体系

这三类指标体系的搭建逻辑往往不是单独使用的,在某些复杂场景下,要将这三类搭建逻辑组合起来,以搭建能够描述整体业务情况的完整指标体系。

6.2 业务模型分析

业务模型中的模型是指客观现实经过抽象、概括、总结等方法处理后形成的信息的集合。业务模型就是从基于业务框架或业务流程产生的一系列业务行为现象中抽象出来,用于业务框架或业务整体特征的信息的集合。

一、分类模型

分类模型是将不同业务对象分别映射到坐标系的不同区间上进行量化分类的模型。

实现步骤:①将核心业务目标拆解为由多个不同度量轴(坐标系内由度量值构成的坐标轴)构成的坐标系;②使用平均值、中位数等统计结果将不同度量轴划分为多个不同区间;③将业务对象的属性、行为结果等进行数值化处理,按照量化处理结果将对象映射到坐标系的不同区间进行分类

分类模型的主要作用是帮助决策者快速理解及把握不同业务对象的业务特征,帮助决策者针对不同类型的业务对象设计不同的业务行为策略。

1、客户分类模型

(1)用户贡献价值模型:依据用户贡献价值对用户分类时使用的业务模型。该模型是以单位时间内用户贡献的价值(消费金额)为核心业务目标,将消费金额拆解成购买频次与客单价两个不同度量轴使用的模型。该模型的主要目的是帮助决策者针对不同消费水平人群制定不同的营销策略。(一个平面直角坐标系,第一象限对应高购买频次与中价值人群,对应的是高价值人群;第二、四象限为中价值人群;第三象限为低价值人群)

(2)RFM模型:主要应用在电商领域,其作用主要是帮助决策者了解用户的留存、流失情况,以便对不同特征用户开展不同运营策略。基础的RFM模型将用户分为8类,分别是重要价值用户、重要发展用户、重要保质用户、重要挽留用户、一般价值用户、一般发展用户、一般保持用户和一般挽留用户,用户类别的名称不是固定的,可以根据业务需求调整。

RFM模型中用到3个指标,分别是最近一次消费(R),消费频次(F)和消费金额(M),这三个指标可以衡量客户价值和客户创利能力。

  • R:最近一次消费是基于当前时点,用户最近一次消费时点和当前时点的时间差。
  • F:消费频次是指定时间区间内用户的购买次数。
  • M:消费金额是指定时间区间内统计用户的消费总金额。

确认了指标后,以用户为维度,就可得出每名用户的指标值,再根据指标值就可以将用户分类

用户类别 R值 F值 M值 运营策略
重要价值用户 保持现状
重要发展用户 提升频次
重要保持用户 用户回流
重要挽留用户 重点召回
一般价值用户 刺激消费
一般发展用户 挖掘需求
一般保持用户 流失召回
一般挽留用户 不再尝试挽回
  • 重要价值用户的R值高表示用户刚来消费过,F值高说明用户经常来消费,M值高说明用户在这里的消费金额很高,对于这类用户运营策略方向是保持现状。
  • 重要发展用户的F值低表示用户的消费频次低,对于这类用户运营策略方向是提升频次。
  • 重要保持用户的R值低表示用户很久没来消费了,对于这类用户运营策略方向是用户回流。
  • 重要挽留用户的R值和F值低表示用户很久没来消费且消费频次低,对于这类用户运营策略方向是重点召回。
  • 一般价值用户的M值低表示用户的消费金额低,对于这类用户运营策略方向是刺激消费。
  • 一般发展用户的F值和M值低表示用户的消费频次低且消费金额低,对于这类用户运营策略方向是挖掘需求。
  • 一般保持用户的R值和M值低表示用户很久没来消费且消费金额低,对于这类用户运营策略方向是不再尝试挽回。

(3)用户忠实度模型

用户忠实度模型在零售型企业中用的比较多,这类企业往往使用消费金额和消费次数指标体现用户的忠实度的高低水平。(阈值和n值的设定都需要结合相关知识)

  • 消费金额和消费频次都高的用户被分为忠诚用户,这类用户往往在该平台已养成平台喜爱的消费习惯。
  • 进阶用户的消费金额和消费次数有一个是高的,一个是中等的,这类用户可通过后期的用户权益维护转化为忠实用户。
  • 普通用户中,如果消费次数低、消费金额高,说明有集中采购的行为;如果消费金额低、消费次数高,说明可能是周边用户经常来这里买日常生活用品;还有消费次数和消费金额都是中等的,也是普通大众常用的一些行为。
  • 低价值用户(一中一低)的消费可以维持正常的运营成本,但是没办法从这类人群上赚取更多的利润。
  • 针对消费次数比较低的用户,如最近n周消费一次,则判定为潜在用户或新用户
  • 最近n周没有消费,其可能就变成易流失用户

