数据分析师如何才能具备较强的业务敏感度


数据分析师如何才能具备较强的业务敏感度_第1张图片


小飞象·交流会

生活没有容易的,我们只是在不同的地方,不同的领域,为了不同的目标而奋斗。

811f8c10edcc24fd693c9f4c462feea8.gif

数据分析师如何才能具备较强的业务敏感度_第2张图片

内部交流│13期

数据分析师如何才能

具备较强的业务敏感度

data analysis

●●●●

分享人:磊叔

我们不能脱离业务去看“数据”,而是要时刻从业务角度去理解数据、分析数据。也可以说,没有业务指导的数据分析是无意义的。这一点对于刚刚入门数据分析的新手来说,甚是需要注重和积累培养的。可以这么说“理解业务,是做数据分析的前置条件和重要步骤”,那么,数据分析师如何才能“具备较强的业务敏感度”?

那么,本期邀请了前阿⾥巴巴产品运营专家——磊叔,15年⽤户增⻓、数据运营、数据分析等领域经验;前阿⾥巴巴产品运营专家,数据挖掘与⼈⼯智能专业硕⼠,9年+PMP项⽬管理专家,中国计算机学会CCF专业会员,GLG格理签约⼤数据咨询专家,擅⻓结合业务建设针对性的⼤数据运营,在通过数据运营体系融⼊业务流程,推动数据策略落地和实施上有丰富的实战案例。

数据分析学习,在于将别人的知识转化成自己的知识,食之化尽,举一反三“业务敏感度”是⼀个⾮常虚⽆的概念,对于数据分析师⽐较难以准确把握和理解。站在数据分析师的⻆度,深⼊业务来探讨什么是“业务敏感度”。 事实上,数据分析师的逻辑分析和拆解能⼒可以帮助我们很清晰的将“业务敏感度”定义出来。

今天将会从以下四个⽅⾯来深⼊探讨《如何提升数据分析师的“业务敏感度”》。

1、指标体系和指标的业务意义? 

2、指标的背后,到底是什么? 

3、解析“获客”、“活跃”和“营收”类指标背后的业务模式和策略? 

4、提升业务敏感度的学习路径?

数据分析师如何才能具备较强的业务敏感度_第3张图片

(磊叔老师公众号)


为了更好的后面做好小飞象内部交流会,需要您帮忙做两件事情:第一,您想想这次为什么想参加这一期的交流会,以及希望在交流会中希望收获到什么?第二,在交流会结束后,请和我说一下您的收获和感受。(可以在公众号留言交流,小飞象内部交流会往期回顾

做一个对世界充满好奇的人!在分享之前,我们可以先思考几个问题:

★你觉得业务敏感度和数据敏感度的区别是什么?

★你认为指标体系和指标的意义什么?

★你知道的数据分析师相关的提升路径有哪些?

......

这次分享将带领大家看看如何提升业务敏感度。在分享的过程中,建议全程认真听,带着思考来听(去看),希望通过本次分享,来给大家做一次系统的数据分析可视化分享,来解答大家对于可视化的疑点,并给做数据分析的人员提供一些思路,有任何问题都可以随时交流哦!

正式分享

—▼—

数据分析师如何才能具备较强的业务敏感度_第4张图片

任何⼀个指标,都有两个组成部分: 

⼀个是指标本身,⼀个是与指标关联的维度。

数据分析师如何才能具备较强的业务敏感度_第5张图片

这⾥⼜有⼀个问题,什么是指标?指标只是⼀个数字吗?如果不是,那么指标的背后究竟是什么呢? 通常⽽⾔,每个指标背后都对应了⼀组业务。

所以,充分理解指标,理解指标本身,以及关联的维度,可以帮助我们快速了解业务的范畴和特点。

数据分析师如何才能具备较强的业务敏感度_第6张图片

这⾥给⼤家呈现指标和维度的具体定义。

维度,其实是从多个⻆度来考察指标,也就是从多个⻆度来看待业务。 所以,维度是我们了解和分析指标背后业务特点的重要抓⼿。

当然,对于指标⽽⾔,还有很多抓⼿来帮助我们理解业务

数据分析师如何才能具备较强的业务敏感度_第7张图片

确切的讲,每个指标都⾄少具备这8个字段,或者信息。 

⽤互联⽹的话来说,这8个字段或者信息,就是我们分析指标背后业务的8个抓⼿。如上图所示, 下⾯我们解释一下主要字段:

