作者：接地氣的陳老師

來源：接地氣學(xué)堂

數(shù)據(jù)分析如何助力運營，直接上干貨，開整！

問題場景：某電商公司，近期通過數(shù)據(jù)發(fā)現(xiàn)有大量用戶出現(xiàn)添加商品至購物車但不付款（簡稱：加購未購）的情況，運營已針對此情況開展工作，但領(lǐng)導(dǎo)們不滿意，要求數(shù)據(jù)分析組通過用戶畫像模型進行加購未購客群分析，提升付款比例。假設(shè)你是該公司的數(shù)據(jù)分析師，問……

問題1：你是數(shù)據(jù)分析師，你第一件事做什么？

1. 看過去3個月加購未購的數(shù)據(jù)走勢
2. 建立用戶畫像模型
3. 進行加購未購客群分析
4. 進行付款率分析
5. 和運營聊聊他們在干啥

先思考這道問題。如果這個題目想不明白，那思考下個題目

問題2：在本場景里，領(lǐng)導(dǎo)的需求是什么？

1. 需要用戶畫像模型
2. 需要客群分析報告
3. 需要提升付款比例
4. 需要改善運營工作

先思考這道問題。如果這個題目想不明白，那思考下個題目

問題3：你在網(wǎng)站買東西，以下哪個最能讓你下決心付款

1. 網(wǎng)站服務(wù)器里多了一段代碼
2. 網(wǎng)站工作人員寫的ppt
3. 你看到了新上市的爆款iphone
4. 你看到了新上市的爆款iphone且比其他地方都便宜
5. 你看到了新上市的爆款iphone且比其他地方便宜500多塊錢

思考一分鐘，揭曉答案哦

?1?運營優(yōu)化項目，從這里做起

數(shù)據(jù)分析之所以做了沒屁用，80%是脫離實際，閉門造車的結(jié)果。脫離實際，閉門造車的根源，在于做數(shù)據(jù)的人太沉迷于數(shù)據(jù)本身，忘了真正要干啥。比如本案例場景，如果扒皮抽筋的問上邊三個問題，傻子都會看明白：

1、用戶只會為了一個具體價格的具體商品買單，不會為ppt、代碼買單。

2、領(lǐng)導(dǎo)需要的是改善運營工作，運營工作對應(yīng)的是文案、活動、頁面、價格。

3、改善運營工作，得先整明白人家在做什么，到底有多少空間可以改善。

4、至于算法、模型、報告、公式、甚至數(shù)字，都是尋找改善方法的一種手段。

所以第一時間，得去找運營談這些：

1、目前針對該客群有哪些措施

2、各項措施上線時間點

3、領(lǐng)導(dǎo)具體不滿意表現(xiàn)

注意，第一步要了解的是具體動作，至于這個動作的好壞，可以聽運營解釋，但是更多的要自己去分析。結(jié)合數(shù)據(jù)趨勢，發(fā)現(xiàn)潛在機會點和問題點（如下圖）

這里溝通的技巧也很重要。注意，在本場景里，領(lǐng)導(dǎo)們的不滿已經(jīng)是掛在臉上的，這時候在運營面前，要堅決表現(xiàn)出：“我是和你們一起想辦法，我們一起把這個差交了”。這樣才能爭取到更多支持。如果擺出一副：“我牛逼，你們都是傻逼”的態(tài)度，那就等著被人各種掣肘，最后落魄收場吧?。

?2?第二個關(guān)鍵問題

問題4：經(jīng)了解，發(fā)現(xiàn)運營目前的做法是，按加入購物車的金額的10%派券，比如100元商品派10元，200元派20元，無差別派券。了解到這個以后，你會做……