2、产品分类模型

波士顿矩形:选择的指标是销售增长率和市场占有率(平面直角坐标系,x轴与y轴的正负分别表示市场占有率和销售增长率的低与高)

  • 第1类弱产品(又名“瘦狗产品”)位于第三象限。这类产品市场趋于饱和并且市场占有率也低,对企业而言没有太大的价值贡献。
  • 第2类现金牛,位于第四象限。虽然市场趋于饱和,销售增长乏力,但这类产品的市场占有率高,能够给企业带来稳定的收入。
  • 第3类明星产品,位于第一象限。市场需求不断上涨,同时这类产品的市场占有率跟随着市场需求增长,说明在未来市场趋于饱和时,这类产品很可能转化为现金牛。
  • 第4类问题产品,位于第二象限。市场需求在不断增长,可是这类产品的市场占有率低,说明产品与市场需求不匹配,可能存在产品设计不美观、产品定位偏差等问题。

在实际工作中,企业经常在波士顿矩形中的坐标轴替换为产品的进货增长率、库销比、利润增长率、销售增长率等其他度量轴,用于描述产品在进销存各环节中的特征情况。

二、漏斗模型

漏斗模型是将一个完整事项分为多个按递进关系构成的不同阶段,用各阶段指标值来描述各个阶段在递进过程中产生流失、损耗等问题的大小程度的业务模型。

漏斗模型往往被应用在销售领域,用来描述销售行为的递进关系。关系型销售模式是由销售人员跟进,在与客户维持良好的基础上完成销售过程的销售模式。此类销售模型一般以对公销售为主,具有周期长、金额大、成交难得特征。

技术学习|CDA level I 业务分析方法_第1张图片

在销售漏斗中,主要观测漏斗的粗细、斜率、体型与流速4个方面。形状越粗、斜率越小、体型越匀称、流速越快的漏斗越是理想漏斗,反之则需要进行改进。

  • 粗细:漏斗的容量,在销售漏斗中是指发现商机的数量。如果发现的商机足够多,那么即便在销售过程中流失的商机多一些,最后还是能获得足以达到销售目标的成交金额。

  • 斜率:连接相邻两个阶段接点切线与垂直线间构成的角度,斜率越大,说明相邻两个阶段过渡过程中流失的商机数量越多。

  • 体形:销售漏斗的体形应尽量保持匀称。体型匀称是指各阶段商机数量均匀递减,每个销售阶段的斜率都不会出现过大或者过小的分布情况。漏斗体形越匀称,越有助于销售团队制定稳定、好执行的销售策略。

    相邻阶段的数据条长度不一定是越来越短的。以销售阶段的商机数量作为主题的销售漏斗,存在倒退或跳跃的情况。一般在由人工定义业务进度的业务流程中容易发现漏斗图下长上短的情况,在由系统自动定义业务进度的业务流程中,一般漏斗图都会严格按照逐层递减的特征分布。

  • 流速:需要加入时间轴才能体现流速情况。商机在每个阶段转化所需要的时间越短,流速越快,从发现潜在商机到成交的用时越短,单位时间内能够运作的商机越多,在单位时间内获得收益越大。

如果商机数量不足,漏斗图就会变细,需要及时补充新的商机加大漏斗容量;如果是商机推动转化力度不够,则商机无法顺利从上边的销售阶段过渡到下边的销售阶段,此时可以通过漏斗图中各销售阶段的斜率定位核心问题出现的位置,从而为问题阶段制定精准的销售行为调整策略;如果是销售阶段失效,漏斗图的体形就会出现下长上短的情况,需要及时规范销售行为;如果是销售周期过长,漏斗流速会变慢,需要及时采取更为积极的销售行为,加快商机的成交速度。

在实际中,一般用商机数量或者商机金额来量化漏斗图中各销售阶段数据条的长短,用商机转化率来量化相邻销售阶段间的斜率大小,用商机在同一阶段的停留时间来量化商机流速的快慢。

电商行业中用于描述用户运营行为特征的漏斗模型(AARRR)模型:该模型可以帮助电商的用户运营人员在发现用户流失阶段、延长用户生命周期、提高用户贡献价值及实现用户自增长等业务方面发挥作用。AARRR模型由Acquisition(用户获取)、Activation(用户激活)、Retention(用户留存)、Revenue(用户获益)、Refer(推荐传播)