◆业务分类:

指标是具有明确业务含义的数据,故其必有明确的业务归属和分类,不存在未归属任何业务分类的指标。通常指标的业务分类按照产品的场景、功能、流程等分类。对于APP产品⽽⾔,业务分类通常包括登录注册类、漏⽃转化类、⽤户账户信息类、基础功能服务类、推送通知类等。

⼤多数APP产品中,指标的业务分类是严格与其产品的功能架构⼀致,所以可以较直观的从APP的⻚⾯设计和产品功能看出其指标的分类分布。特别的,在设计新产品时通过指标在不同业务分类中的数量分布来评估产品的特性。

◆指标类型:

指标的类型按照不同的分类⽅式可以分为以下⼏类:规模类、质量类、营收类;北极星指标、虚荣指标;⾏为指标、业务指标、收⼊指标等。不同的类型代表指标后不同的业务。

◆业务⼝径:

指标的业务⼝径是指标的详细定义,业务⼝径须能直观且⽆异议的说明指标的业务意义以及计算公式,并在必要的时候说明指标的统计周期。指标的业务⼝径是理解指标背后业务的重要抓⼿。⼀般的,在多数公司,均有独⽴的数据部⻔来维护指标的⼝径,任何对于指标业务⼝径的变更均遵循严谨的流程。

◆更新周期:

指标的更新频率是指指标的计算都是有⼀定周期的,代表了指标对于业务的响应速度,通常⽤T+X来表示,其中X表示所需计算时间,⼀般⽤“天”作为单位。例如T+2,表示这个指标的计算周期是2天,即今天看到的指标是2天前的数据。

数据分析师如何才能具备较强的业务敏感度_第8张图片

—▼—

数据分析师如何才能具备较强的业务敏感度_第9张图片

除理解指标的⼝径,还需要理解指标背后对应的商业模式。 

作为数据分析师,我们都很熟悉如何对业务经营的指标进⾏分析,以及数据分析的⽅法和⼯具。

为了完成数据分析的闭环,即将数据分析的结果落地到业务,分析结果如果不能很好的和业务经营衔接,那可真是“⽵篮⼦打⽔⼀场空”,只有苦劳没有功劳。

数据分析师如何才能具备较强的业务敏感度_第10张图片

可以这么说: 任何⼀个指标,其背后都对应⼀整套的商业模式,及其对应的经营策略。 

我们先来探讨指标背后的商业模式。 毫不夸张的讲,每个指标,⽆论这个指标有多么庞⼤,也⽆论这个指标有多么细⼩,他们的背后都有⼀整套的商业模式来对应。

数据分析师如何才能具备较强的业务敏感度_第11张图片

最常⻅的商业模式是由9个部分组成,简称商业模式九要素画布,由9个部分组成,包括客户细分、价值主张、渠道通路、客户关系、收⼊来源、关键资源、关键活动、关键伙伴和成本结构

数据分析师如何才能具备较强的业务敏感度_第12张图片

上图表述,简单了解一下:

1. ⽬标客户

⽬标客户是商业模式需要服务的客户或客群,也就是产品的⽤户。把⽬标客户放在第⼀位去考虑,正式秉承“客户第⼀”理念,找准了商业模式所服务的客户或客群,才能继续后⾯8个模块的规划。例如短视频产品服务于内容消费者和内容⽣产者,社交产品服务于⽤户的社交关系链,服务于他们线下或线上的好友,电商产品服务于终端消费者和供应商。例如淘宝的88VIP会员、视频⽹站的付费优先观看、以及各种VVVVIP,都是所说的⽬标客户,在实际业务经营层⾯,也称之为细分客群。

2. 价值主张

价值主张,指商业模式为⽬标客户创造出的,满⾜期特定需求的,就有价值的产品或服务,也就是说,产品为⽤户提供什么功能,解决了⽤户的什么需求,为⽤户创造了什么价值。价值主张可⼤可⼩,⼤可到“让天下没有难做的⽣意”,⼩可到“记录美好⽣活”。

