
8個(gè)數(shù)據(jù)分析方法,指導(dǎo)營(yíng)銷策略
營(yíng)銷是企業(yè)根據(jù)目標(biāo)用戶的需求提供產(chǎn)品和服務(wù),實(shí)現(xiàn)盈利的一切經(jīng)營(yíng)活動(dòng),關(guān)于營(yíng)銷的數(shù)據(jù)分析,有哪些工作可做,該怎么做?
分析思路
1、對(duì)誰營(yíng)銷-用戶行為的分析
用戶行為指揮著營(yíng)銷活動(dòng)的走向,從新品開發(fā)到價(jià)格定制;從渠道管理到品牌管理。用戶行為分析是營(yíng)銷分析的首要內(nèi)容,是具有差異化的,也正是這樣的差異性,要做市場(chǎng)細(xì)分和目標(biāo)市場(chǎng)的選擇,針對(duì)目標(biāo)用戶做精準(zhǔn)營(yíng)銷。
2、如何營(yíng)銷-4P營(yíng)銷組合
4P營(yíng)銷組合即開發(fā)產(chǎn)品、制定價(jià)格、蒲劍渠道、市場(chǎng)推廣
3、營(yíng)銷效果評(píng)估
企業(yè)常做的營(yíng)銷效果評(píng)估有三種:用戶滿意度、廣告效果評(píng)估和品牌資產(chǎn)診斷。
根據(jù)以上的營(yíng)銷分析思路,針對(duì)營(yíng)銷分析的這三項(xiàng)內(nèi)容一共有這8種方法。
由于由于篇幅所限,每類各挑一種講述。
聚類分析
聚類分析是市場(chǎng)細(xì)分方法中最常見的。市場(chǎng)細(xì)分是根據(jù)用戶親疏程度將相似用戶聚在一起,使類內(nèi)差異小、類間差異大的過程。
舉個(gè)例子,為了研究移動(dòng)用戶手機(jī)消費(fèi)習(xí)慣,我們?cè)跀?shù)據(jù)中收集了7個(gè)變量:客戶編號(hào)、工作日上班時(shí)期時(shí)長(zhǎng)、工作日下班時(shí)期市場(chǎng)、周末電話時(shí)長(zhǎng)、國(guó)際電話時(shí)長(zhǎng)、總通話時(shí)長(zhǎng)、平均每次通話時(shí)長(zhǎng)來對(duì)用戶進(jìn)行細(xì)分。采取迭代聚類方法分析,利用SPSS做初步分析、然后標(biāo)準(zhǔn)化處理、聚類分析,利用excel生成如下的數(shù)據(jù)條:
這樣一來可對(duì)各類用戶做特征描述:
定標(biāo)比超分析
通常用于渠道的分析研究。定就是定標(biāo)桿。比如線下實(shí)體店,如何評(píng)價(jià)其表現(xiàn)?通常用渠道覆蓋率和渠道效率。
渠道覆蓋率=覆蓋網(wǎng)點(diǎn)數(shù)/該地網(wǎng)店總數(shù),體現(xiàn)渠道的廣度。
渠道效率=網(wǎng)店的平均銷售量,反映渠道的深度。
標(biāo)就是建立評(píng)價(jià)指標(biāo)體系
比如電商行業(yè)在抽取后臺(tái)數(shù)據(jù),利用FineBI做進(jìn)一步數(shù)據(jù)分析,通過引用轉(zhuǎn)化率和UV確定一個(gè)渠道價(jià)值指標(biāo),形成一個(gè)矩陣分析圖就很好判斷每個(gè)渠道的價(jià)值以及優(yōu)化空間了。
比超是為了比較差異,提出趕超舉措。
比如上圖的每個(gè)渠道比重都是一樣的,通過進(jìn)一步分析每個(gè)渠道的影響因素,比如曝光量、投放時(shí)間、投放價(jià)格等指標(biāo)對(duì)驅(qū)動(dòng)啊影響的程度,得到每個(gè)指標(biāo)的權(quán)重,收集各個(gè)指標(biāo)的表現(xiàn)數(shù)據(jù)來分析。
舉個(gè)例子,架設(shè)有百貨、超市、家電連鎖三個(gè)渠道,每個(gè)渠道比重如下
收集各個(gè)品牌在各項(xiàng)指標(biāo)的表現(xiàn)數(shù)據(jù)
根據(jù)覆蓋率的指標(biāo)權(quán)重和品牌表現(xiàn)畫出如下圖:
品牌A與標(biāo)桿品牌相比,總體處于低勢(shì),原因是A品牌在最關(guān)鍵的家電連鎖商鋪貨不足,渠道覆蓋率低。關(guān)于渠道覆蓋率低的分析我們可以進(jìn)一步做分析,類似的方法,明確影響因素、設(shè)置權(quán)重、確定評(píng)價(jià)指標(biāo)。
漏斗分析
用戶行為分為以下幾個(gè)階段:產(chǎn)生需求、信息收集、方案必選、購(gòu)買決策和購(gòu)后行為。這五個(gè)階段就像漏斗,最終只有一部分轉(zhuǎn)為成功用戶,每個(gè)階段都有用戶流失。如果能找到每個(gè)階段流失的原因就可以找到改進(jìn)方向了。
從產(chǎn)生需求到信息收集,用戶流失有可能是品牌、產(chǎn)品傳播不給力,造成部分用戶轉(zhuǎn)向競(jìng)品,或者是信息收集的方式不夠友好。怎么解決?從解決用戶的三個(gè)問題下決策:為什么買,哪里買,多少錢。
從信息收集到方案比選和購(gòu)買決策,這個(gè)過程用戶的流失取決于企業(yè)傳達(dá)了什么樣的信息,是否把優(yōu)勢(shì)表達(dá)出來,是否貼合的用戶的需求。
再到購(gòu)后行為,這里取決于用戶的體驗(yàn),產(chǎn)品的體驗(yàn)是否達(dá)到了用戶的預(yù)期,操作復(fù)雜,視覺糟糕都是導(dǎo)致用戶流失的原因。
這五個(gè)階段都有一個(gè)轉(zhuǎn)化的比率,或者稱為效率,我們常常將這一段時(shí)間的效率和前期比,和競(jìng)品比,和預(yù)期目標(biāo)比,來總結(jié)經(jīng)驗(yàn),做出決策,引導(dǎo)更好的轉(zhuǎn)化率。
這樣的分析也成成運(yùn)用到品牌分析里面,對(duì)應(yīng)這樣五個(gè)階段
最后,關(guān)于營(yíng)銷主題的數(shù)據(jù)分析,和其他主題一樣,需要做一個(gè)統(tǒng)一的管理。除此之外,由于如今市場(chǎng)的變動(dòng)迅速,不可能做到每階段花大把時(shí)間做定期分析,這樣的效率是跟不上市場(chǎng)的速度的,建議重視營(yíng)銷戰(zhàn)略的企業(yè),能夠把這一塊納入到企業(yè)的數(shù)據(jù)化運(yùn)營(yíng)管理體系內(nèi),利用FineBI構(gòu)建營(yíng)銷主題的分析,做到實(shí)時(shí)了解市場(chǎng)動(dòng)態(tài)和企業(yè)動(dòng)態(tài)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10