数据分析不落地?典型案例教会你!数据管道共 3357字,需浏览 7分钟 ·2020-12-12 07:12 数据从业者们经常会陷入这种窘境:一方面抱怨长期做底层的脏活儿累活儿,驱动业务的机会太少;一方面真到了要给业务献言献策的时候,又被吐槽分析出一堆已知事实没啥实际帮助。很多文章都会选取一些理想化的小案例来拆解分析,与大多数时候我们面临的局面不符。有鉴于此,古牧君这回找一个如假包换的例子,从理论到实践、从抽象到具象:我们要“拯救”的产品,是一款离职了也不放过你的产品。简单说,员工在职的时候公司会开发很多不同的APP,负责他们从入职培训、到学习成长、到保险产品售卖;等离职了,想要走完离职流程,也必须下载安装公司的一款APP。对,就是这么流氓,就是这么困难,就是这么现实虽然这款APP很流氓,但工作嘛,就是要学会自己给自己创造价值和乐趣,哪儿有那么多挑肥拣瘦的余地。于是这款APP中就出现了上图红框里的那么一个对话机器人:它的核心任务就是充当一个智能销售教练,教会离职员工如何兼职售卖公司的泛金融产品,自己挣取佣金的同时、也替公司创造剩余价值。嗯,今天我们的主角,就是这个机器人了为了达成上述目标,这个智能销售教练集成了3个功能点:(1)以人机对话为主干交互方式,承载智能销售教练中“教练”的身份,在一问一答中教会你如何在线上卖泛金融产品(2)提供丰富的内容营销素材,供你转发给微信好友、或分享到朋友圈。当今社会普遍对保险认同感较低,需要有大量内容素材帮助客户建立对保险的科学认知,以及通过客户对内容的互动反馈,了解客户的意愿与偏好,更好的服务客户(3)对接泛金融线上分销平台,包含保险、理财、生活3个领域的多款产品,方便你自选一款进行代销,并最终返还佣金我们总结下,这是一款B2A2C模式的AI产品。就是说,它不直接面向广大消费者,而是公司开发好之后,通过这款产品教会代理人群体(Agency),再经由代理人群体去经营C端消费者。它的核心就是将成熟的销售经验,线上化、批量化的赋能给广大代理人群体交代完背景,我们该面对困难了:就这款产品吧,可以用百废待兴来形容。因为上述的那个智能销售教练,也是临危受命刚刚上线不久,之前那款APP一直就是一个仓储大超市状态,货是不少但就是没服务员告诉你该怎么挑选怎么买卖。老板们希望这个智能销售教练能作为中控角色,盘活整个APP。然而智能销售教练上线后,DAU表现平平,并没有达到力挽狂澜的效果。产品团队开始焦虑,老板们蓄势待发......面对这么一个局面,数据分析人员的目标就必须清晰且聚焦了:别整那些四平八稳的DAU趋势分析、异动分析和什么当前活跃用户画像分析了,先解决当务之急吧!老板们对智能销售教练的期待貌似是无限的,这可不是一件让人能安稳睡觉的好事儿。我们必须要合理预估出这个产品在中短期的规模上限,有理有据的管控好老板们的预期,否则就是挖大坑埋自己向上管理只是一个方面,更重要的还是做实事儿,想想怎么才能提升智能销售教练的DAU和MAU。既不能拖太久,也不能搞竭泽而渔的小伎俩,要让产品进入可持续发展的快车道聚焦了目标之后,需要进一步思考战略方向:活跃用户到底从哪儿找?摆在面前其实就两条路:要么充分内部挖潜,想想怎么接住这些离职员工的流量,毕竟也是十万量级的,而且人家都是接触过保险销售的,上手快些要么就外部搜罗,想想花钱打广告啥的,毕竟外部流量的盘子比离职员工要大太多了。但缺点就是人不好找,而且需要花钱,不可控因素也比较多两厢权衡下来,还是选择熟悉可控的内部挖潜。进一步,虽然这个APP的用户行为数据很稀疏,但他们离职之前作为公司的员工,数据还是丰富可用的既然锁定了内部挖潜,做好离职员工的承接,而且眼下这个APP的数据也稀疏、凌乱,就要好好利用下他们离职前的数据。其实这个逻辑也很顺滑:离职后提供的智能销售教练,核心功能是智能客服+内容素材转发+线上商品售卖,正好~员工们在职的时候,公司提供的那么多款APP中,就有3款APP能跟上述3个功能完美一一对应上。我们可以通过他们离职前半年,在这3款APP上的表现,来精准的刻画出智能销售教练的潜在用户画像锁定到离职前的这3款APP之后,就可以进一步分别统计3个指标:离职前半年平均每月向机器人提问次数、离职前半年平均每月转发内容到微信的次数、离职前半年平均每月线上售卖出商品的件数而且通过?分布图(脱敏处理示例数据),我们还能大概定位出每个指标的分界点,用这个分界点将用户的表现简单划分出好与坏,以此作为后续用户分层的判断标准简化一些来看,在3个指标上表现均高于分界点的,可以划归为高优用户,这些用户是智能销售教练应该极力去争取激活并留下的用户,因为他们离职前就已经相对比较熟悉产品的3个核心功能操作了相反的,3个指标均低于分界点的,肯定就是低优用户了。坦白说这些员工在职的时候表现毫无斗志,大概率就是怎么也没法激活的了。这类用户也是规模最大的,比较符合普遍规律......介于中间档位的那群用户,也是需要认真对待的,毕竟他们体量相对较大,而且在部分方向还是“有救”的。