产品常⻅的价值主张有: 主张价格,⽐竞争伙伴的等价服务或功能更低的使⽤成本和价格; 主张个性化需求,反“⼤量同规格产品量产制”其道⽽⾏之,突出⼩量甚⾄每单均定制; 主张服务触达,产品的功能或服务可以触达更多的客群; 

主张品牌价值和地位,通过品牌本身的影响⼒和⾏业地位,为旗下的产品赋予特殊的含义,将品牌调性移植到⽤户身上,来凸显⽤户的尊贵和独⼀⽆⼆;主张便利性,最实在的价值主张,通过实打实的便捷功能或服务直击⽤户。 

3. 合作渠道

合作渠道是指找到与⽬标客群⾼度匹配的渠道,这3个⽉产品主打城郊结合部的客户,要能触达和获取这部分⽤户,显然找那些⾼⼤上流量渠道并不合适,因为这些渠道能够带来的⾼⼤上客群显然并不匹配城郊结合部⽤户的客群画像和特征,留存⼤概率令⼈⼼疼的差,反⽽是⼩县城尘⼟⻜扬的⼟路两旁的夫妻店、拉⾯馆、“1元钱安装1个APP”更能获取想要的客⼈。 

4. 客户关系

客户关系,是指在产品的不同阶段与客户需要建⽴和维系的关系。从通过渠道接触客户的那⼀刻起,产品需时时刻刻保持和客户的联系,直⾄客户的⽣命周期结束。互联⽹产品中常⻅的客户关系⽅式有⽤户⾸触产品的功能引导、随时随地可调⽤的售前售后、提升活跃、沉默唤醒和流失召回的推送、短信机制,以及 电话外呼等都是维系客户关系的⼿段。

数据分析师如何才能具备较强的业务敏感度_第13张图片

A-A-A-R-R-R增⻓模型,即3A3R策略模型,由海盗模型演变⽽来,是⽬前使⽤最多,适⽤范围最⼴的增⻓策略模型。原始的海盗模型由Acquisition(获客)、Activation(活跃)、Retention(留存)、Revenue(收⼊)和Refer(传播)等5个部分组成,即2A3R。

3A3R策略模型在Acquisition(获客)前增加了⼀个Awareness (洞察),即在Acquisition(获客)、Activation(活跃)、Retention(留存)、Revenue(收⼊)和Refer(传播)之前,先通过Awareness(洞察)来准确和深⼊的分析⽤户和了解⽤户,以便制定后续5个模块的策略。 

3A3R模型之所以可以帮助我们来制定指标的增⻓策略,是因为3A3R策略模型蕴含3个核⼼逻辑:

⼀是维系⽼⽤户远⽐获取新⽤户成本低,营销领域中有⼀个共识,即获取⼀个新⽤户的成本是维系⼀个⽼⽤户的7倍,故3A3R策略模型的6个组成部分中,只有A⽤户洞察和A获客与拉新有关,剩下4个部分均是在不同阶段⽤不同的策略,考察不同的指标来维系⽼⽤户;

⼆是⽤户的社交关系价值巨⼤,除了让⽤户直接创造商业价值外,⽤户的社交关系在3A3R策略模型中也⾮常重要,不仅处于3A3R策略模型漏⽃转化的最终层R传播中,同时在R传播中也为⽤户的社交关系规划了不同的营销场景和不同的营销策略;

三是⽤户是需要经营的,严格遵守⽤户⽣命周期的逻辑,3A3R特别强调⽤户需要持续教育,持续培养,持续关注,同时也特别看重⽤户⽣命周期⻓短和⽤户⽣命周期价值。 

数据分析师如何才能具备较强的业务敏感度_第14张图片

⽤3A3R模型制定增⻓策略的典型⽅法是:

“向前找流量、向后做转化、⾃身看画像”

因为3A3R策略模型包含6个部分,涵盖了完整的增⻓流程,但在实际运营中总是有特定的⽬标,不会全量经营,故当以3A3R策略模型中某个模块为当前运营重点的时候,应当做3件事:

站在当前模块,考察当前模块的⽤户画像

站在当前模块,向前⾯模块寻找流量来源

站在当前模块,向后⾯模块完成导流转化

下⾯通过案例来说明。

例如:如何⽤3A3R策略模型来提升留存?

