感悟篇:我在B端做数据分析(一)

12 评论 7320 浏览 73 收藏 21 分钟

编辑导读:数据分析工作就是从一堆看似杂乱无章的数据中找到有用的价值,工作也是如此,越做越清晰。本文作者从他过去的B端数据分析工作中总结经验,和大家分享,一起来看一下吧。

一、写在前面

最近也越来越喜欢Dambisa Moyo的这句话,

“The best time to plant a tree was 10 years ago. The second best time is now.”

我是西索,距离2011年6月22日,到现在是真正意义上做了十年数据分析,十年前没有种好树,十年后我想重新开始积累。工作之后的前两年是面向于C端的零售行业,余下的八年都沉浸在B端领域里面,研究数据增值、变现的场景。

二、为什么要写这篇文章?

前一阵子在[一个数据人的自留地]群里发了一个问题:

对于to B的公司,要不要做企业画像? 如何做企业画像? 结果一石激起千层浪,大家讨论非常热烈。原来一直以为用户画像在to C的公司用的比较多,没想到服务B端的企业也有这么多人在关注,大家一致认为企业画像是有必要的。然而大家的分歧在于:如何做?人肉做,还是大数据,是否需要用到大数据?

和simba大佬聊完之后,大佬出了一系列文章,分享了如何做B端的画像。看完之后产生了一些感触和想法,C端的分析案例一搜一箩筐,但是B端的案例是真的少。

simba:一篇文章让你掌握企业画像

老实说,数据就是一团浆糊,越搅越糊,至今还没怎么真正把数据的价值和意义搞懂,每天一个踩坑知识点,过山车一样的刺激,懂的人自然懂。于是就想把过去在B端里面的分析场景整理出来进行分享,一方面给过去这十年做一个简单的复盘,另一方面也看看能不能得到一些共鸣,产生新的idea,欢迎私信来交流。

做数据,欲速而不达,慢就是快,需要稳扎稳打把脉络理清楚,后面在应用的时候就会清晰很多。

三、B端的数据,得看的远管的宽,才显专业

在B端做分析,时刻记牢的几个关键要素:“营收”、“影响”、“知名度”。

首先必须是“营收”,区别于C端消费,B端的决策周期长,从触达到产生订单之间的过程很难做归因,对数据而言,获取线索比直接看;

然后才是“专业”,需要对生意、行业、企业经营、业务(市场、营销、供应链仓储物流、商品、运营、客服、研发)上的概念有比较全面的了解,否则很难和业务保持在同一个沟通层面,很容易被评价为不懂业务;

再后就是“方法”,在B端如果能往外延伸触达到客户,所接触到的对象非富即贵,不是老板就是高官,不同的场合下用的“道”、“术”、“器”都进行区别,变则通,见人说人话,见鬼说鬼话;

3.1 这些B端业务上的一些核心业务指标,老板们都喜欢看

合同金额、付费用户数、付费转化率、用户客单价、用户流失率、商机线索量、市场占有率;

3.2 这些B端业务上的一些主要分析场景,领导们都喜欢听

  • 面向市场的竞品分析,帮助营销找线索,竞品的主要客户群体、竞品的客户群体特征(区域特征、行业特征)、竞品客户群体的财务情况、目标客户的背景、目标客户的喜好;
  • 面向客户的运营分析,帮助客户找它的经营问题也是平台的切入点,客户的整体市场规模、主要客源渠道分布、主打产品的地域差异、潜在的市场机会;
  • 面向产品的用研分析,帮助产品快速定位提升优化体验,产品使用过程中的埋点行为分析、用户获取留存和流失、核心业务链路的使用情况监控;
  • 面向管理的经营分析,帮助管理层更好的了解业务线现状,从财务分析的视角研究业务上的商业数据模型、多业务视角下的业务分析报告、新增市场新增产品新增用户研究;
  • 面向质量的问题分析,帮助所有人认清客观的事实,从客服角度触发,把用户的诉求、投诉、建议、反馈等信息和业务数据串联起来,从用户视角去剖析产品、业务环节的质量问题;

3.3 这些B端业务上的一些主要算法场景,同事们都喜欢吹

  • 基于标签的推荐算法,需要根据标签、用户偏好、商品信息建立混淆矩阵,召回商品集合,生成差异化的规则和策略;
  • 基于商品的类目预测,需要从商品的类目、品牌、型号、规格、属性等信息,建立分类模型;
  • 基于交易的趋势预测,需要从市场大盘、行业趋势、单品交易等维度,建立预测模型;
  • 基于市场的供需模型,需要从供需双方的频次、需求量、供给量等层面,建立供需模型;
  • 基于用户的漏斗分析,需要从渠道来源、访问、页面浏览、模块点击、加购收藏、点击支付等链路,建立漏斗模型;
  • 基于运营的画像分类,需要从用户、商品、交易、行为、风控、市场等粒度下,对用户建立标签;基于路径的最优模型,需要对地理位置、行车路线、配送路线、仓库建设等场景,建立基于时间、空间的最优模型;
  • 基于风险的风控模型,需要从履约、违约、诉讼、行政处罚、刑事处罚等风险场景,建立风控模型;
  • 基于客服的语义模型,需要对用户诉求、电话咨询、机器人问答、人工客服等场景,建立NLP模型;

