镜花水月第四季

简介：　　编辑指南：数据分析报告太平淡了，没有实际价值，也没有建设性意见。怎么办才好呢。本文作者介绍了4种方法，分别是基准分析法、业务诊断法、机会识别法、概念测试法，进一步提高大家的数据分析报告，一起看吧。 　　为什么说“数据分析报告很平淡，只是陈述事实，没有建设性的意见”呢，很多企业都不满。 　　很多企业要求“数据分析的提案可以实行，有建设性，能产生效果”。 　　问题是：怎么做到！ 　　通常有4种方法，可以从数据中导出高质量、可着地、有效的分析结论。但是，没有一个治疗百病的仙丹的方法。每个方法都有特定的使用场景和难点，今天和学生们系统共享，作为参考。 　　基准分析法的构想很直接：寻找一个好的基准，直接返回（chao）刻（xi）基准的做法。既然别人那样做就成功了，理论上我们也那样做就成功了。拉杆分析法的步骤： 　　明确分析业务线和分析目标在该业务线中，以目标为中心，寻找可作为目标使用的对象（目标不同，色标自然不同），去除异常并汇总。例如，运气/行业的红利/特殊资源（确保棒的复制性）总结棒的特征，导出分析建议（学习1、2、3、4的做法就成功）进行测试，验证棒的效果（最后不行。必须尝试一下）例如，进行销售分析，导出分析的结论时并不是简单地说“建议销售业绩低、价格高”。由销售队制定基准，汇总特征，复制行为（以下图）。 　　棒分析方法的适用性很广，但有三个明显的缺点。 　　缺点1：难以去除异常。“失败大致相同，成功各有特色”，一般基准多少都有不能复制的要素，难以100%接受。缺点2：特征的总结很难。相当多的特征是难以量化，尤其是人的主观努力和个人素质。缺点3：时代的界限。有些方法过去用过，现在用不上。特别是在复制外部基准的情况下，由于数据收集不充分，多数情况下会寻找同业者“外表美丽，内部拉紧大腿”的情况来制作基准，在这种情况下容易翻覆。 　　业务诊断法的想法也是直接的。找到现在的业务哪里不顺利，哪里不好，换个地方好，就可以了。注意：所谓业务诊断，最终输出的结论不是单纯的“XX指标降低了，提高了”，而是应该指具体的业务行动（以下图）。 　　商务诊断法的步骤： 　　确立监控指标（一般为漏斗分析或分解分析），确立判断基准（只有确立现有判断的好坏基准，才能得出结论）发现现在的短板（将漏斗最弱的一个转化，分解中最弱的一个）追溯业务问题（这里的弱项是运营/产品/价格/…）给予诊断建议（根据业务条件，评价改善的可行性，建议）。这里最难的是第四步。要做好第四步的分析，必须详细分解业务流程，在具体做法上贴上标签，才能进行深入分析（以下图）。 　　注意：第5步建议的时候，不是哪里弱，可能是“用强项弥补弱项”（下图）。 　　这样，根据商务现状+历史数据，对提案进行简单的可行性评价后出示的话，对提案有说服力。业务诊断法的缺点显而易见：第4步容易挂住，成为业务方面争论的导火索。特别是问题发生在漏斗转化的末端，大家有责任的情况下，容易引起争吵（以下图）。 　　这个时候，特别要花很多精力，论证清楚这些人的种种说法。不那样做的话，就会被分为对战的棋子，活到老。 　　机会识别法和基准分析相似，但不是以全体为参照对象，而是从细节上探索构思。最典型的方法有两种，例如：发展客户群，质量高、质量低。 　　从现有的用户中选择高品质的组，单独看那个组的图像，考虑如何使那个组变大。从用户图像的观点出发，从理论上选择高品质的组，看现在的取得数，考虑如何放大。这就是所谓的机会点识别。 　　所以机会点，到底能不能做大，长大了怎么样。目前还不清楚。为了服务其他用户，很有可能惹怒其他用户。由于小失误，很有可能赚到了很多组的钱。很有可能会失去其他用户。单个组的数量太少，不能支撑大盘。总之，必须要做实验。只有实际测试几次，才能看到数据的变化。 　　这也是机会认识和杆分析的最大区别，杆分析实际上是成功的样品，机会认识真的只是机会。 　　机会识别法的弱点也很明显。很大程度上依赖于业务合作。 　　如果业务方懒得提出设定方案的话，就永远不能测试这个机会点能不能完成。更糟糕的是，在没有考试之前，不知道是不是机会。因此，商务方面会简单判断这个机会是否和老板的观点一致。总之，老板说这个好，这个好。社长没有说，但是那不好。。。。。。这不能进行客观的机会认识。 　　以上三种方法，都是根据产生的数据导出的。即使完全没有数据，也要依靠商业方面的灵光，“我有个好主意。”然后直接拿来考试。这个完全OK。经常使用的ABtest方法也满足了这个需求。 　　但是，很多商业测试和实验都是整个过程的SOP，请注意不是孤立的页面。因此，在设计实验时，必须将测试流程分解，并在可能影响实验的节点上贴上商业标签。这样的话，之后分析的时候有根据，反复的时候也有方向。否则只看最终结果，还是看不到理由（具体的分解方法参考业务诊断法的做法）。 　　概念测试法的缺点也很明显：概念是人说的，数据不撒谎，人能！ 　　例如，为了维护自己的面子，即使新版本的改善不明显，女孩子也必须说清楚。比如，为了让自己更有效果，“在瘸子里选将军”，B方案明显腐烂了，还是换汤换药，做了和A方案没什么差别的B，反正最后自己的想法占了上风。网上后业绩改善不是很明显吗？因为容易做，所以请直接把锅放到数据分析上，说ABtest说的是错的。 　　这个问题的本质不是“数据是否有用”，而是“真的哪个公司都能成为天下第一吗”。显然，很多公司在业务上有先天性的短板，老板缺乏远见，业务缺乏能力，运营缺乏规范。。。。。。 　　对数据的反应如下。 　　缺少内部基准，躺在黄历上吃旧书缺少业务标签，工作都靠磕头缺乏测试动作，论述坐在纸面上缺乏合理的AB方案拼命证明自己缺乏正确的科学态度，在以上四个缺失的基础上，希望数据分析家，依靠现有数据库中不完整的交易记录谁来都不好用。。。。。。制作数据的学生必须掌握一些方法，并进行很多尝试。这样的话，可以认识到我的想法不充分，还是公司的环境真的不好。毕竟学的本事是自己的，这个公司不好，还可以改成下一个公司。 　　陈先生接地气，微信公众号：接地气学院，谁都是产品经理的专栏作家。资深顾问在互联网、金融、快速消费、零售、耐久性、美容等15个行业都有丰富的数据相关经验。 　　这个原创发表在所有人都是产品经理的事情上。擅自转载 　　问题图来自Pixabay，是基于CC0协议的。