当前运营重点是留存,希望借助3A3R策略模型来提升留存。按照上述流程的做法是:站在留存模块,考察留存模块的⽤户画像。考察留存模块⽤户画像的⽬的是详细拆解留存⽤户组成,根据不同画像的⽤户来制定不同的留存策略。分析留存模块⽤户画像的⼯具可以借⽤前⾯讲述的⽤户画像模型、⽤户分层模型以及RFM模型等。

站在留存模块,向前⾯模块,即活跃模块寻找流量来源。显然,提升留存不能仅仅考察留存⽤户的画像,还要分析这些⽤户的活跃程度,不同活跃程度的⽤户应当投⼊不同的留存运营资源。

站在留存弄快,向后⾯模块,即收⼊模块完成导流转化。显然,提升留存的⽬的不仅仅是留存,更应要考虑留存提升后对营收的贡献,即留存的提升可以带来多少收⼊。

当提升留存时,既知道留存的流量来源,也知道留存带来的收⼊贡献,⾃然可以计算留存运营的ROI,⽤以评估留存运营的实际效果。

数据分析师如何才能具备较强的业务敏感度_第15张图片

本身⽤3A3R模型来输出增⻓策略,或者去理解业务是⾮常简单的。 但是简单的事情⼀般都有⽐较复杂和扎实的内部逻辑。接下来给⼤家分享⼏个3A3R模型中帮助我们去理解业务的⼯具。 

第⼀个是⽤户画像。

画像分为两类,静态画像和动态画像。

静态画像:

静态属性画像均为事实类画像,不随业务的变化⽽变化。 属性画像的所有特征均平等,不存在优先级或权重不⼀的情况。

属性画像是稳定的特征,稳定的含义包括3个层⾯,⼀是在⽤户⽣命周期内不会变化,⽤户的性别在其⼀⽣都不会改变;⼆是属性变化可预期,⽤户的机型对APP产品运营⾄关重要,虽然存在⽤户换机的可能,但这种可能性可预期,因为⼤部分Android⼿机更新周期约1.5年,也会随着新品发布更新;三是属性变化的可能性很低,⽤户的地域属性存在变化的可能,但在较⻓的时间内可以认为是不变和稳定的。 

动态画像:

动态兴趣画像的名字来由即是这类画像是动态可变,可变有2种情况,⼀是随着时间变化,⽤户今天买了电影票,认为⽤户兴趣是电影偏好,但是接下来的⼀段时间⽤户没有再复购电影票,此时电影偏好这个动态兴趣就要降低影响⼒,甚⾄从⽤户身上移除;⼆是变化频率⽐较⾼,故其时效性要求很⾼,⼀位男性⽤户过往都是⼿机偏好的⽤户,今天突然买了⼥童的玩具,明天⼜买了⼥童的⾐服,此时⽤户的动态兴趣画像应该体现⼥童相关⽤品偏好。 

动态兴趣画像是有权重的,因为⽤户的偏好总有重要程度的排序。动态兴趣画像不存在绝对意义上的互斥情况,静态属性画像的性别⾮男即⼥,不可均沾,但动态兴趣画像可男可⼥,⼀个⽤户即可以是男性,也可以是⼥性。上⾯这个例⼦就是佐证,事实上这种看似不合逻辑的情况在动态兴趣画像中⽐⽐皆是,对于⼤数据⽽⾔,任何事情都是以概率存在的,不存在绝对的100%和 0%。 

动态兴趣画像均为特征标签,都需要数据挖掘或特征分析。动态兴趣画像⼤部分都具备统计周期,缘由在于其是可变的,故需要制定统计周期,例如近3个⽉活跃。动态兴趣画像有时候也叫⽤户兴趣,分为⻓期兴趣、短期兴趣、即时兴趣和主兴趣。

