这套方法,更容易让数据分析师立功,比算法模型好用

1 评论 3742 浏览 9 收藏 10 分钟

编辑导语:数据分析这个岗位很容易背锅,结果是好的那就另说,但如果结果不令人满意,各方就会来找数据分析师的麻烦;数据分析师要做一个好的结果,需要掌握一些方法,比如本文说到的“增长实验”;本文是作者分享的关于数据分析师的一套方法,我们一起来看一下。

上一篇【这套系统,可能真的是数据分析师们未来5年的机遇!】引起了同学们强烈反响,其中提到一个关键点:CDP与增长实验结合,很容易让数据分析师立功;今天我们就系统的讲解下这一点。

话不多说,直接上干货!

一、数据分析想立功,难在哪里

数据分析想立功,核心难点在于——立功的事是别人办,出事的锅却是自己背

特别在增长问题上,用户最后注册的页面是产品经理设计的,购买的产品是商品运营选款的,使用的优惠券是用户运营发的——是滴,直观看起来,这跟数据分析一毛钱关系没有,庆功的时候也是这些人冲在最前边。

但是,万一注册的人不够,购买的人太少,用券跟没用一样。

这些人会异口同声地说:

  • “我们的用户画像太过粗糙。”
  • “我们的数据预测不够精准。”
  • “我们的ABtest不够严密。”
  • “为什么不能提前分析出来!”

你一张嘴对抗他们三张嘴,怎么辩解都是输。

所以,往往我们看到所谓用户画像、ABtest、预测模型,要么就是那些顺风顺水的大厂在说,要么就是当产品准备卖给乙方的甲方在说;一但大形势不好,过往吹得再厉害的模型、画像、测试统统都不管用了。

问题的核心,在于——数据分析不能孤立在增长项目以外,像个街边摆摊算卦的半仙一样,等着业务甩任务过来

  • “大师你看看我这命数咋样”
  • “你精准预测下用户响应情况”

这两句话没有本质区别,都是放弃了主观能动性,指望靠计算得出结果。

数据分析要和业务并肩作战,打包成一个项目组,才有彻底脱离苦海的机会。

而增长实验,刚好满足这个要求。

并且,它对业务方也是一个解脱,最有可能达成双赢局面。

二、增长实验是什么

增长实验,重点在“实验”;这么叫,主要是区别于以往做增长“大干、快上、跟风走”的搞法,真正落地小步迭代

增长领域是时髦名词最多的领域,“私域流量、直播带货、圈层营销”总之隔三天一个新词冒出来;与新词一起出来的,是各路神仙吹嘘“我是如何0投入增长100万用户的”。

在这种背景下,业务部门的压力是很大的。

不做,被老板批跟不上时代。

做,投多少,做不成咋办,都不知道。

因此,为了避免被领导们过高的期望压死,在传统企业做数字化转型的时候,业务部门开始大谈增长实验:咱做实验,一步步来。

搞出来个增长实验做法,这个概念和互联网公司谈的增长团队,本质上没啥区别;但是传统企业更重现实效益(销售收入、利润)的考核,因此在做法上更效益导向。

1. 第一步:清晰实验定位

做Abtest的时候,要先考虑流量;而业务部门做增长实验,先考虑的是:“到底这个实验对公司意味着什么”以及“为了这个期望,我得投多少钱,多少人”。

没钱、没人,谈啥增长。

这套方法,更容易让数据分析师立功,比算法模型好用

清晰了定位以后,是落实具体的增长目标。

要注意,互联网企业和传统企业在设定目标上完全不同,大部分互联网企业都是圈钱过日子;因此能采用类似“活跃用户人数”这种很虚的指标做目标,能写进融资ppt就行。

传统企业还指望挣钱度日,因此设太虚的指标,在考核的时候会直接被判死刑;即使要设类似“新会员数量”这种指标,也要捆绑一个“新会员总销售收入”这样才牢靠。

2. 第二步:设定待实验的增长路径

这个路径有四条(如下图):

这套方法,更容易让数据分析师立功,比算法模型好用

这一步非常关键,历史已经反反复复的证明:越是指望毕其功于一役,越是输的裤子都不剩

最近最见到的,就是传统企业跟风上直播带货,又给折扣,又吐爆款,又砸坑位费,最后亏的底掉;因此在设计策略的时候,尽量清晰每一个策略的逻辑,才更适合循序渐进,总结出经验。

3. 第三步:观察实验结果

对单次试验而言,数值并不是最终的结果;因为业务更多期望通过实验探索出一条道路来,因此,的把实验数据,解读成业务可用的结论。

增长效果要回答五个核心问题:

  • 业务流程是否能跑通,是否有设计缺陷。
  • 流程能跑通前提下,第一次试验,是否达到预期。
  • 第一次试验达到预期的前提下,第二次是否可复现
  • 第二次可复现前提下,第三次是否有边际效益递减
  • 边际效益递增/递减的前提下,峰值/谷底在哪里

实验结果,很可能呈现以下四种效果:

这套方法,更容易让数据分析师立功,比算法模型好用

根据实验效果来调整后续工作,好的措施继续用,不好的措施废弃,积累经验,这样就能推动业务越做越好。

显然,这种做法还没有大面积的推广起来,还有很多企业停留在:拉起一面横幅《大干100天,数字化转型必须完!》然后网上时髦啥(阿里的人吹了啥)就照吵啥的原始阶段。

相比之下,当然是条理清晰一步步走的增长实验要更靠谱。

三、增长实验与数据分析

明眼人一眼就能看出:这套玩法是高度数据驱动的。

这套方法,更容易让数据分析师立功,比算法模型好用

几乎每个环节,都需要大量数据分析介入,这样才能导出正确的结论。

同时,这样做对数据分析师的要求也提高了:

  • 要有能力把控大局,对整体业绩发展有自己判断。而不是傻乎乎问业务:目标是多少?
  • 对业务逻辑有拆解能力,能把复杂的业务标签化,从而细致分析每一个改进点(如下图)。
  • 对无法实施分组对比的情况下,如何剔除季节因素,客群属性差异等分析能力有要求(这一点很常见,比如普通一个企业要玩私域流量、玩微商城、玩裂变、玩线上引流、玩企业微信+个人微信,是根本没法获取大量用户信息,再按属性分层抽样再分AB组的,只有大流量高粘性的平台才玩的起)。

这套方法,更容易让数据分析师立功,比算法模型好用

因此,需要数据分析的能力更高;但往好处看:这可能是数据分析师们建功立业的最好机会!

想想看,项目组一般都是按项目效益拿提成,凭什么数据分析师要背着锅领死工资呢?

比起坐在后台等着别人来问:“你来个人工智能大数据精准预测一下”;能亲手做出好的结果,不是更有吸引力吗。

下一篇我们分享如何对经营状况走势做整体判断,如果面对经营走势只会写“高了”、“低了”。

#专栏作家#

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议。

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 我怀疑陈老师在我们办公室按了监控~~

    回复