四、说下B端常见的一些用户分类

对于绝大多数B类用户的研究,接触到的对象一般都是以中小型的B端公司为主;只有在KA用户里面,有少部分是真正大规模的企业、品牌商,这类公司的组织形态又极其复杂,可能所对接的业务只是贵司其中很小的一个模块而已。

五、说下B端常见的业务类型

产品是B端业务的根本,市场开发是业务营收的关键,而服务是业务稳定增长的核心。

  • 做产品,深挖客户需求形成产品建议,包装产品方案进行技术演练,丰富产品适配场景提高通用性;
  • 做市场,对线上线下营销活动资源进行整合,建立线索的收集、反馈通道,快速感知用户的诉求,并提供产品应用解决方案;
  • 做服务,保障产品实施交付,提供同步的指导培训,复盘客户业务现状、应用实践案例,形成业务解决方案,以驱动产品和营销方案的升级,促成用户续约;

通过服务扩散产品价值增益,维护老客的稳定接触,建立市场口碑,吸引更多的新客户。

六、对比B/C端数据的一些特征

不同的业务下,产品模式不一样,在结果体现上区别就会更大,以至于有很多业务线上的数据量级极小,甚至于根本谈不上大数据分析,就更谈不上所谓的算法和工程。

  • 需求层级上:因为是垂直领域,对接的也是企业级之间的供给关系,所以从动机上来说,考虑更多的部分是商业模式和生态玩法,而不是单一的购买意向;
  • 数据量级上:没有C端规模那么大,无论是用户群、产品使用、流量、需求;
  • 产品架构上:受制于用户群体,B端的产品分类目标导向性会比较强,工具类型产品、平台类型产品、服务类型产品;
  • 画像分层上:做的好的B端企业一定都是垂直细分领域,所以用户群体相对单一,画像更多的是在细分用户的精准性区别上,标签多来自于产品和系统本身;
  • 合作方式上:B端之间的合作一旦达成,往往都是强依赖关系,具象一点,拿交易举个例子,C端消费的交易达成一般是订单,B端合作的交易达成可能是订单、也可能是合同、还可能是商业合作(短、中、长);
  • 盈利模式上:B端的盈利模式,服务费、佣金、返点、合作费用、广告投放费、会员费、线下活动入场费、培训费、咨询费等;
  • 决策模式上:B端明显会偏向于多人决策、关键核心人决策,找准人找对人才是关键;

七、用户-业务-产品-数据,才是好的链路顺序

通过下表,对比下B端和C端之间的场景差异。

7.1 用户差异

7.2 业务差异

7.3 产品差异

e.g 以salseforce 为例,对于它的产品周期:

1. 最早提出SaaS的模式,这是一种全新的商业模式;

2. 后来以CRM 为突破口,建立了一个完整的以客户为中心的,售前(营销)、售中(销售、履约)、售后(客服)全链路的软件服务,可以看出他的产品就是围绕商业模式展开,战略就是围绕客户开展的一系列工作流程。

3. 到现在云计算, 促使他产生了几朵云,营销云, 销售云,客服云,而大数据又促使ta产生了 分析云,AI 又产生了AI 客户之类的服务;

7.4 行为差异

7.5 数据差异

八、社会才是最好的大学,都会有起有伏

每个人在离开学校,踏入社会的大门开始,都会经历很多个成长周期。在传统行业的产品管理中,有产品生命周期的一套理念,套用到职业生涯,应该也是可以的。

  • 投入期,创新能力最重要,这时要考虑打造专利护城河;
  • 成长期,销售最重要,持续打造规模效应护城河;
  • 成熟期,利润最重要,持续打造网络效应和品牌护城河;
  • 衰退期,成本最重要,用迁移成本减缓产品的衰退。

对应上面的四张图,我周边很多朋友在毕业没多久就如第一个图的呈现,起点高,偶尔有起伏,站的总归一直在高处。回看我自己的职业生涯,觉得应该比较贴切右边最后一张,职场进阶的道路上虽然曲曲折折,但是总会在一个小周期之后能得到突破。

九、入门难,深造更难,不要沉迷于工具带来的爽感

不得不说,初入职场的前几年,特别沉迷于数据本身而不是业务,以及对各种数据处理技巧的深层次研究,用VBA、R、SPSS、Python不同的软件去自研各种自动化的小工具,小有成就。

工具毕竟只是工具,就跟打游戏开荒一样,当每个模块、功能都尝试用过一遍之后,就丧失了兴趣,数据分析不过如此,几年之后就索然无味了,分析无用。当对一件事情失去了兴趣和焦点,整个人就会变得很浮躁,傲慢、漫不经心、焦躁、忧虑……以及冲动,我想辞职!