数据分析师如何才能具备较强的业务敏感度_第16张图片

数据分析师如何才能具备较强的业务敏感度_第17张图片

所以,结合商业模式,我们来制定DAU的增⻓策略就会形成如下的表格:

数据分析师如何才能具备较强的业务敏感度_第18张图片

—▼—

数据分析师如何才能具备较强的业务敏感度_第19张图片

数据分析师如何才能具备较强的业务敏感度_第20张图片

数据分析师如何才能具备较强的业务敏感度_第21张图片

数据分析师如何才能具备较强的业务敏感度_第22张图片

拉新获客是⼏乎所有产品最重要的业务板块,但也是最容易被⼈轻视的板块。之所以说拉新获客容易被忽视,因为我们通常认为拉新获客不就是在外部做⼀些投放、或者做⼀些流量交换、或者抓⼏个渠道放放活动来吸引⽤户。很多同学都不愿意做拉新获客,总是觉得⼯作内容繁杂,不像活跃、留存之类有很多可以借鉴的打法,在整个⽤户运营中存在感不⾼。 实则不然。 

拉新获客是所有⽤户运营、产品运营的基础,是供给活跃和留存的唯⼀引⽔渠道。并且,拉新获客的打法也⾮常多种多样,并且打法、策略之间也存在⾮常严谨的逻辑和体系。 我们深⼊到3A3R策略模型的获客模块中,从更微观的世界看看拉新获客的完整流程和链路⻓什么样⼦,主要由3个部分、6个模块组成,以及1个钩⼦策略组成,如下图所示。 

数据分析师如何才能具备较强的业务敏感度_第23张图片

第⼀部分:触达

触达,是拉新获客的先头部队,承担着直接⾯对⽤户传达产品价值和主张的职责。触达运营的好坏,直接影响两个重要指标:流量⼤⼩和流量质量。流量⼤⼩⼜包含两个层⾯的意义,⼀是可以覆盖的流量范围,⼆是可以引流的规模;流量质量是指,是否准确的获取了产品的⽬标客群。

流量⼤⼩和流量质量就形成了两个模块,分别是触点和渠道:

1、触点

触点,是指能够直接接触到⽤户,让⽤户能直接感知到产品价值和主张的⽅式。触点部署的越多越⼴,越能触达更多的流量。

这⾥我特别强调“直接”⼆字,任何不能直接接触到⽤户的⽅式都不能成为触点。例如微信的“理财通”藏在“我 - ⽀付”中,属于典型的⼆级⻚⾯,此时即便理财通为了吸引⽤户,在图标上做了⻆标(典型的触点形态之⼀),也不能称作触点。因为⻆标并没有在微信中“直接”接触⽤户。如果理财通的运营策略出现在了“微信”聊天记录的“服务通知”中,并以红点或者强提醒的⽅式呈现,此时才是真正的触点。 

因为触点的使命是离⽤户越近越好,所以触点可以距离真正的功能、场景或者服务很远。例如京东营销短信中都会留下领取现⾦红包的超链接,这就是典型的⽤户触点。但是⽤户点击超链接并不是直接唤起京东APP,⽽是通过中间⼏个流程步骤后才能领取现⾦红包。 

2、 渠道 

渠道是指可以获取⽤户的通道。渠道直接影响流量的质量,因为不同的渠道所覆盖的⽤户特征并不相同,具备⾮常明显的画像特征差异。有⼀个在上海做卡丁⻋赛场的朋友,前⼏天找我抱怨不知道怎么从线上寻找获客渠道,在问清楚⽬标客群后,我就让她在快⼿上做内容,例如赛事、⻋友聚会、赛⻋⽂化等⽅式来 传播获客。可她说快⼿的客群不合适。

我反驳的出发点是,从快⼿官⽅公布的⼈群特征来看,主要是年轻⼈、具备⼀定消费能⼒、新鲜事物接受能⼒强,愿意尝鲜尝新,和卡丁⻋赛事的匹配程度真⼼挺⾼。通过持续的内容运营,是可以逐步聚集起来很多拥簇和粉丝的。 

第⼆部分:经营 

经营,重点解决⽤户⾸次在产品上落地,以及达成新客转化⽬标前运营的问题,主要由两个部分组成:

