數(shù)據(jù)增長實(shí)驗(yàn),互聯(lián)網(wǎng)人進(jìn)階必會技能!
編輯導(dǎo)讀:對互聯(lián)網(wǎng)人來說,掌握數(shù)據(jù)分析能力能為日常工作提供大量支持,不過大多數(shù)人仍處于認(rèn)知階段。那為了提前發(fā)現(xiàn)問題,確保增長,該如何設(shè)計(jì)增長實(shí)驗(yàn)?本文就此展開了梳理討論,從五個方面進(jìn)行了分析,對數(shù)據(jù)分析感興趣的童鞋不要錯過哦。
之前分享過:做增長,是數(shù)據(jù)分析師最好的立功方式,今天直接來個例子,看看怎么通過數(shù)據(jù)設(shè)計(jì)增長實(shí)驗(yàn)。話不多說,整!
問題場景:某包含多系列產(chǎn)品的快消品公司,希望推出一款全新飲料(2個SKU)以帶動整體銷售金額。該款為全新推出,缺少經(jīng)驗(yàn),因此計(jì)劃在今年先行實(shí)驗(yàn),觀察效果后大面積推廣。
問:該如何設(shè)計(jì)增長實(shí)驗(yàn),以提前發(fā)現(xiàn)問題,確保增長?
一、虛假的數(shù)據(jù)增長
很多新人同學(xué)舉手,表示這題我會:
- 對接頭條、騰訊、阿里大數(shù)據(jù)獲取全部信息
- 建立用戶到店-貨架-選擇-加入購物籃-結(jié)賬轉(zhuǎn)化漏斗
- 進(jìn)行ABtest,進(jìn)店用戶自動打碼分流進(jìn)行AAAB對比
- 建立用戶畫像精準(zhǔn)識別目標(biāo)用戶性別,年齡,收入,愛好
- 建立人工智能大數(shù)據(jù)模型精準(zhǔn)預(yù)測自然銷量
現(xiàn)實(shí)問題是:沒數(shù)據(jù)。因?yàn)椴皇亲杂星溃灾荒苣玫竭M(jìn)貨數(shù),其他的數(shù)據(jù)不要想了,不存在的,一條都沒有。倒是門店有沒有鋪貨,可以靠巡店督導(dǎo)定期上門檢查。
那么,該怎么辦呢?
二、最基礎(chǔ)的增長模型
最簡單的想法:上新品是為了拉動銷量,所以上新之后,得比上新之前渠道訂貨得多。于是最簡單的模型就出來了(如下圖):
那么,看起來實(shí)驗(yàn)設(shè)計(jì)也很簡單了:
- 找?guī)讉€店
- 鋪貨
- 觀察鋪貨以后銷量
- 搞掂
是不是真的搞掂了呢?
三、考慮增長基礎(chǔ)
第一個問題:找店是隨機(jī)找,還是有目標(biāo)找?
