數據分析——使用OSQSM模型+逆推法寫出可落地的分析報告

0 評論 4406 瀏覽 35 收藏 10 分鐘

編輯導語:OSQSM模型和搭建方法對于數據分析師來說十分重要,本篇文章作者結合自身經驗講述了如何根據該模型寫出可以執行的分析報告,以及搭建指標體系,一起來學習一下,希望對你有幫助。

我在某網站上隨便找了幾個數據分析師的職位信息,可以看到他們都提到了對于產品優化和給運營提出建議以及搭建指標體系,可以看到他們對于具體產品和運營策略優化以及搭建指標體系的重視。

今天我就給大家總結一下,自己這些年是怎么如何根據這套框架寫出可執行的分析報告,以及搭建指標體系。

主要使用的模型和方法:OSQSM模型+場景化+逆推法+假設法。下面是具體的框架:

數據分析-使用OSQSM模型+逆推法寫出可落地的分析報告

一、OSQSM模型

我們先來看看OSQSM模型是什么:

  • O是Objective,是目標,是我們確定的核心目標是什么;
  • S是Situation,是現狀,是核心目標現狀是什么;
  • Q是Question,是問題,是核心目標的結構問題是什么;
  • S是Strategy,是策略,是為解決核心目標的問題,而采取的一系列動作;
  • M是Measurement,是度量,是采取一些列動作之后,如何衡量這個動作是不是帶來了指標的提升

接下來我們就來分每一步仔細講講怎么使用,以及使用時候需要注意的問題。

1. 目標(Objective)

對于核心目標的確定來說,這個要求很高。商業分析高級專家要求理解商業的本質和業務邏輯,這個問題未來我會單獨講,在這里我就簡單的提一下。

簡單來說就是:商業模式+不同時期。

根據不同商業模式和不同時期確定核心指標,并且即使同一商業模式的不同時期核心指標也不一樣。比如新產品的時候需要NPS值,成熟時期需要關注其他的核心指標。

2. 現狀(Stituation)

當我們確定了核心的指標,接下來就是分析核心指標是不是穩定的,比如以DAU為核心指標:

  1. 看趨勢:我們需要拉長趨勢看目前DAU總量的增長,以及增長率是不是滿足預期。
  2. 看效果:我們需要衡量DAU的健康情況,一般比較常用的是DAU次留以及用戶粘性(DAU/MAU),當然你還可以使用你所在行業的一個關鍵行為比率作為監控(關鍵行為人數/DAU)

這一步大家在實際分析中很容易忽略,但當你寫完分析報告與業務方分享完后,他們可能會問:目前是個什么狀態?

3. 問題(Question)

在第二部分,我們了解了核心指標的整體情況之后,就能知道目前這個指標的現狀。

但是,我們沒有辦法立馬去采取行動,因為沒有獲取更多的信息。所以,我們需要繼續分析核心指標的內部結構問題,在這里我們分析的方法很多,比如:

  1. AAARR,經典的用戶分層模型,把用戶分層不同的生命周期,對用戶打上標簽,然后對于不同的用戶進行運營??梢詤⒖迹涸鲩L黑客-后互聯網時代新的用戶生命周期管理實戰。
  2. 場景化,比如在某寶上面我們購物,有好幾種方式,我們有想買的物品時候直接使用搜索功能,當我們沒有很明確的目前時候,我們會在上面逛,首頁會有很多的推薦,還有最近比較火的直播帶貨等等。其實這些都是我們在不同場景下的購買,可以看不同使用場景下的數據。
  3. 漏斗分析,如果我們的核心數據是用戶行為數據時,你會發現漏斗分析很好用,例如:電商,從搜索-曝光-瀏覽詳情頁-創建訂單-支付成功。我們可以看總體的轉化率,也可以看不同渠道,不同端,不同場景下的轉化。
  4. 當然還有比較經典的畫像層面維度進行分析。我們可以用戶的屬性和行為等維度進行分析。

上面說了這么多,似乎跟其他人沒有什么區別。我們在這里基本會遇到問題:

  • 就以畫像為例,那么多維度,我怎么知道分析哪些?時間有限,不可能窮舉。
  • 分析出來之后也不一定能給到很好的建議。

大家可以先思考一下,后文會有詳細解答。

4. 策略(Stratery)

先假設第三步結構拆解后,我們發現了一些問題,可以提一些建議給產品和運營進行優化。在制定策略時,我們一定是跟產品和運營商量,一定注意能AB測試最好AB測試,并且討論量化指標。

5. 量化(Measurement)

策略上線后,我們需要注意觀察一些指標,看看是不是帶來了提升。

接下來就是核心部分了。

二、關于QS步驟的建議

在問題那一步,我留下了一些思考,現在我們就講講如何解決這些問題。一般我會根據這個核心指標,從兩個方面進行。

1. 已知情況下,逆推

產品:體驗式分析。為了分析核心指標銷售額,我會使用產品,從產品體驗上找到一些需要優化的點。比如我們在購買產品時,最后需要付款,當你體驗產品時,發現只能使用銀行卡支付。

但是,現在很多用戶都習慣使用支付寶和微信。那么,我們是不是可以看看最后一步轉化,通過這個數據,來給到產品優化的建議。當然還可以使用象限圖,使用量+轉化率。

數據分析-使用OSQSM模型+逆推法寫出可落地的分析報告

運營:觸達+場景化,跟核心指標相關的其他行為進行分析,大概率其響應率比較大,比如直播的關注功能,用戶關注了主播,未來主播開播之后,用戶大概率會去看直播,那么我們就能通過用戶是否關注這個維度進行分析,去證明這些用戶觸達之后觀看率比較高。

2. 未知情況下,假設先行

就需要比較強的業務經驗,時間長了,大概能做出一些判斷,根據歷史的分析經驗來做出假設,然后從這些維度進行。

當我們從這兩個方面去看時,你會發現,你很容易寫出能落地執行的分析報告。因為,你都是從用戶體驗的角度去分析的。

三、關于數據M

在上述整個分析中,我們都是建立在數據比較全的前提下。但是,現實并不是這樣的,所以,在最后分析時候,我們衡量的指標,就會出現兩種情況:

  1. 數據比較全,我們使用直接現有指標,比如我們想知道此次運營活動是不是帶來了很多用戶,此時可以通過埋點就能知道。
  2. 數據不全,我們只能通過一些歸因的方式,但是邏輯一定想清楚,并且大家都認可,才能使用。當然,數據不全,并且未來經常要看的,我們也可以建議未來進行埋點。

四、迭代

這些做完了之后,基本我們就能給出比較好的落地分析報告,并且業務人員也很認可。

這個框架也是按照核心指標拆解的方法進行的,我們可以基于這個分析報告搭建指標體系V1版本,建立一套報表體系,進行監控。

但是,在后續需要我們持續的跟蹤,基本每天都去看核心指標的變化,未來還有一些其他的維度可以加入進去,不斷的優化。

 

本文由 @數有道 原創發布于人人都是產品經理,未經許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!