1、落地

落地,是指⽤户从渠道中的触点来到产品,具体的场景就是我们通常所说的落地⻚,既可以在产品中落地,也可以在产品外落地。在产品中落地,即直接进⼊产品中的某个营销活动⻚⾯,适合于Web产品,但不适合APP产品,因为APP产品仍需要完成下载安装后打开,这是⼀个不连续的业务,⽤户极易流失;在产品 外落地,即常⻅的H5营销活动⻚,适合于⼤部分APP产品。

2、⾸触 

⾸触,是指⽤户真正意义上的第⼀次启动产品,承担着快速让⽤户了解产品核⼼价值、服务和功能的职责。 ⾸触的场景中,我们需要理解“主⻚”和“⾸⻚”的差异。 

第三部分:转化

转化,是指新⽤户达成了产品运营制定的转化⽬标,通常是完成注册,电商产品还会要求完成⾸购,内容产品还会要求浏览⼏个内容,社交产品还会要求关注⼏个好友等等。

⼀般⽽⾔,⽤户达成转化⽬标时,其作为新⽤户状态的运营过程就结束了。

并⾮如此。 当新⽤户完成转化时,我们还需要做最后⼀件事:分发。

分发,是联系3A3R策略模型中获客和活跃模块的必经之路,需要引导新⽤户到合适的产品场景中。假如新⽤户完成注册,正停留在注册成功的结果⻚,此时千万不要什么都不做,让⽤户⾃⼰瞎溜达,这样只会降低新次留。反⽽,我们要根据⽤户画像引导⽤户去他可能更感兴趣的地⽅。⼏乎所有的内容分发产品都会在⽤户注册成功后让⽤户去勾选感兴趣的内容分类或标签,⼏乎所有的社交产品都会让⽤户注册成功后去关注好友或推荐好友,⼏乎所有的电商产品在⽤户注册成功后都会引导⽤户去看当前热卖或低客单价的产品。 所以,新⽤户的转化和分发,我们也叫做:⽤户冷启动。

数据分析师如何才能具备较强的业务敏感度_第24张图片

数据分析师如何才能具备较强的业务敏感度_第25张图片

数据分析师如何才能具备较强的业务敏感度_第26张图片

数据分析师如何才能具备较强的业务敏感度_第27张图片

数据分析师如何才能具备较强的业务敏感度_第28张图片

1)不知情的情况下误判产品质量,做出错误决策。

2)影响⽇常的商业经营策略。

数据分析师如何才能具备较强的业务敏感度_第29张图片

产品的分析中,⾸当其冲的就是活跃的分析,站在策略的⻆度也就是我们常说的促活。活跃,意味着⽤户开始真正使⽤你的产品,也是产品运营可以直接经营的客群。在3A3R策略模型中,对于促活有⼀个⾮常⾮常重要的底层逻辑:必须⽤⾼频且低⻔槛的场景或服务,去承载意欲提升活跃的客群。

这个逻辑的核⼼在于:如果⽤户被促活策略拉回产品后,发现都是⼀些对于⽤户⽽⾔需求频次很低的,或者是有⼀定使⽤⻔槛的场景或服务,⽤户的落地效果⼀定打折扣,并且会严重影响⽤户的⼼智认知,势必影响促活的效果。

1)通过内容营销提升活跃

借助外部热点事件或节庆等主题策划活动,通过内容借势营销吸睛,或⼀些年轻⼈关注的话题引发共鸣。

像常规的⼀些节庆主题活动,如春节开⻔红、⼥神节、七夕节⽇等,⽤户天然对这些节⽇敏感并且有购物需求,只需借⼒热点给出促销⽅案,即可很快引起⽤户关注并带来销售转化;同时⼀些⼤的电商平台也通过“造节“很好的培养了⽤户⼼智,创造了如”618“”11·11“”⿊五“等消费热潮的特殊节⽇;因此,牢牢的抓住⼀些天然的外部热点节⽇来促活,事半功倍,也是是必不可少的⼀环,每年促销的热点节⽇其实都差不多,我们常说”⽆节⽇不电商“正是这个道理。

