數據分析這么干,運營吵架少一半

做數據分析的同學最常服務運營,也最怕運營糾結。因為本身運營的工作和數據分析有高度關聯,以至于大家在網上看到的數據分析文章,十篇里有六篇是運營寫的。運營對數據分析涉入的如此之深,以至于經常在分析思路、分析方法、分析結論上和數據分析師們懟起來。 今天我們就先看其中最大的一個問題。運營的工種有很多(如下圖),其中活動運營是策略性最強,和數據分析關系最緊密,也是懟的最多的崗位,今天就用它舉例子。

     請聽題:某游戲APP,用戶活躍率在5月出現輕微下降情況,活動運營小組決定做一個簽到打卡的活動,提高用戶活躍度(具體提高多少沒說),現活動前后數據如下圖所示,活動運營小組堅持稱:如果不是做活動,5月份自然增長是下跌的。老板認為這是扯淡。活動運營小組稱:數據分析師應利用人工智能大數據,精準分析出自然增長率。

問:你是數據分析師,你該怎么辦?科學旗號下的荒唐事 首先問,這個題的題眼在哪里?A用戶活躍率減少B自然增長率C人工智能大數據 思考一秒鐘 我們先反問一個問題:某天,一個人拿著弓來問你:“請用人工智能大數據精確分析一下,我比自然命中率高了多少”你會怎么辦?你會抄起鍵盤開始叭叭寫代碼嗎?——不會!你會先問他:“你射的是啥?”如果他說:我也不知道射的啥,你幫我分析分析?你會咋辦?你會用人工智能大數據分析他要射什么東西嗎?——當然不會!有禮貌的話,你會讓他先把自己射的箭找到;沒禮貌的話,你可以直接口吐芬芳了。因為即使是幼兒園的小朋友都知道:射箭要先樹個靶子。這是常識。 所以整體的題眼是:具體提高多少沒說。甚至題目本身都是有問題的。請注意問題的來源是活躍用戶數量減少。結果運營在設目標的時候變成了用戶活躍。一字之差,含義就從清晰變模糊。 

  • 到底什么算“度”
  • 含義是用戶活躍人數,為啥不直接用?
  • 含義是用戶活躍率?大家的公式是否一樣?
  • 含義是綜合計算的,計算公式和權重又是啥?

指標本身不清晰,又沒有明確指出要提升多少,對活動后分析是一場災難。簡直就是射箭故事的翻版。問題是:為啥會出這么奇葩的事。 荒唐背后的苦衷

真正在企業上過班就知道:并非所有決策都是高度理性的,比如:

  • 這是常規活動,運營只是拿著模板改了改就推上線了
  • 這是老板親自指示干的,咱也看不懂,咱也不敢問
  • 這是一種商業直覺:我感覺有問題了!等到真觀察到再改已經來不及了
  • 這是一種迷信:你們不是有人工智能大數據嗎,應該duang!一下就有了吧

總之,真實企業里,大概:

  • 30%的活動方案沒有寫清楚,只有個含糊的:“提高消費/提高活躍”
  • 30%的活動方案用詞不嚴謹,活躍度、活躍值、活躍力一類的玄幻概念滿天飛
  • 30%的活動方案沒有做過測算,都是拍腦袋決策,甚至提1億的目標,只為口號順口。
  • 只有大概10%方案能認真寫清楚:提高用戶活躍人數,5月dau維持在XX水平以上

 當然,在管理規范的大企業里,這種亂象少很多。但是同類問題在大部分企業都存在,事先不寫清楚目標,事后指望大數據來分析。甚至企圖通過人造一個很低的、負增長的自然增長率,來蒙混過關。真要是碰上這種事,咋辦呢? 首先,堅決不扯什么“自然增長率”。特別是在這種短期活動很密集的業務里。如果一定要扯,采用買定離手的機制:大家事先談好自然增長率是多少,事后就看這個數,不要再調整。這就跟下棋的時候拒絕悔棋是一個道理。

  1. 做什么目標,事先說清楚,從X%提升到y%;
  2. 找清晰、直觀的目標,避免玄幻/復雜概念;
  3. 找與核心KPI相關的目標,避免雜項干擾。

這是徹底解決問題的三大原則。當然,這么做會遇到兩個挑戰:挑戰1:有些運營就是不知道咋定目標,幫幫忙?挑戰2:有些活動就是事先沒定目標,咋補救? 設定目標基本方法 設定目標有三種基本方法:

  1. KPI分解法
  2. KPI倒推法
  3. KPI場景法

分別對應:

  1. 活動目標是KPI指標
  2. 活動目標是KPI過程指標
  3. 活動目標是KPI關聯指標

三個場景 有同學會問:為啥都和KPI掛鉤?答:如果做的事跟KPI沒啥關系,那你也知道這個事的重要緊急程度了。大張旗鼓做和KPI無關的事,本身就有可能是影響KPI的原因哈。 KPI分解法舉例:

KPI倒推法舉例: 

KPI場景法舉例: 

 平時和運營保持良好的溝通非常必要,這樣在策劃早起,數據分析師就能介入。既能協助運營理清思路,又能幫助運營算清目標,還能為上線后監控、事后復盤做好準備,一舉三得。事前工作到位,事后不用吵架,大家合作共贏,是最好的狀態。 事后補救的基本方法 如果事前沒有定目標,一定要事后補救的話,牢記:核心不是什么自然增長率,而是“業務到底需要把指標做成什么樣子”。特別是如同開頭的情況。整體目標已經撲街的情況下,事后再糾結自然增長率,往往會淪為甩鍋大戰。這時候可以分三步做: 第一步:定方向

第二步:找方法 

第三步:看細節 

 通過這樣的操作,至少能結束稀里糊涂的狀態,明確:我們到底要把曲線做成什么樣。判斷本次的方法要換成那種。在細節里,為下一次迭代找到優化方向。 注意,這么做更多是基于“目前已撲街”的判斷。這么做在評估活動效果上并不科學。如果想科學評估活動,得事前設計好實驗,分好測試組和參照組,測試用戶響應效果。還是那句話:提前多準備,事后少糾結。 很多同學會說:即使這樣做,我們公司的領導還是很迷信,運營還是很無腦,出了問題還是到處甩鍋,咋辦!即使這樣,陳老師也建議大家先掌握:這個事該怎么做。這樣遇到問題,至少大家能判斷:到底是我的問題,還是別人的問題。至少能知道該往哪個方向努力。這也是真實商業場景和科學實驗室的區別:你就是得帶著鐐銬跳舞,在有限的數據,各種類型的同事,過高過低的期望值之間走鋼絲。 有同學會說:咦?咋只少了一半打架,另一半是啥?答:是活動事后分析的另一個永恒糾結的問題:你做這個又怎樣!為什么活躍用戶人數不能再高點?高了怎么多又如何呢?它一個指標高了,其他低了,又咋辦!這就是我們常說的綜合評估問題(陳老師習慣簡稱:又如何問題),有興趣的話,本篇集齊60在看,我們下篇來分享這個問題。大家敬請期待哦。

來源:接地氣學堂,本文觀點不代表自營銷立場,網址:http://www.wfapiao.com/p/34075

發表評論

登錄后才能評論
侵權聯系
返回頂部
AV天堂日本AV天堂欧美AV天堂