  • Acquisition(用户获取):用户运营的第一步是获取用户,电商的用户都是获取来的,所以该阶段人数最多,但黏性弱,易流失
  • Activation(用户激活):该阶段主要运营目的是提高用户活跃度、唤醒率等,在该阶段未能激活、唤醒的用户会变为沉默或流失用户,所以用户人数比用户获取阶段少,但是在该阶段被成功激活的用户,他们的黏性要比用户获取阶段强。
  • Retention(用户留存):该阶段主要运营目的是提高用户留存率、召回率,在该阶段未能留住或召回的用户变为流失客户,人数相较于用户激活阶段会更少一些,但是该阶段留存下来的用户黏性会比用户激活阶段更强一些。
  • Revenue(用户获益):该阶段主要运营目的是提高客单价、付费转化率。能够成功提高用户的付费转化率及客单价的前提是需要用户具有更强的黏性,这样的用户人数占比往往不会很高。所以该阶段特征是用户粘性强。但人数少。
  • Refer(推荐传播):只有具有强黏性的一小部分用户才愿意将电商平台推荐给自己身边其他的伙伴、朋友。所以该阶段人数最少,黏性最强。量化该阶段推荐传播效果的指标称为K因子。其计算公式是"K=每个用户向他的朋友们发出的邀请的数量*接受到邀请的人转化为新用户的转化率"。当k>1时,推荐传播带来的新用户增长效果会越来越好;反之,当k<1时,推荐传播带来的新用户增长效果会越来越差;当k=1时,推荐传播带来的新用户增长效果处于平衡稳定状态。由依靠用户推荐传播带来的新用户的增长称为自增长。自增长可以为电商平台带来免费的新流量,有助于电商平台减少流量投放成本。

6.3 业务分析方法

一、帕累托分析方法

帕累托分析方法又称为二八分析方法,是一种帕累托法则(二八原则)在对业务关键对象进行查找、定位时使用的分析方法。

帕累托分析方法是将帕累托法则反向应用,以帮助分析人员定位影响业务结果的关键业务对象时使用的分析方法。将80%业务结果线反向作为界定业务关键对象的分水岭,在达到80%业务结果线为止的业务贡献水平的前N个业务对象就可以被定义为关键业务对象。找准关键业务对象后就可以在分析业务问题时着重围绕这些对象的业务行为结果进行深入分析。

为了快速定位关键业务对象,常使用帕累托图,帕累托图是由柱形图和折线图构成的组合图。折线图部分使用业务结果完成进度的累计百分比作为指标,柱形图部分使用实际业务结果作为指标,图表的横轴是业务对象维度,柱形图部分按照指标值的大小关系进行降序排序。

二、A/B测试分析方法

A/B测试的方法是先为一个业务目的选择两种较为可行的业务方案,然后将参与测试的对象人群分为两组,让一组人群使用A方案,让另一组人群使用B方法,最终根据不同人群反馈的测试结果选择更好的方案使用。

步骤:

  • 明确测试目的,根据测试要达到的效果、决策者的业务决策内容对业务目的进行精准定义;
  • 明确测试对象,决定测试人群及人群的分组条件;
  • 明确测试内容,明确测试项、测试结果收集方案、测试周期、测试有效性评判标准等内容;
  • 测试结果分析,在进行较为复杂的A/B测试时一般会用到统计学中的假设检验的方法,如果是较为简单、直接的A/B测试,可以制作简单的评分表,通过评分表得分的高低来进行比较分析。

A/B测试不一定是两套方案。也可以是多套方案针对不同人群一起进行测试分析。

三、同期群分析方法

同期群是指相同时间段内具有相同特征属性的客户群组。同期群的分析步骤是先将客户分为不同的同期群组,再进一步分析每个群组的客户行为在时间轴下发生了什么样的变化,从而进一步找到不同群组客户行为的变化特征。

同期群分析对不同群组在相同时间段内的持续性行为差异进行衡量,帮助分析人员精准识别每个群体的行为特征,为进一步选择正确、有效的行为方式提供数据依据。

四、因果分析方法

因果分析是通过指标间的相互作用关系定位业务问题点的方法。因果分析通常需要借助树状指标体系的帮助。

因果分析是否生效的关键因素在于能否正确梳理出完整的树状指标体系及能否正确计算出指标体系中每个指标的指标值。在树状指标体系中,上层指标是"果"、下层展开的指标是"因",先通过指标值的变化情况找到"因"所在的下层指标项,再通过改善"因"指标项背后的业务行为的方法解决"因"指标值变差的问题,就能最终得到较为理想的"果"。

你可能感兴趣的:(CDA数据分析,概率论,数据分析)