平台促活除了借助外部热度,话题营销也是⼀个重要的⼿段,针对当代互联⽹主流消费群体如95后、00后⼀些特定圈层,以他们感兴趣的的话题/喜好切⼊,快速的提升⽤户好感度,提⾼忠诚度,并转化成平台的粉丝;结合营销活动,推荐主题相关的⽹红款、爆款、明星同款等商品,缩短⽤户决策链条,迅速完成消费转化。

我们曾做过⼀场针对职场⼥性的活动,通过内容营销和传播取得了较好的效果,GMV增⻓4倍,活动总曝光量1000w+。

2)通过优惠券促活

优惠券+营销活动是平台常⽤的也是最好⽤的促活利器,优惠券的组合玩法结合场景营销,能够最⼤化促进平台⽤户活跃。常⻅的优惠券形式包括平台劵、店铺券、品牌券/品类券、满减券、折扣券、⽴减券等,除了常规的通过相应的优惠激励促活外,也分享⼏个我们通过优惠券与⼀些场景或营销玩法结合,取得较好的效果案例: 

2.1) 优惠券组合模式

通过优惠券包的⽅式做优惠券组合,⽤户通过⼀次领券操作可收到多张优惠券(优惠券包),与单张券发放的模式相⽐,优惠券包给⽤户提供了更多选择,同时也最⼤程度利⽤流量。较优的组合⽅式为⾼转化券(如通⽤券、⽆⻔槛券、实⽤类型券)搭配指定类型券(爆品券、品牌/品类券等),⾼转化券主要⽤来引 流及促快速转化,效果好的⾼转化券转化率在50%+,同时券包组合也更利于利益点的包装,如我们经常看到这样的slogan“登录领取8888元⼤礼包“,其实这个”8888元“的⼤礼包可能包括多张优惠券的总和,但看上去就很有吸引⼒。 

2.2)任务打卡+优惠奖励组合

让⽤户完成⼀定的平台任务即可获得优惠奖励,完成任务打卡本身就是促活的有效⼿段,任务可包括但不限于注册登录、签到、浏览某活动⻚⾯、消费达标、分享等(可根据活动⽬的设置);优惠激励会促使⽤户会更愿意去做任务,同时⽤户在完成任务后如获得优惠券奖励并去使⽤,可再次促进⼆次活跃并促成交易。优惠券设置可根据任务的难易程度设置相应的⻔槛,也可以设置多个分级任务,基于不同的奖励。[Tips]这⾥有个值得注意的点是,要关注优惠券使⽤路径及到期提醒等设置,因为任务奖励后优惠券是发放模式的,最好是⽤户发放后能有明显的感知(如弹窗提醒),⽤户可直接跳转去使⽤,并将商品推荐跟上能较⼤程度的促进转化,如果优惠券快到期,可设置通过消息推送或⼩红点⽅式做提醒。 

2.3)抽奖+优惠券组合

策划抽奖活动引流促活,优惠券奖励可设置周⼀到周⽇每天不⼀样奖励,这样可以满⾜不同⽤户的需求,引起更多⽤户的关注;每天抽奖的产品选择可根据时下热销商品选取,以增强每天奖品的吸引度,同时设计每天抽奖可以促使⽤户持续活跃,通过策划在某⼀天(如周⽇)设置⼀个⼤奖引爆⽤户流量。

数据分析师如何才能具备较强的业务敏感度_第30张图片

数据分析师如何才能具备较强的业务敏感度_第31张图片

数据分析师如何才能具备较强的业务敏感度_第32张图片

数据分析师如何才能具备较强的业务敏感度_第33张图片

若把复购率说成营收届的留存率,你就会知道它有多重要了。和新增⽤户⼀样,获得⼀个新付费⽤户的成本已经⾼于维护熟客的成本。 

在不少分析场景中,会将⾸单⽤户单独拎出来作为⼀个标签,将两次消费以上的⽤户作为⽼客,之所以这样做,是从⼀到⼆的意义远不⽌加⼀那么简单。

⽤户第⼀次消费,可能是体验产品,可能是优惠,可能也是运营极⼤⼒地推动,各类因素促成了⾸单。⽽他们的第⼆次消费占⽐会有断崖式下跌(对应次⽇留存率的下 跌),因为这时候的消费逐渐取决于⽤户对产品的信任,模式的喜欢或者习惯开始养成。 