但这群用户也相对比较复杂,需要结合他们各自的擅长,设计不同的承接策略综合上面的分析过程,我们就可以量化的得到高、中、低3个优先级的用户群定义方法,其中高优+中等是我们必须努力争取的,他们的数量比例以每个季度来看,是相对恒定的(假设是a%和b%)同时,我们通过分析也掌握了员工离职的季节性规律,基本每个季度的首月,会因为业绩不达标有较大规模的清退,其他月份基本都是主动离职,数量相对较小如果以季度为单位,每个季度离职的员工基本稳定在N,假设只依赖内部挖潜,且所有用户被销售教练激活后都能留存下来,那么每过一个季度,用户规模都会增加N*(a%+b%),可以用此来预估中短期用户规模的上限不仅规模预估的目标解决了,用3个指标给用户划分优先级的方法同样可以沉淀成为用户标签。这样每一个员工离职时,我们都能获知对智能销售教练而言这个员工的优先级,以及他相对更能接受哪个功能(人机对话、转发内容、售卖产品),并以此有的放矢、投其所好的激活留存他虽然大框架已经搭好了,但能做的细节还很多。比如可以分析用户来到APP之后的高频点击行为,和进入智能销售教练之后的高频提问,来设计功能入口位置的冒泡引导语,快速高效的引导用户如何解决问题还可以像前面分析的那样,根据用户在离职前的特长,设计不同的新手引导流程和沉默引导话术。比如一个员工离职前比较熟练通过线上转发分享一些文章,来打造自己的专业形象,激发客户对保险的需求。那针对这类员工,当他进入到智能销售教练后,可以在新手引导流程和长时间沉默引导话术的设计中,突出产品拥有大量优质内容素材、以及可每天精选内容推荐给你供你无脑转发,以此快速唤醒离职员工对智能销售教练的兴趣到此为止,我们就算是初步完成了一个还算落地的复杂数据分析项目了。复盘下,一个好的分析项目,最重要的就是先把问题分析清楚,搞清楚背景是什么,以及这次分析的目标是什么?很多平淡乏味的分析报告,都是败在了立意:分析的内容不解渴,自然无人问津进一步,数据分析在很多时候并不需要那么多高深的技术模型,就像我们这个例子,SQL+EXCEL+PPT就完全可以搞定。而能不能深入业务,找到场景之间的关联,数据之间的联系,才是关键。黑猫白猫,能抓到耗子才是好猫最后,要让分析落地,往往都必须要争取多方信任合作。报告完成之后,分析人员就应该马上变身销售人员,四处游说兜售自己的方案。需要让产品和运营认同这个方案,需要让具体执行的研发同学理解你的思路,最终还要追踪策略落地之后的效果一个成功的分析项目,往往只是部门里长期数据驱动业务的合作开端,抓住这个机会就能事半功倍,让分析人员做个体面的打工人·················END·················推荐阅读说说心里话写给所有数据人。从留存率业务案例谈0-1的数据指标体系NB,真PDF神处理工具!超级菜鸟如何入门数据分析?欢迎长按扫码关注「数据管道」 浏览 24点赞 评论 收藏 分享 手机扫一扫分享分享 举报 评论图片表情视频评价全部评论推荐 数据分析不落地?典型案例教会你!数据D江湖0数据分析不落地?一个案例教会你!接地气学堂0一个案例教会你:如何对产品做数据分析?Python学习与数据挖掘0用一个案例谈谈数据分析如何落地数据D江湖0大数据在生活中的典型案例?谢邀。大数据在生活中的应用已经很广泛了。随便举例如下: 1. 在电商平台上购物,系统会给你推荐一些“猜你喜欢”的商品,依据就是用户数据分析。 2. 今日头条之类的应用,推送的内容就是利用大数据和人工智能技术实现。 3. 某些平台使用的智能客服机器人,就是利用大数据,借助深度学习训练出来的。 4. 网易云音乐之类的产品,也通过大数据分析给用户推荐歌曲、歌单。 从数据收集到处理分析展现,实现大数据的工具很多,要看具体的应用场景分析了。 感兴趣的朋友欢迎点击这里免费试用。网易数帆0Python数据分析案例-药店销售数据分析Python之王0【14个行业共100个数据要素典型案例】 《2024“数据要素×”典型案例深度解析》(附下载)引言在数字经济蓬勃发展的时代背景下,数据已成为驱动经济社会高质量发展的新引擎。北 京市作为全国科技创新中心,在推动数据要素市场化配置改革方面走在了前列。通过一系列创新举措和实践案例,北京正积极探索数据要素赋能经济社会发展的新路径。本文基于《2024北京“数据要素×”典型案例集》,深度解析多个领域的典数据工匠俱乐部0蒙特利尔骑行数据分析 小案例Python与算法社区0Python数据分析案例之时间序列分析概述:什么是时间序列 顾名思义,时间序列就是按照时间顺序排列的一组数据序列。时间序列分析就是找出数据变化发展的规律,从而预测未来的走势。 时间序列分析有以下几种表现形式: ○长期趋势变化:受某种因素的影响...等风来也等你0Python数据分析通关,30个案例!菜鸟学Python0点赞 评论 收藏 分享 手机扫一扫分享分享 举报