數(shù)據(jù)分析這么干,運(yùn)營吵架少一半
運(yùn)營工作和數(shù)據(jù)分析有很強(qiáng)的關(guān)聯(lián)性。本文從一個活動運(yùn)營問題引入,分析了數(shù)據(jù)分析的工作應(yīng)該如何進(jìn)行,希望對你有所幫助。
做數(shù)據(jù)分析的同學(xué)最常服務(wù)運(yùn)營,也最怕運(yùn)營糾結(jié)。因為本身運(yùn)營的工作和數(shù)據(jù)分析有高度關(guān)聯(lián),以至于大家在網(wǎng)上看到的數(shù)據(jù)分析文章,十篇里有六篇是運(yùn)營寫的。運(yùn)營對數(shù)據(jù)分析涉入的如此之深,以至于經(jīng)常在分析思路、分析方法、分析結(jié)論上和數(shù)據(jù)分析師們懟起來。
今天我們就先看其中最大的一個問題。運(yùn)營的工種有很多(如下圖),其中活動運(yùn)營是策略性最強(qiáng),和數(shù)據(jù)分析關(guān)系最緊密,也是懟的最多的崗位,今天就用它舉例子。
請聽題:某游戲APP,用戶活躍率在5月出現(xiàn)輕微下降情況,活動運(yùn)營小組決定做一個簽到打卡的活動,提高用戶活躍度(具體提高多少沒說),現(xiàn)活動前后數(shù)據(jù)如下圖所示。
活動運(yùn)營小組堅持稱:如果不是做活動,5月份自然增長是下跌的。老板認(rèn)為這是扯淡。活動運(yùn)營小組稱:數(shù)據(jù)分析師應(yīng)利用人工智能大數(shù)據(jù),精準(zhǔn)分析出自然增長率。
問:你是數(shù)據(jù)分析師,你該怎么辦?
一、科學(xué)旗號下的荒唐事
首先問,這個題的題眼在哪里?
A、用戶活躍率減少
B、自然增長率
C、人工智能大數(shù)據(jù)
思考一秒鐘。
我們先反問一個問題:某天,一個人拿著弓來問你:“請用人工智能大數(shù)據(jù)精確分析一下,我比自然命中率高了多少”你會怎么辦?你會抄起鍵盤開始叭叭寫代碼嗎?——不會!你會先問他:“你射的是啥?”
如果他說:我也不知道射的啥,你幫我分析分析?你會咋辦?你會用人工智能大數(shù)據(jù)分析他要射什么東西嗎?——當(dāng)然不會!有禮貌的話,你會讓他先把自己射的箭找到;沒禮貌的話,你可以直接口吐芬芳了。因為即使是幼兒園的小朋友都知道:射箭要先樹個靶子。
這是常識。
所以整體的題眼是:具體提高多少沒說。甚至題目本身都是有問題的。請注意問題的來源是活躍用戶數(shù)量減少。結(jié)果運(yùn)營在設(shè)目標(biāo)的時候變成了用戶活躍度。一字之差,含義就從清晰變模糊。
- 到底什么算“度”
- 含義是用戶活躍人數(shù),為啥不直接用?
- 含義是用戶活躍率?大家的公式是否一樣?
- 含義是綜合計算的,計算公式和權(quán)重又是啥?
指標(biāo)本身不清晰,又沒有明確指出要提升多少,對活動后分析是一場災(zāi)難。簡直就是射箭故事的翻版。問題是:為啥會出這么奇葩的事。
二、荒唐背后的苦衷
真正在企業(yè)上過班就知道:并非所有決策都是高度理性的,比如:
- 這是常規(guī)活動,運(yùn)營只是拿著模板改了改就推上線了
- 這是老板親自指示干的,咱也看不懂,咱也不敢問
- 這是一種商業(yè)直覺:我感覺有問題了!等到真觀察到再改已經(jīng)來不及了
- 這是一種迷信:你們不是有人工智能大數(shù)據(jù)嗎,應(yīng)該duang!一下就有了吧
總之,真實企業(yè)里,大概:
- 30%的活動方案沒有寫清楚,只有個含糊的:“提高消費(fèi)/提高活躍”
- 30%的活動方案用詞不嚴(yán)謹(jǐn),活躍度、活躍值、活躍力一類的玄幻概念滿天飛
- 30%的活動方案沒有做過測算,都是拍腦袋決策,甚至提1億的目標(biāo),只為口號順口
- 只有大概10%方案能認(rèn)真寫清楚:提高用戶活躍人數(shù),5月dau維持在XX水平以上
當(dāng)然,在管理規(guī)范的大企業(yè)里,這種亂象少很多。但是同類問題在大部分企業(yè)都存在,事先不寫清楚目標(biāo),事后指望大數(shù)據(jù)來分析。甚至企圖通過人造一個很低的、負(fù)增長的自然增長率,來蒙混過關(guān)。真要是碰上這種事,咋辦呢?