很多时候,⽤户决策越⻓往往意味着客单价越⾼,如投资,旅游。此时⾸单复购率越是⼀个需要关注的指标,它意味着更多的利润。

数据分析师如何才能具备较强的业务敏感度_第34张图片

交叉营销(Cross Marketing),从⽤户的各种⾏为中发现⽤户的多样性需求,并根据⽤户多样性的需求为其营销相关的的产品或服务。⽤户买了⼿机,就给他推荐充电宝或保护壳,这就是最简单的交叉营销。交叉营销和其他营销⽅式的根本区别在于,交叉营销是主动的,多数营销投向⽤户后都只能静等⽤户的反馈。

⽽交叉营销则是在⽤户达成某⼀⽬标或命中某项运营规则后主动触达⽤户,在携程⽹上定完酒店后,携程会通过短信推送出⾏服务,在掌上⽣活上完成现⾦借贷时,会主动推送消费场景;交叉营销是异构服务,之所以叫“交叉”,是因为交叉营销连接的是不同的异构服务,例如刚才提到酒店和出⾏,现⾦和消费,最常⻅的交叉营销异构场景是内容营销,即通过内容为其他场景进⾏营销;交叉营销是精准的,交叉营销不是独⽴的营销场景,必须依附在某个⽤户场景之中,故当⽤户在某个场景中看到交叉营销时,此时场景特征再加⽤户特征,可以相对准确的刻画出⽤户的需求,对⽐⽤户在站外或公域场景下的模糊特征,更能提升交叉营销的转化率。 

掌上⽣活交叉营销位多为相关性较强且⻔槛较低的活动,例如,还款结果⻚配置还款⾦;话费充值成功⻚配置话费充值达标活动;保险购买⻚配置保险0元领活动。 

主推的MGM荐卡活动占据多个交叉营销位同时存在多个MGM活动;激活卡、绑卡、注册、查账还款、理财、任务⼴场等结果⻚均跳转⾄MGM荐卡活动内容板块的交叉营销位为智能推荐内容,未绑卡⽤户推荐新发卡内容,已绑卡⽤户推荐商城单品。

—▼—

数据分析师如何才能具备较强的业务敏感度_第35张图片

数据分析师如何才能具备较强的业务敏感度_第36张图片

—▼—

95c975cff2f2525f16bffa7933dee2a6.png


总结

以上就是本次分享的全部内容!

数据分析师如何才能具备较强的业务敏感度_第37张图片

(涉及的知识点较多,更详细的内容请大家去公众号《磊叔的数据增长实验室》中查看)

数据分析师如何才能具备较强的业务敏感度_第38张图片


总之,数据分析受业务所驱动,不能应用到业务层面的数据分析是没意义的。所以在分析之前,懂得业务知识和业务指标尤其重要。要对业务有足够深刻的理解,所做的数据分析结果才能给业务提出更好更有建设性的指导。而数据分析涉及很多知识点,不是一次分享能全部了解的。学贵在行,需要我们在以后的学习工作中不断地积累经验掌握工具,学以致用。能站在多方角度,发现问题,分析问题,解决问题,总结问题。

后期小飞象会继续为邀请各业的精英分享数据领域的内容。祝愿大家都能在自己所在的领域内,用数据思维,成就更好的自己,在可预见的未来,遇到更好的自己。谢谢大家!

ecf7806fdf78ea997c1538f560b6c720.png

······

敬请期待下一期

本次分享到此结束,再次感谢大家的收听,我们下期再会!

(本文由木兮整理,可能与演讲时略有遗漏,但整体思路精华都在)

✓ ……

图片来源于网络

若好的建议和想法,欢迎在下方留言

我们将尽其所能打造数据分析交流的理想之地

数据分析师如何才能具备较强的业务敏感度_第39张图片

你可能感兴趣的:(大数据,编程语言,人工智能,数据分析,机器学习)