tft每日頭條

 > 科技

 > 數據分析技術學習難點

數據分析技術學習難點

科技 更新时间:2024-07-08 20:56:17

編輯導語:由于疫情,許多企業的發展都受到了影響,從而導緻很多企業提出了降本增效的口号。但是想實現降本增效,不是隻靠一條數據兩條公式那麼一計算就可以的,那麼究竟該如何有效的降本增效呢?本文從數據分析的角度進行了系統的講解。讓我們一起來看看吧!

數據分析技術學習難點(如何實現降本增效)1

今年環境不好,很多企業都提出了降本增效的口号。可作為數據分析,該如何實現降本增效?今天系統講解下。

一、降本增效的錯誤姿勢

1. 錯誤1:前台增效,後台降本

有些人一提“降本增效”,本能的反應就是:

  • 增效是前台的事,銷售、營銷多賺錢
  • 降本是後台的事,研發、生産、供應多降本

聽起來非常合理!

可真這麼幹了,很快就會發現:“成本竟是我自己!”裁員、停産就是後台最快的降本辦法。可後台再裁員停産,也抵不過前台随意打折,降價促銷讓出去的成本。結果就是“前台亂花錢,後台沒支撐”,嚴重的直接把公司折騰沒了。

2. 錯誤2:全員營銷

有些人一提“增效”,就開始喊“狼性!全員營銷!ALL iN!”然後開始逼着員工去推銷。結果不然遭人反感,而且非專業的銷售一沒渠道二沒資源,他能賣動就見鬼了。也沒啥産出。

3. 錯誤3:全員省錢

有些人一提“降本”,就開始拉出“全員思考如何在低毛利下生存”的打橫幅,員工福利也不發、出差打車要在小票背後寫起點終點——還一張張算錢。結果就是拿不出爆款産品,有本事的人都離職,最後越做越low。

二、問題症結在哪裡

以上種種亂象,本質在于:抓錯重點。就像學渣聽學霸的故事,隻記住了學霸通宵學習一樣。學霸之所以成為學霸,不是因為丫通宵,而是丫至少有一套成功方法。不去學方法,大眼瞪小眼熬通宵是沒屁用的。

對企業也是,要知道,真正的增效,在于:

真正的降本,要砍的是:

以上三點任一點,都是災難級的問題,會引發前期投入浪費、庫存增加、資金周轉慢等一系列次生災害。相比之下,出差費、住宿、員工福利算個毛線。

因此,破局的關鍵在于:對産品、渠道、用戶的成本進行清晰的核算,對運營過程進行及時的把控,避免爛到不可收拾。這就需要做精細化的數據分析。

三、用戶分析怎麼做

1 .支持降本的分析

  • 新用戶的轉化率分析,剔除劣質渠道
  • 老用戶的複購率分析,避免用戶流失
  • 促銷敏感型用戶識别,減少被薅羊毛

其中1可以和渠道分析合并來做。這裡重點講解一下第3點。薅羊毛有顯性和隐形兩種,顯性的經常是營銷規則不合理導緻的,比如濫發無門檻代金券、同一用戶多次疊加優惠、白金卡優惠力度過大導緻用戶湊單等等,這些在項目開始前,就可以主動識别。

在活動開始後,作為數據分析師,要主動監控異常訂單,當訂單出現:

  • 單筆過高、過低金額
  • 同一用戶反複下單,下單總量過大
  • 商品實際成交價低于标價比例過大

可以直接做訂單攔截,先抓住典型問題,再查源頭,能有效避免風險。

數據分析技術學習難點(如何實現降本增效)2

2. 數據分析

隐形的羊毛更難受。比如很多公司做促銷活動,總喜歡搞“全場大促”,心理感覺可以多覆蓋用戶,可實際上參與的都是同一批人。結果經常是有活動的産品銷量大漲,沒活動的一蹶不振,總業績也不見漲。

這時候,數據分析可以:

  • 對用戶分層,區分高中低用戶
  • 對活動打标簽,區分各個目的活動
  • 交叉觀察用戶參與活動情況,識别每個活動參與人群
  • 關注頻繁參與活動用戶群,建議砍掉其中邊緣活動
  • 關注從未被覆蓋的用戶群,分析用戶潛在需求

這樣既能避免隐形薅羊毛,又能找到潛在機會點,把營銷資源用到地方。

數據分析技術學習難點(如何實現降本增效)3

3. 增效分析

  • 為利潤款商品/搭配款商品找潛在用戶,直接拉升商品銷量。
  • 分析用戶互動習慣,為私域/社群/APP找高粘性用戶,降低渠道成本。
  • 識别高價值用戶,直接推高檔商品,拉升用戶消費金額。

