数据分析终极一问:自然增长率,到底怎么算才合理?

0 评论 6514 浏览 6 收藏 12 分钟

编辑导语:提到数据分析中的难题,那自然增长率必须拥有姓名。自然增长率到底怎么算才合理?这是困扰不少人的问题。在本篇文章中,作者分析了理论上的自然增长是怎样的,并且总结了其面临的来自现实的挑战,理论上我们可以如何破局,以及现实中面临着怎样的无奈。

数据分析领域有很多终极难题,如果你和营销、运营等部门打交道,最常遇到的问题一定有一个叫:自然增长率!

  • 到底自然增长率怎么算?
  • 为啥我算出来的他们都说不合理?
  • 为啥他们给的自然增占率都这么低?

诸多疑难杂症,今天系统讲解一下。

一、什么是自然增长率?

自然增长率,是相对于人工增长率而言的。严格来说,在商业上是没有严格的自然增长率的,所有的业绩都是靠人做出来的。但是,有些部门是能直接产出业绩的,有的就只能打辅助,叠buff。

典型的直接产出业绩的,比如销售,直观的看,所有的业绩都是销售卖出来的。互联网的广告投放与此类似,投了广告,用户点击下来,就直接带来收入。

典型叠buff部门,就是品牌、营销、推广、用户运营、活动运营,他们是在销售、推广的基础上叠buff。

比如:

  • 原本商品卖30元,现在送个优惠券,省5元;
  • 原本商品是食品,现在加个“吃个延年益寿”的宣传;
  • 原本商品没牌子,现在加个“国际大牌”、“驰名商标”;
  • 是不是看起来牛逼一点了,买的人可能多一点?有可能,也没可能!总之很难说清楚。

因此,这些部门就特别想输出一个:自然增长率的概念。剥离出来“哪些是本来就有的自然销量,哪些是我的优惠券/积分/小礼品/赠品/广告/宣传语/等级/荣誉徽章”带来的,这就是自然增长率问题的起源。

有意思的是,自从这帮人发明自然增长率以后,销售们也开始用这个概念,不过用法是:计算自然增长率是多少,然后证明大环境/天气/运营策划的傻逼活动产生了负影响,导致销售没做好了。

二、理论上的自然增长,长这样

看起来想剥离品牌、运营、营销的BUFF很好解决,只要把销量区分为自然/人工两个部分就好了!

理论上,自然增长率有三种算法:

1. 方法一:按时间区分

没做活动之间是自然增长率,做活动期间是人工增长(如下图):

数据分析终极一问:自然增长率,到底怎么算才合理!

2. 方法二:按人群区分

没做活动的人是自然增长,做活动的是人工增长(如下图):

数据分析终极一问:自然增长率,到底怎么算才合理!

3. 方法三:按产品区分

没做活动的产品是自然增长,做活动的是人工增长(如下图):

数据分析终极一问:自然增长率,到底怎么算才合理!

理论上确实这么轻松,但实际操作起来,麻烦就来了。

三、来自现实的挑战

1. 挑战一:非活动时间数据不工整

从本质上看,顾客不会时时刻刻均匀的到店买东西。

想逛街要等下班、等周末、等放假;想上网得等有空、摸鱼、娃睡了的时候,因此非活动期间数据本身就是高低起伏。到底选3个月平均?选最近一个月?选最近一周?因为这个事经常有吵架。

2. 挑战二:几乎天天做活动,没有非活动期

这个在零售、电商、游戏等行业都很常见,活动几乎天天都在做,无法选非活动期。或者非活动期只有两个大活动之间短短数周,本身处于大促结束后的回暖时期,根本不足为据,这样时间法基本就废掉了。