庆幸的是,碰到了一些比好的领导,都是人生中的引路人,在状态极其不好的时候,给予方向上的指导,给了很多选择。

有一阵子,内心浮躁,无所事事。领导说有机会就跟着市场、营销、工程的同事去接触接触业务,如果可行,以后转型也方便。后面就跟着事业部的业务同学去拜访客户,到用户现场参观,了解产品是如何在用户公司使用的,到一线听他们的吐槽(大部分是骂声)。人间清醒是客户,付了钱,产品哪里好用、哪里有问题,意见反馈、客服电话打了一通又一通,这些都是从结构化的数据里面看不出来的。

有种说法是说客服才是一家公司最懂业务的人,只要他们想,随时可以去挑战任何一个产品、技术和业务!

在B端用户分析里面,很多时候通过数据分析在异常上找不到的原因,在用户现场指不定就茅塞顿开了。为什么这个用户原来很活跃,一个时间点之后,它就不活跃了,因为它的业务主体发生变更了,老板原来的确是做这个细分板块业务的,有一天他朋友来合伙投资,整体业务方向就变了;为什么这个用户的营业额突然就下降了,因为他们家老板又开了家子公司,还是同一拨人,当地有小企业扶持政策,还可以免一部分税;……这些部分都离不开对细分行业的了解,随着业务知识的增加,会更合理的看待数据,以及对数据中对异常做解释。

鉴于对产品、业务、用户有了更深层次的理解,再回过头来看数据,认知面就会不太一样。

十、认识用户,了解用户,切勿闭门造车

熟悉业务最好的方式,是直接去找用户进行面对面的对话,高效而简洁;

其次是角色代入式的按照用户视角去模拟用户在产品上的操作,熟悉产品模块和流程;

最次是通过数据库的表结构关系、DDL,去做业务假象,通过日常需求对接,丰富业务上的知识树。

了解C端的用户可以通过区域化的抽样问卷调查,或者通过采买第三方平台所提供的画像数据,能够用样本分析的方法去对人群标签做特征拟合。但是在B端,问卷调查的方式往往是行不通的,毕竟不同性质的企业,在群体特性的差异上是极大的。用户走访,是一个在B端不得不去做的事情,选择一群合适的访谈对象,去和用户做共创、做MPV、做试点,然后把研究的结果在更大范围内进行复制、应用,避免闭门造车。

前面已经提到过,对于企业用户,其看重的是“生意”,功能诉求为主,普遍有丰富的生意经验和复杂的业务流程,因此调研不仅要了解用户使用网上产品的诉求、意见,更需要还原用户原生行为(即线下做生意的行为,链路等)、诉求,据此对应投射到互联网产品。

因为B端的业务决策链路长,且参与角色多,所以不同的人所掌握的信息和权力都有非常大的区别,即使是同一个岗位,不同级别、不同业务分工,所负责内容,关注点的不同。比如在市场营销部门里面,总经理、总监、经理、主管,四个角色在同一事情上的视角和焦点都会不一样;而在零售类型的企业,负责电商、线下渠道、直播渠道为了一个决策所需要的信息也会大不相同。

十一、写在最后

过往面试的时候,面试官问最有成就感的事情是什么,我的回答“通过数据分析、挖掘去促成了2亿市场规模的合同达成(专项项目组)”;“面向B端公司进行定制化的数据报告实现5000万左右的数据营收(报告营收)”……我觉得这是比较感觉到自豪的。

回过头看这些年的经历,感慨万千,在过去这十年的工作经验里面,一直都是在数据分析这个title上。很想把这些年积累的一些知识内容以文字的形式记录下来,对于一个纯理科生来说,这无疑是一种挑战。后面应该会拆成很多个部分,缝缝补补,陆陆续续的完善。

 

作者:郑小柒是西索啊,微信公众号:郑小柒是西索啊

本文由 @郑小柒是西索啊 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. 催更呀!!什么时候出二?

    来自山东 回复
    1. 最近就在写了,估计到月底能出来

      来自浙江 回复
  2. 催更啦~写的太戳中了

    来自广东 回复
  3. 该出二了哈哈哈。

    来自上海 回复
  4. 怎么能联系上作者啊?急!

    来自广东 回复
    1. 怎么说?

      来自浙江 回复
  5. 期待第二篇作品!

    来自浙江 回复
    1. 要到年底了,下半年都是各种冲指标的阶段

      来自浙江 回复
  6. 大佬啥时候出二

    来自广东 回复
    1. 估计要到年底,最近的节奏有点赶,最近是把分析篇、案例篇、数据策略篇、解决方案篇的架构搭完了

      来自浙江 回复
  7. 写得非常好,正发愁B端的数据分析,期待更新~

    来自广东 回复
    1. 感谢认可

      来自浙江 回复