来了!用户画像的超详细真实案例

大数据 数据分析
到底是不是HR没有招对人,就很聚焦了。销售队伍里,那些没有执行力,缺乏技巧的人,与有执行力,愿意做的人进行特征对比,就能找出:真正的销售特征是啥样的。进而反推:是不是HR招的人员质量不高。

用户画像是很多人挂在嘴边的东西,可每次遇到问题的时候,似乎除了列一个“性别、年龄”的百分比,就戛然而止了,很难真正诊断问题,发挥作用。

今天看一个具体例子,如何拿用户画像诊断问题,话不多说,直接上场景。

问题场景:某互联网公司采用传统电话销售推广告业务,最近新入职销售的三个月离职率极高,高到领导无法忍受,要求看看销售的用户画像,分析下问题来自哪里?

问:这个画像该怎么看……

一、常见错误

有多少同学,看到题目里“用户画像”四个字,就开始扒拉销售的数据的。什么性别、年龄、学历、工作年限、跟进线索数、成交数、业绩……一堆指标往PPT上贴。

因为销售是内部员工,找工作时都录入了简历,简历里又有丰富的字段可以用。于是这个“用户画像”ppt,很有可能码地老长,老长了……

问题是:这么干能解释问题吗?

显然不能呀!

二、破局思路

问题是很明显的:这样只是在罗列数据,没有触及“销售离职”问题本身。

抛开数据不看,为啥销售离职?原因可能是多方面的:

● 公司就是很垃圾啊,业内口碑很差

● hr从源头就招错了人,滥竽充数

● 销售管理不佳,员工体验太差

● 本身业绩不好做,销售挣不到钱

● 销售能挣到钱,但是做得太辛苦

而且,这些因素可能是相互叠加的。比如因为广告很难卖,导致管理上倾向于人海战术,逼着员工加班硬怼;强行怼员工降低了工作体验,增加了员工心里负担,形成恶性循环。

所以,站在分析清楚问题的角度,就不能“拿着锤子找钉子”,因为领导说了用户画像,我就得用户画像 everything。先理清分析逻辑,再看用户画像能解决啥问题。

三、构建分析逻辑

首先,离职人员很有可能都会骂一句:“这破公司真烂!”所以类似“公司真烂”这种原因,是最容易优先排除掉的。一个真烂的公司,从数据上看,它就真的是从头烂到尾(如下图)。

图片图片

其次,管理不佳,也是相对容易排除的。只要不是公司整体都很烂,那么一定是部分销售团队管理很差,部分很好,那么站在团队角度看离职率,能轻易发现问题(如下图)。

图片图片

再次,比如某些时间段,销售线索质量太差,干扰了销售工作,这个也可以提前排除(如下图)。

图片图片

这样剥离了明显的宏观问题,就能聚焦到销售本身的能力上。细致讨论:到底是业务本身很难做,销售都搞不掂;还是销售其实搞得掂,但是HR招错了人,找的人能力不行。这里的判断,涉及销售能力的评估与人员基础特征,可以请出用户画像来辅助了。

四、用户画像的切入点

用户画像,不仅仅是“性别、年龄”这些基础特征,用户各种行为,社交关系等都是重要组成部分,在具体分析的时候,得拿“对解释问题最有力”的特征出来。而对于离职问题,最有力的就是收入了——没钱赚谁还不走呀。

注意:问题场景是“新入职三个月离职率”,而一般收入又是按月结算,因此需要区分三个月的情况。需要注意的是,这里最好不要只计算平均值,因为很有可能有些人第一个月没开单就走了(信心被打击),有些人是一个月高一个月低(收入不稳定,没信心继续做),所以最好分的细一点(如下图)。

图片图片

有了这一步,把高收入/低收入的人区分开,再和离职率结合,能很大程度上解释问题。很有可能离职的大部分都是低收入的。并且,如果一个人是高收入还会离职,就很有可能和“觉得难做,去别的公司做同样多事赚得更多”有关系,能做进一步分析

五、由浅入深地讨论

想继续深入,就得进一步解释:低收入,到底是什么原因弄出来的。

有可能是以下原因:

● 分配的线索不够多(管理问题)

● 分配的线索足够,没做完(执行问题)

● 分配的线索足够,做完了,没转化(技巧问题)

● 分配的线索足够,做完了,有转化,单子太小(还是管理问题)

这里可以简单地用矩阵分析法,区分情况。一般来说,如果线索分配机制本身有问题,比如分配不均,好线索太过集中在某些人身上,没有按行业区分导致有些人单子一直很小……这些不能归为销售的问题,并且可通过内部管理机制的优化来改善问题(如下图)。

图片图片

这样,再讨论:到底是不是HR没有招对人,就很聚焦了。销售队伍里,那些没有执行力,缺乏技巧的人,与有执行力,愿意做的人进行特征对比,就能找出:真正的销售特征是啥样的。进而反推:是不是HR招的人员质量不高。

此时,可以拿出用户特征,进行对比了。理论上,年龄、性别、地域(是否方言区)、学历、从业年限,这些简历上直接能拿到的字段,都能拿来用。同时,可以从文本中,提取出“是否有互联网广告销售经验”作为标签进行分析。很有可能,HR把带“销售”俩字都都招进来了,结果很多人不能适应这种销售模式,从而流失。

六、一种特殊情况

有一种很特殊的情况,就是做了一堆对比,发现:数据没啥大差异!

收入没啥差异!

执行没啥差异!

特征也没啥差异!

就莫名其妙的离职了,没离职不挣钱的也大有人在!

咋办!

如果真是这样,那么很有可能,这个业务存在明显的卖报童效应。即:卖报童卖多少报纸和个人特征、销售技巧、用户需求都没啥关系,再努力也是100个人里俩人买。

如果真是这样的话,那就是另一种策略了。反正销售无论怎样都会流失,也没法找到改进方法,那就压缩招聘成本,想办法搞更多廉价劳动力进来。

七、小结

以上只是简要示范了分析思路,实际工作可能更复杂,但秉承着一个基本思路:做数据分析,不是拿着锤子找钉子,而是要看菜下饭,具体问题具体分析,以解决问题为导向。

每一种工具,都得和实际情况有机结合。用户画像是一套标签的组合,更需要看情况选择合适的标签,甚至要开发新标签才行。

责任编辑:武晓燕 来源: 接地气的陈老师
相关推荐

2021-02-20 16:29:26

用户画像数据收集流程

2023-08-27 21:25:20

用户画像数据数据分析

2022-01-29 21:54:58

电商用户数据

2017-11-21 13:46:30

大数据用户画像数据管理

2020-07-22 16:40:23

增删改查Java代码

2017-04-28 11:15:26

大数据用户画像技术

2022-10-31 11:35:48

用户画像底层模型

2018-06-06 14:17:44

聚类分析算法大数据

2023-03-15 07:22:56

画像平台数据中台

2019-07-30 07:43:39

Oracle数据库

2017-02-27 17:34:12

大数据

2020-11-10 09:05:45

用户画像苏宁

2020-10-13 14:42:42

深度学习Windows人工智能

2011-11-15 08:53:52

用户

2016-03-16 10:22:28

Spark用户画像数据科学

2022-12-15 08:35:01

用户画像平台

2019-03-22 13:46:13

公共云云计算云端

2024-03-29 11:39:57

用户画像用户分群用户分层

2016-04-11 14:24:08

用户画像技术架构数据分析

2024-01-15 06:50:00

模型资源
点赞
收藏

51CTO技术栈公众号