很有可能有的店天生就賣得好,有的店天生賣得差。如果事先不對店過往訂貨情況進(jìn)行分析,就很有可能高估/低估增長能力。特別要注意專職店是否存在,這類型門店如果數(shù)量過多,可能會影響整體判斷(如下圖):
在前期選擇試點(diǎn)樣本店的時候,提前做好篩選,考慮:
- 門店位置:社區(qū)店/CBD店/步行街店
- 門店業(yè)績:整體業(yè)績好/中/差
- 品類業(yè)績:飲料類好/中/差
- 門店時間:新店/老店
這些數(shù)據(jù)是可以獲取到的,數(shù)據(jù)1在督導(dǎo)的巡店表里有記錄,數(shù)據(jù)2,3,4在訂貨單里有記錄,所以完全可獲得。需要做的是提前對數(shù)據(jù)進(jìn)行分析,做好分層和打標(biāo)簽的工作。
這么多維度交叉起來,引發(fā)一個新問題:到底要選多少店做試點(diǎn)。統(tǒng)計(jì)學(xué)會告訴你單群體最小樣本30,最好384,這樣95%置信度下抽樣誤差5%——但是這些和眼前的問題工作沒多大關(guān)系。
因?yàn)檠矍暗膯栴}是:第一:需要以店為單位抽,有可能所有門店加起來都不夠這么多。
第二:測試的是新產(chǎn)品,且測試周期可能很長,意味著貨源可能不夠。
第三:測試的是新上架產(chǎn)品,需要業(yè)務(wù)方一個店一個點(diǎn)鋪貨,得考慮工作量。
所以設(shè)計(jì)樣本數(shù)的時候,首先對單店在測試周期內(nèi)銷量有個預(yù)計(jì),保證肯定有貨,這樣才能真正測出來:是否達(dá)預(yù)期。定下門店總量以后,再按以上考慮維度往里塞樣本。最后出來的結(jié)果,保證每個分類盡可能都有樣本就行。
如果事先有一級、二級、三級門店的分類,則輕松很多。因?yàn)橐欢壏诸?,很有可能已?jīng)綜合考慮了銷售能力,門店規(guī)模等等因素。但在使用之前得注意幾個問題:
- 過往的一二三級分類,是否目前還準(zhǔn)。別出現(xiàn)3級》2級》1級的情況,那事后分析就很尷尬了。
- 一二三級是否考慮類型。避免一級門店全是同一類門店(比如都是CBD店)這樣事后評估,會發(fā)現(xiàn)嚴(yán)重缺其他門店樣本。
- 一二三級是否和飲料銷售有關(guān)系。注意,題目企業(yè)是個全系列企業(yè),很有可能一二三級是按整體業(yè)績分類的,對應(yīng)到飲料類,又會出現(xiàn)3級》2級》1級的極端情況。
只要不存在以上問題,那1,2,3級分類就直接用吧。
考慮增長基礎(chǔ),不但讓設(shè)計(jì)更豐滿,而且能極大方便事后的評估。避免諸如以下這些尷尬的問題:
- 為啥測試效果不好,因?yàn)檎业亩际呛懿畹牡?/li>
- 為啥分析不出推廣潛力,因?yàn)檎业亩际峭活惖牡?/li>
- 為啥1級門店反而賣的不好,因?yàn)檠咎焐唾u得不好
并且在事后分析的時候,能對各類型門店標(biāo)簽下情況進(jìn)行深入的分析,具體到每一類店鋪標(biāo)簽的效果。這樣迭代實(shí)驗(yàn)的時候,也有更清晰的方向,落地的時候,思路也更多(如下圖)。
那么,考慮到這一步夠了嗎?
四、考慮增長周期
第二步:考慮什么時間測,測多久
一般商品都有自己的銷售周期,飲料類的周期更特殊,可能集中在夏季爆發(fā),也有可能受各地氣候的影響,也有可能受天氣短期影響。因此在設(shè)計(jì)測試周期的時候,需要先梳理相似價位、相似類型、相似目標(biāo)群體對應(yīng)的飲料的走勢,這樣才能有個全局判斷(如下圖)。
有了全局判斷后,可以設(shè)一個比較長的觀察周期,以盡可能多覆蓋各種場景。這樣在事后評估分析的時候,也能對各種情況進(jìn)行分析(如下圖)。
五、考慮增長落地
第三步:考慮業(yè)務(wù)落地動作
一款新產(chǎn)品上市,宣傳、鋪貨、促銷三件套往往是一起往上招呼。這些落地動作才是最終決定測試成果的因素。而這些動作,都依賴各地分公司/辦事處的執(zhí)行,執(zhí)行力至關(guān)重要。
這里有個很深刻的問題:一但測試效果不好……
- 到底是產(chǎn)品本身沒需求?
- 還是業(yè)務(wù)自己沒做好?
- 還是數(shù)據(jù)分析師算錯了?
