数据分析中最容易出成果的一件事

前几天在好友邓凯的”爱数圈”写了一篇关于数据分析师的文章《关于数据分析师的两部电影和一个建议》。其中最后一个话题对入门数据分析师的建议感觉有些欠缺。今天再来写一下。之前的文章里从两部电影开始,本篇文章也从一部电影开始主题内容:数据分析中最容易出成果的一件事情。

电影《大空头》开始有四句话,基本也代表了这部电影中最核心的数据分析方法:“有些人发现了经济中心的弥天大谎,方法不难,只是随大流的人永远不会去做:亲自去了解”

IMG_1443

IMG_1444

IMG_1445

IMG_1446

浑水做空瑞幸咖啡也使用了相同的方法:亲自去了解。浑水雇佣了92名全职人员,1418名兼职人员,在瑞幸咖啡在全国的52个城市的门店样本中全天候录像,总录像时长达11260小时。此外,浑水随机从超过10000名顾客手中收集了瑞幸咖啡25843张消费小票。

IMG_1585
消费小票样品

IMG_1584

数据分析中最容易出成果的一件事情,就是亲自去了解,亲自去数据的背后了解,亲自去了解数据背后发生的故事。当然,你可能会说这是一件耗时费力,规模庞大的事情。只有基金公司或者浑水这样的机构才能完成。作为普通的一个数据分析师,无法对每一位用户做到亲自去了解。我们对这件事进行简化和引申,在微观和宏观两个层面,通过亲自测试,亲自比较,相信规律,发现异常4个方法给出解决方法。这里基本不会用到复杂的分析工具及数据编程能力,也不需要创建复杂的模型。相信对入门的数据分析师同学会有一些帮助。

微观层面:亲自测试,亲自比较

1144
数据分析师在微观层面的“亲自去了解”可以解释为亲自测试和亲自比较。你虽然无法对每一位用户亲自去了解,但可以对用户渠道以及用户使用的产品亲自测试。这里包括对每一个广告渠道的测试,每一个产品页面,每一个转化路径,每一个交互功能的测试。举两个例子:

第一个是某通信运营商的业务流程的优化案例。单从业务丰富度的角度来看,运营商的网站中提供了用户从选号,转网,到手机型号选择,套餐选择,和充值等全业务流程的服务。但如果你实际走一遍会发现每一个业务单元都是一个孤岛,虽然每一个业务单元的路径都是顺畅的,但之间缺乏联系,有时候可能还会存在相互争抢用户的问题。导致用户的每一笔订单单价较低,同时使用体验较差。

1200-57542440-soccer-strategies-and-tactics

套用盒马鲜生的一句话:“在买菜这件事上,不能一味地通过提价来提高笔单价,更多的是靠品类和SKU的丰富度,保证顾客在一笔订单里能买齐他要的东西,甚至是比他预期更多的东西来提高笔单价。”

这类问题,站在单一业务的层级上看,过程数据上不会有太大问题,必须要站在用户的视角亲自测试才能发现问题。

第二个是某电商的站内搜索功能优化案例。仅从某电商自身的角度来看,站内搜索功能是重要的转化路径,并且转化率也较高。但如果和行业领先公司的站内搜索进行对比会发现,同一商品在元数据和受控词表上会存在很大差异,甚至是歧义。简单来说就是两种情况,1,商品换一个名字你就找不到了。2,用户找的是A,但你给的结果是B。

这类问题通过同行业网站或APP的功能对比就能发现,再说的简单直白一点,就是你亲自去试一下每家的功能,然后把结果截图记录下来,标记出其中的差异点,然后针对这些差异点逐个问一下为什么。再问问你自己的产品和设计这其中的逻辑。

宏观层面:相信规律,发现异常

Depositphotos_5246582_s-2015-e1482200794227-471x218
数据分析师在宏观层面的“亲自去了解”可以引申为相信规律和发现错误。宏观是指从大的和整体的层面来看待业务,这其中很多的事情已经重复发生过很多次,被很多公司证实过形成了商业规律,周期和标准的演进路径。你不需要再去“亲自了解”,只要相信并且应用这些规律,用规律在验证业务所处阶段,并找出其中的错误,顺势而为就可以了。

规律有很多种,例如产业生命周期,产品形态演进规律,技术扩散周期等等。这里以产品形态演进规律为例:

从产品形态演进的路径来看,产品由于竞争的压力驱动,从初级产品变成标准产品,再到服务和体验的无形产品。套用到咖啡这个产品上来看,初级产品咖啡豆的价格大约75美分一磅,折合1-2美分一杯。经过研磨,包装成咖啡粉,变成标准化产品后增长到约5-25美分一杯。如何在小餐馆,便利店煮好端上来后,加上服务价格变成约50美分-1美金一杯。如何这种咖啡在五星级酒店,星巴克等场所,加上良好的氛围环境和体验,同样一杯咖啡变成了2-5美金。如果在意大利威尼斯圣马可广场有300年历史的Florian咖啡馆,这杯咖啡的价格是15美金。

RTEmagicC_caffe_florian_04.jpg

再来看看瑞幸咖啡的财报中披露的店铺类别及产品形态,就会发现一些与产品形态演进相悖的趋势。

“Luckin Coffee的店铺分为三个主要类别,Pick-up stores,Relax stores和Delivery kitchens。Pick-up stores简单来说就是自提店面,也支持外卖。这类店铺租金和装修成本较低,通常在20-60平米之间,主要位于咖啡需求较高的办公楼,商业区和大学校园及距人口稠密地区500米的范围内。这类店铺占Luckin Coffee所有店铺91.3%。Relax stores是形象店,主要用于品牌推广。面积通常在120平米以上,这类店铺占Luckin Coffee所有店铺4.6%。Delivery kitchens是外卖店,只提供送货服务,不支持自提。这类店铺租金和装修成本最低。占Luckin Coffee总店铺数量的4.1%。”

亲自测试,亲自比较,相信规律,发现异常。以上四种方法都在数据之外,有些可能还属于比较“笨”的方法。但也是入门数据分析师最容易掌握,并且最容易出成果的一件事。

—【所有文章及图片版权归 蓝鲸(王彦平)所有。欢迎转载,但请注明转自“蓝鲸的商业分析笔记”。】—

Speak Your Mind

*