3. 挑战三:商品属性、生命周期不同,无法类比

首先:很难选出一模一样的商品进行对比,两款商品或多或少存在差异。

其次:商品本身的销量走势,也是人为做出来的。商品卖的好了需要加单,商品卖的差了需要清仓,因此眼前的销量很难被认定为:“自然”。

4. 挑战四:不是所有活动都适合划分参照人群

比如618,双十一大促,还闲参与的人不够多呢,不可能剔除某些人不参加。

比如非电商渠道,非即时消费产品,如果搞区分人群定价,很容易引发窜货,或者被消费者举报到市场监督局,定一个“大数据杀熟”的罪名。

5. 挑战五:参照人群的划法,很难一碗水端平

即时分参照人群,也很难说明问题。因为最终要测试的是购买行为,而影响购买行为的变量很多。

性别、年龄、过往购买频率、品牌忠诚度、促销敏感性等等因素都有影响,因此通过分析抽样,可以轻松做出来购买率很低的参照组,从而让ABtest失效。

6. 挑战六:外部影响没有考虑

即使以上因素全部考虑,依然有人跳出来说:你没有考虑宏观环境/天气/政策/社群族群等等影响。总之,原本应该下跌30%以上的,你看XX同行就跌了这么多,所以我们下跌20%是正常的,是我们的成果。

更深层地看,之所以有这么多乱七八糟的争论,本质就是两字:甩锅。不是为了让自己的工作蓬荜生辉,谁又会这么卖力的推过揽功,舌花灿烂呢?你说的数让人家的绩效不好看了,人家就会找各种理由喷你,就这么简单。

四、理论上的破局

有没有合理的解决办法?理论上有!

解决的前提就是站在二层楼看问题,把屁股从小部门位置上挪开。思考:到底做到啥程度真的对业绩有帮助,如何完成自己的任务,提高整体效率。

首先,要排除的是把锅甩给外部因素。

是否是外部环境变化,其实从数据上很好识别,只要满足四大条件就能说:这是主要受外部影响(如下图)。但是,如果不能满足四大条件,仅仅是看到一条新闻报道、听说了同行的抱怨、就不拿来说事。

数据分析终极一问:自然增长率,到底怎么算才合理!

其次:对于直接产生业绩的部门,根本就不要扯啥自然增长。达标就是达标,不达标就是不达标。只是看从呢不找办法,还是外部找办法。

再次:对于叠buff部门,可以算自然增长,但是要分三大类型算:

数据分析终极一问:自然增长率,到底怎么算才合理!

简单来说,就是:

  • 不背硬指标的,自己和自己过往比;
  • 背硬指标但是有明确任务的,先完成任务;
  • 背硬指标,且背整体指标的,关注整体,不纠结细节。整体不达标,你光哔哔我自己做的好,照样没人信;
  • 背硬指标,且分群营销的,直接上ABtest,不整虚的。

当然,还有最简单的办法,就是:买定离手法。

所有人提前共识算法,用最近X周也好,用去年同期也好。总之,在项目开始之前共识好。之后买定离手,事后效果不好了自己反思原因。一开始不定好参照组,事后自然会百般狡辩。

五、现实中的无奈

然而以上仅仅是理论,现实中,无论怎样,都是:

  • 负责叠buff的运营,总是想证明自己一手遮天;
  • 负责销售的部门,总是喜欢抱怨后台支持不给力;
  • 负责监督的老板,总有自己的小九九和衡量标准;

所以关于自然增长率的争吵,还会无穷无尽的进行下去。

特别是,有时候数据分析岗位就是设在运营下边,运营的老板需要数据分析帮自己站台,这时候科学不科学,合理不合理就管不上那么多了。食君之禄,分君之忧,想办法圆过去就好。

但是,作为数据分析师,自己得清楚游戏是咋玩的,这样再用各种方法圆故事的过程中,才能进退自如。

其实细看之下,会发现,所谓的数据分析终极难题,从来都不是难在计算本身,而是难在各个部门都拿数据当枪使,屁股决定脑袋。当你想收集一个有利的数据证据的时候,你总能找到一个。

最经典的例子就是ABtest,有兴趣的话,关注接地气的陈老师,下一篇我们分享,敬请期待哦。

#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. 目前还没评论,等你发挥!