我手把手修改了一篇数据分析报告

大数据 数据分析
如果想进一步优化,可以不指望在一份报告搞掂所有问题。很有可能业务已经采取的措施非常有限。不更换素材,不调整站外投放方式,不调动站内流量,是没法观察到进一步效果的。

“用数据分析,提升业务表现”,是很多企业希望数据分析师能做到的。可实操的时候,同学们经常没思路,或者做出来很难被业务认可。刚好结合一个同学的提问,分享一下如何操作。话不多说,直接上干货!

问题场景

该同学业务是自营电商APP,也会做站外广告投放。现在有一个秋季应季商品系列A上架,但上架4周以来销量并不令人满意,领导要求该同学分析下,如何提升A系列的销量。该同学很认真地做了分析思维导图,出了报告,结果被领导批了“思路不清晰,没啥用……”

图片

那么问题出在哪里呢?

V1.0版优化

首先要注意的是:“用数据分析,提升业务表现”这个需求中,“提升”二字是关键。既然要讲提升,就涉及到这些基本问题:

1、谁来做

2、做什么

3、怎么做

4、做多少

5、做了管多少用

因此最后的报告基本格式,应该至少分这三部分:

Part1:问题描述:当前状况 VS 目标的差距是……

Part2:提升建议:建议采用的提升措施是A措施

Part3:预计效果:采取措施后,预计提升销量XXX

图片

这样才能回答业务最关心的问题。而该同学一开始写的,类似“A渠道比B渠道少了5%转化”这种内容,最多只能算问题描述,当然不能令人满意了。因此首先得把整个报告的格式改过来。这是第一步改进。

V2.0版优化

注意,在建议部分,该同学也有写:

  • 建议增加渠道投放
  • 建议加强客户推送
  • 建议下调商品价格

为啥领导还是不满意呢?

因为这种建议太过高大全,本来销售就只有人、货、场三个维度,这里看似啥都讲了,可实际上跟啥都没讲一样,没有重点,没有落地步骤,没有分析交叉影响(比如渠道投放不好实际上是因为价格太高)。当然不令人满意。

在思考建议的时候,业务能做哪些事情,是第一位考虑的,不然落地性必然很差。眼前的问题,是商品已经上架但销售不好,因此人货场里边,货已经很难修改了,最多调调价额,但一旦开始打折,后续商品都很难卖,所以只能最后考虑。

而人的角度,联系客户也需要通过推广渠道,所以可以先看推广效果,再看客户覆盖情况,最后看商品是否真的不行(如下图)。

图片

在看推广效果时,优先区分数量问题 or 质量问题。如果连推广次数、曝光量都没有做到位,转化差是理所当然的。并且提升数量是业务最容易落地的,可以优先干起来。

如果数量到位了,但转化不好,这时候再考虑人的因素。在用户中,有可能有些人有需求,可以识别出来,看推广是否已触达这些人群。这里一提及“有需求”很多同学可能自然联想到推荐算法。注意!眼前的问题是应季商品推广,完全是火力全开的状态,没有考虑精准/个性化,因此即使没有很精细的算法,也可以通过一些规则筛选人群,保障“火力覆盖”,尽快把货销出去(如下图)。

图片

有了客户需求分群,就能结合渠道推广现状,看是否已经充分覆盖潜力用户群体。如果还没有覆盖到位,可以考虑优化渠道,向潜力人群活跃度高,人数聚集的渠道投放。如果已经覆盖到位,甚至做了二次、三次接触,用户还是不转化,那只能说短期内无力回天了。可能要考虑降价。

注意!这时候提降价,比一开始就提降价时机要好很多。一来,渠道、客户身上已经想了很多办法,是真的无能为力了;二来,此时离秋季结束又过了一段时间,应季商品打折是理所当然的,可以一次性给到比较好的折扣力度,尽快出货。

整个分析过程归纳起来,可以用MECE法做一个整体推演思路,像剥洋葱一样层层递进地推出结论。而且可以根据业务测试的结果,及时向下一步推动,比一开始的“一要加强……二要加强……三要加强……”要改进了很多,也为后续监控走势,铺好了道路(如下图)。

图片

V3.0版优化

如果想进一步优化,可以不指望在一份报告搞掂所有问题。很有可能业务已经采取的措施非常有限。不更换素材,不调整站外投放方式,不调动站内流量,是没法观察到进一步效果的。因此,可直接把每条建议后边,增加一个观察指标和判断标准,观察后续表现。

如果业务调整后,销售情况转好,则说建议起到作用,可以记录到“分析结论”里边。如果业务调整后,销售情况依然不乐观,则说明当前建议没用,可以提醒业务采纳下一步建议,升级措施,提振销售。这样也能积累“分析经验”。PS:这也是为啥,提建议的时候要提层层递进的几条建议,而孤零零一条。本来业务做改进,就是逐步升级行动,一步步走的。

当然,有可能业务做了一堆,最终还是无法拯救这个商品。那反向思考:很有可能这个商品就是不行!最后盖棺定论的时候,可以再把这个商品的选品过程,商品标签,价格段等拿出来,和同类商品比较,看到底哪里出了问题。作为选品的经验积累下来。这样最终输出的报告,可以增加第四句话:

Part1:问题描述:当前状况 VS 目标的差距是……

Part2:提升建议:建议采用的提升措施是A措施

Part3:预计效果:采取措施后,预计提升销量XXX

Part4:长期建议:建议针对该品类,不再考虑有XX标签商品

这样整个输出就很完整了。

小结

回顾一下整个分析过程,可以看到有几个要点:

1、分析结果要直击痛点。既然业务想听“提升”建议,就直接讲做XX可以提升

2、分析思路要考虑落地。一些不能改变的点不纠结,优先从能落地讲起

3、分析建议要层层递进。每一种建议配合监控指标,不过不见效及时升级

注意!这个案例也不是万能的,因为这里是商品已经上线的情况。很有可能在规划、复盘阶段,都有“分析一下,如何提升业务表现”的要求。在规划阶段,很多东西都可以再调整,因此思路会更开阔。在复盘阶段,业务执行已结束,盖棺定论的时候不用做监控,但复盘需更细致。

责任编辑:武晓燕 来源: 接地气的陈老师
相关推荐

2022-09-21 11:29:05

数据分析业务复盘

2022-10-26 11:37:08

数据分析方法报告

2017-05-18 12:45:35

数据分析数据理解数据

2022-10-20 12:11:32

数据数据分析分类维度

2015-10-26 09:24:30

微信公众号数据分析

2019-11-21 15:35:28

机器学习人工智能计算机

2010-08-17 14:29:15

2024-10-16 11:40:47

2020-04-14 10:20:12

MySQL数据库死锁

2021-09-18 14:26:49

Linux Linux 启动流程Linux 系统

2020-04-22 13:27:20

数据分析模块解决

2020-02-17 15:05:28

机器学习人工智能计算机

2009-06-05 09:49:18

修改.NET Frammscorlib.dl

2021-09-30 18:27:38

数据仓库ETL

2022-07-28 16:06:08

app分身

2021-09-03 08:58:00

数据分析可视化

2011-01-10 14:41:26

2011-05-03 15:59:00

黑盒打印机

2021-07-14 09:00:00

JavaFX开发应用

2021-09-22 08:51:34

Android
点赞
收藏

51CTO技术栈公众号