首先,堅決不扯什么“自然增長率”。特別是在這種短期活動很密集的業(yè)務(wù)里。如果一定要扯,采用買定離手的機(jī)制:大家事先談好自然增長率是多少,事后就看這個數(shù),不要再調(diào)整。這就跟下棋的時候拒絕悔棋是一個道理。
- 做什么目標(biāo),事先說清楚,從X%提升到y(tǒng)%;
- 找清晰、直觀的目標(biāo),避免玄幻/復(fù)雜概念;
- 找與核心KPI相關(guān)的目標(biāo),避免雜項干擾。
這是徹底解決問題的三大原則。
當(dāng)然,這么做會遇到兩個挑戰(zhàn):
挑戰(zhàn)1:有些運(yùn)營就是不知道咋定目標(biāo),幫幫忙?
挑戰(zhàn)2:有些活動就是事先沒定目標(biāo),咋補(bǔ)救?
三、設(shè)定目標(biāo)的基本方法
設(shè)定目標(biāo)有三種基本方法:
- KPI分解法
- KPI倒推法
- KPI場景法
分別對應(yīng)三個場景:
- 活動目標(biāo)是KPI指標(biāo)
- 活動目標(biāo)是KPI過程指標(biāo)
- 活動目標(biāo)是KPI關(guān)聯(lián)指標(biāo)
有同學(xué)會問:為啥都和KPI掛鉤?答:如果做的事跟KPI沒啥關(guān)系,那你也知道這個事的重要緊急程度了。大張旗鼓做和KPI無關(guān)的事,本身就有可能是影響KPI的原因哈。
KPI分解法舉例:
KPI倒推法舉例:
KPI場景法舉例:
平時和運(yùn)營保持良好的溝通非常必要,這樣在策劃早起,數(shù)據(jù)分析師就能介入。既能協(xié)助運(yùn)營理清思路,又能幫助運(yùn)營算清目標(biāo),還能為上線后監(jiān)控、事后復(fù)盤做好準(zhǔn)備,一舉三得。事前工作到位,事后不用吵架,大家合作共贏,是最好的狀態(tài)。
四、事后補(bǔ)救的基本方法
如果事前沒有定目標(biāo),一定要事后補(bǔ)救的話,牢記:核心不是什么自然增長率,而是“業(yè)務(wù)到底需要把指標(biāo)做成什么樣子”。特別是如同開頭的情況。整體目標(biāo)已經(jīng)撲街的情況下,事后再糾結(jié)自然增長率,往往會淪為甩鍋大戰(zhàn)。這時候可以分三步做:
第一步:定方向
第二步:找方法
第三步:看細(xì)節(jié)
通過這樣的操作,至少能結(jié)束稀里糊涂的狀態(tài),明確:我們到底要把曲線做成什么樣。判斷本次的方法要換成那種。在細(xì)節(jié)里,為下一次迭代找到優(yōu)化方向。
注意,這么做更多是基于“目前已撲街”的判斷。這么做在評估活動效果上并不科學(xué)。如果想科學(xué)評估活動,得事前設(shè)計好實驗,分好測試組和參照組,測試用戶響應(yīng)效果。還是那句話:提前多準(zhǔn)備,事后少糾結(jié)。
很多同學(xué)會說:即使這樣做,我們公司的領(lǐng)導(dǎo)還是很迷信,運(yùn)營還是很無腦,出了問題還是到處甩鍋,咋辦!即使這樣,陳老師也建議大家先掌握:這個事該怎么做。
這樣遇到問題,至少大家能判斷:到底是我的問題,還是別人的問題。至少能知道該往哪個方向努力。這也是真實商業(yè)場景和科學(xué)實驗室的區(qū)別:你就是得帶著鐐銬跳舞,在有限的數(shù)據(jù),各種類型的同事,過高過低的期望值之間走鋼絲。
有同學(xué)會說:咦?咋只少了一半打架,另一半是啥?答:是活動事后分析的另一個永恒糾結(jié)的問題:你做這個又怎樣!為什么活躍用戶人數(shù)不能再高點?高了怎么多又如何呢?它一個指標(biāo)高了,其他低了,又咋辦!
這就是我們常說的綜合評估問題。
專欄作家
接地氣的陳老師,微信公眾號:接地氣的陳老師,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。
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。
該文觀點僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。
- 目前還沒評論,等你發(fā)揮!