這裡需要用到用戶畫像,價值分層,關聯推薦等分析手段,不一一列舉了。

四、商品分析怎麼做

支持降本的分析:

  1. 上市階段:識别劣品,及時止損
  2. 熱銷階段:控制促銷,多賺現金
  3. 衰退階段:盡早清貨,減少損失

這裡雖然寫了三條,但是核心是第一條。商品質量的判斷是核心,越早發現問題商品,越能早進行區域調配,不同渠道的調配,及時止損。拖得越久,積壓帶來的損失越大,後期清貨得越花本錢。

商品分析和用戶分析不同,需要看商品從上市開始,全生命周期數據。并且商品上市經常伴随推廣活動,因此核算成本,不應隻核算每個階段的商品成交價/商品生産成本,得拿到商品推廣計劃表,把廣告成本,活動成本等全部都算上,這樣才能還原商品的真實利潤,從而支持決策判斷。

數據分析技術學習難點(如何實現降本增效)4

商品分析,是可以和用戶分析交叉來做的,這樣能發現增效的機會點。指望一個爆款打天下不是很現實,因此商品需要區分流量款、爆款、利潤款、搭配款,有了商品分級後,再看每一類商品覆蓋用戶數量,比例,就能發現:

  • 引流款是否對新用戶有足夠吸引力
  • 利潤款是否覆蓋足夠多老用戶
  • 還有哪些款沒有覆蓋到高價值用戶

機會點就是這麼找出來的(如下圖)

數據分析技術學習難點(如何實現降本增效)5

五、渠道分析怎麼做

渠道分析比用戶和商品更直接:

  • 砍掉高成本、低質量劣質渠道
  • 将用戶向低成本的渠道引流
  • 做大低成本、高質量的渠道

在渠道分析上,一般對拉新的關注度比較高,各個投放渠道的拉新成本,拉新後的用戶價值計算是重點。不過要注意的是,由于現在渠道日益分散(實體店、電商平台、外賣平台、自建APP、小程序、短視頻平台、社群、私域……),很有可能一個用戶同時在多個平台活動, 一個平台會同時覆蓋多個用戶,因此區分出不同渠道覆蓋用戶類型,是進行優化第一步。

數據分析技術學習難點(如何實現降本增效)6

同時,渠道質量并非一個穩定數值,很有可能随着業務行動優化,因此,記錄優化結果,建議優化方向,又是一個典型的增效的點。隻不過,對每次優化動作,需要有業務标簽庫進行監控,才能看清楚到底在往哪裡優化。

數據分析技術學習難點(如何實現降本增效)7

六、小結

綜上可見,想實現降本增效,不是隻靠一條數據兩條公式那麼一計算,就咣當得出一個神威無敵大将軍建議。

降本增效的本質,是通過數據手段,量化業務行為,核算業務成本,監控業務收益。量化才是最重要的一步。相應的,業務标簽庫,業财一體化流程,才是保障降本增效的根本。否則賬目都是紙質單張,裡邊的描述和業務實際脫節,業務動作無法被數據監控,連基礎的數據都核算不清,降本增效更無從談起。

數據分析技術學習難點(如何實現降本增效)8

七、一個更深層的問題

在知識星球内,有同學問了我一個靈魂問題:“我們公司的運營做事根本不和數據分析通氣,數據分散在各個平台收集不上來,每天核算進銷存和财務數據已經累死了,老闆還覺得數據好大,能一下分析出很厲害的結論……咋辦?”

這就是降本增效更深刻的問題:有些公司的管理就是很混亂,領導就是很自大,老闆就是靠吃行業紅利起家的,沒啥科學經營理念。

客觀的說,數據是無法拯救這麼混亂的公司的,作為個人,能做的就是多積累能力,換個更好的環境了,這也算我們個人降本增效的好手段。而積累能力,是從日常學習中逐步提升的,歡迎加入我的知識星球,一起爆肝學習,每天都有進步。

#專欄作家#

接地氣的陳老師,接地氣學堂,人人都是産品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是産品經理。未經許可,禁止轉載

題圖來自 Unsplash,基于CC0協議。

,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关科技资讯推荐

热门科技资讯推荐

网友关注

Copyright 2023-2024 - www.tftnews.com All Rights Reserved