1. 建立用戶畫像模型
2. 撰寫客群分析報告
3. 分析付款比例曲線
4. 拆分商品轉(zhuǎn)化情況

先思考這道問題。如果這個題目想不明白，那思考下個題目

問題5：你會如何證明，你對加購未購問題產(chǎn)生了積極作用

1. 匯報用戶畫像模型
2. 匯報客群分析報告
3. 匯報付款比例曲線
4. 匯報運營效果變化

先思考這道問題。如果這個題目想不明白，那思考下個題目

問題6：以下哪種情況，能證明新策略產(chǎn)生了效果（如下圖）

思考一分鐘，揭曉答案哦

?3?破局，從這里開始

人的普遍心理就是：等得越久，期望值越高。特別在已經(jīng)開始著急的時候，就更希望能快速見到效果。

所以在本場景里，用戶畫像也好，模型也好，報告也好，都對，但是首要考慮的是：多長時間見效。見效越快越好。

同時，見效的方法越簡單越好。因為越復(fù)雜的方法，能參與進來的人越少，意味著自己背的鍋越大。

比如上一個“超精準購買模型”，除了做數(shù)據(jù)的誰都看不懂。那最后如果效果不好，勢必只有做數(shù)據(jù)的自己背鍋。這又牽扯到：“寫多少行代碼能讓顧客消費”的問題?？傊灰竿a，要和運營并肩作戰(zhàn)，優(yōu)先丟優(yōu)惠券。

可能很多同學(xué)聽了：見效又快又好，就覺得難辦。注意，這里“見效”也是有好幾種效果的。用最簡單的投入產(chǎn)出比概念，減少投入，增加產(chǎn)出，提高比率，都算有效。所以，從一開始就不要把目標定為徹底解決問題，而是不斷優(yōu)化效果。這樣既容易交差，又能持續(xù)見成績。

這樣梳理后，思路就清晰多了：目前的全面派券是很粗暴的做法，不同商品的利潤率不一樣，這么簡單粗暴打折，很有可能嚴重壓縮毛利，甚至出現(xiàn)負毛利產(chǎn)品。同時，有些商品臨近保質(zhì)期，可以釋放更多利潤出來清貨，有些商品本身利潤很高，有空間再釋放出來。這樣梳理完，第一階段的行動就很清晰了（如下圖）

?4?迭代，持續(xù)優(yōu)化效果

問題7：以下兩個選擇，先做哪一個？

1. 減少成本
2. 增加產(chǎn)出

?注意，本場景，是領(lǐng)導(dǎo)已經(jīng)不滿意了，都找到外部門了。這種情況下，如果上來就說：“我們還要追加XXX萬投入”，要么本直接噴回來，要么領(lǐng)導(dǎo)們期望值會被吊得更高，以為追加以后效果無敵好。

這兩種情況都是在給自己挖坑！所以最好先從砍成本的角度入手，先砍掉一個明顯負產(chǎn)出的補貼，釋放營銷費用；之后再做一些臨期產(chǎn)品、清庫存產(chǎn)品；之后再拿釋放出來的費用貼高利潤產(chǎn)品，把加購轉(zhuǎn)化率拉高。

之后還可以持續(xù)迭代，比如高利潤產(chǎn)品的轉(zhuǎn)化率已經(jīng)提高的前提下，可以做價格彈性測試，適當減少補貼，再釋放一波營銷費用；單品做的差不多了，可以拿釋放出的利潤做滿減、或者交叉銷售。

這些還都是單純的在價格上做文章，數(shù)據(jù)計算難度小，又容易見效。畢竟給的是真金白銀的優(yōu)惠券。

這樣折騰下來，不但能見效，而且能拖很長時間。每個月試點，迭代四五次，至少也能拖個半年。這半年寶貴的時間，可以拿來為“人工智能算法推薦”“大數(shù)據(jù)用戶畫像洞察”做數(shù)據(jù)積累，也能爭取到充足的時間訓(xùn)練模型。

在價格玩的差不多的時候，就能自然續(xù)上，效果持續(xù)優(yōu)化，人人開心。比一開始憋大招，憋半年然后屁用，沒有灰溜溜的走人，要強的多（如下圖）。

 

  ——熱門課程推薦： 
 

 

  想從事業(yè)務(wù)型數(shù)據(jù)分析師，您可以點擊>>>“數(shù)據(jù)分析師”了解課程詳情； 
 

 

  想從事大數(shù)據(jù)分析師，您可以點擊>>>“大數(shù)據(jù)就業(yè)”了解課程詳情； 
 

 

  想成為人工智能工程師，您可以點擊>>>“人工智能就業(yè)”了解課程詳情；  
 

 

  想了解Python數(shù)據(jù)分析，您可以點擊>>>“Python數(shù)據(jù)分析師”了解課程詳情； 
 

 

  想咨詢互聯(lián)網(wǎng)運營，你可以點擊>>>“互聯(lián)網(wǎng)運營就業(yè)班”了解課程詳情； 
 

 

  想了解更多優(yōu)質(zhì)課程，請點擊>>>