監(jiān)控了業(yè)務(wù)執(zhí)行過程,你才有資格說:業(yè)務(wù)做得好/不好。沒有監(jiān)控業(yè)務(wù)執(zhí)行過程,人家隨時都能說:數(shù)據(jù)分析沒算出來。“現(xiàn)在不都人工智能大數(shù)據(jù)了嗎,一定是我們的數(shù)據(jù)分析師太蠢了,招個頭騰阿的數(shù)據(jù)分析師肯定能算清楚”——這鍋已經(jīng)為你準(zhǔn)備好了,所以一定要掌握清楚。
待掌握的信息包括:
- 鋪貨啟動時間
- 鋪貨完成時間
- 補(bǔ)充訂貨時間
有了這些信息,可以結(jié)合訂貨數(shù)據(jù)做更多分析:
- 有沒有拖了很久不啟動的
- 有沒有啟動了推進(jìn)很慢的
- 有沒有不分規(guī)模閉著眼睛鋪的
- 有沒有缺貨了不去補(bǔ)的
當(dāng)然,后期核查要跟上,且核查的時候,可以增加幾個關(guān)鍵維度檢查,比如:
- 大夏天的把貨鋪在貨架而不是塞冰柜的
- 大賣場不做堆頭只做貨架的
- 有促銷物資不往門店進(jìn)的
這些核查數(shù)據(jù)同樣得從督導(dǎo)手里收回來,同數(shù)據(jù)一起分析,才更容易看到結(jié)果。
這樣,在解釋結(jié)果的時候,自然更有底氣:凡是沒有執(zhí)行的到位的,一概不許甩鍋給產(chǎn)品/數(shù)據(jù),自己沒做好的自己反省去。這樣也更有利于找到真正問題答案。
六、小結(jié)
2020年的數(shù)據(jù)分析領(lǐng)域最大問題,就是:學(xué)習(xí)過程書本化,脫離實(shí)際。教數(shù)據(jù)分析的書、老師、課程,為了讓算法、統(tǒng)計(jì)原理、用戶畫像、漏斗模型、ABtest發(fā)揮作用,就專門挑一些字段豐富,清洗干凈的數(shù)據(jù)集,讓算法跑起來。新人們把工作當(dāng)讀書,跑幾個數(shù)據(jù)集就欣欣然自以為得已得已。
兩下相交,導(dǎo)致的結(jié)果就是新人們遇到實(shí)際問題的時候:不是幻想頭騰阿有靈丹妙藥,就是急著搬書找答案,要么就是跑到各個群問:“有沒有互聯(lián)網(wǎng)飲料行業(yè)的大佬,急,在線等,可付費(fèi)!”。唯獨(dú)喪失了具體問題、具體分析的能力。
破除迷信,腳踏實(shí)地,認(rèn)真研究業(yè)務(wù)流程,設(shè)計(jì)合理的方法,才是解決問題之道。數(shù)據(jù)簡單有數(shù)據(jù)簡單的搞法,數(shù)據(jù)豐富有數(shù)據(jù)豐富的搞法,把簡單的數(shù)據(jù)通過業(yè)務(wù)流程改進(jìn)變得豐富,這三者合并才是一個合格的數(shù)據(jù)分析師該有的能力。
本篇分享的是簡單的做法,感興趣的話,關(guān)注接地氣的陳老師,下一篇我們分享一個數(shù)據(jù)很豐富的場景下,該怎么分析的案例,就講UGC產(chǎn)品,敬請期待哦。
#專欄作家#
接地氣的陳老師,微信公眾號:接地氣學(xué)堂,人人都是產(chǎn)品經(jīng)理專欄作家。資深咨詢顧問,在互聯(lián)網(wǎng),金融,快消,零售,耐用,美容等15個行業(yè)有豐富數(shù)據(jù)相關(guān)經(jīng)驗(yàn)。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自Unsplash,基于CC0協(xié)議。
- 目前還沒評論,等你發(fā)揮!