B端产品数据分析方法论.docx

上传人:王** 文档编号:817917 上传时间:2024-01-18 格式:DOCX 页数:15 大小:25.37KB
下载 相关 举报
B端产品数据分析方法论.docx_第1页
第1页 / 共15页
B端产品数据分析方法论.docx_第2页
第2页 / 共15页
B端产品数据分析方法论.docx_第3页
第3页 / 共15页
B端产品数据分析方法论.docx_第4页
第4页 / 共15页
B端产品数据分析方法论.docx_第5页
第5页 / 共15页
B端产品数据分析方法论.docx_第6页
第6页 / 共15页
B端产品数据分析方法论.docx_第7页
第7页 / 共15页
B端产品数据分析方法论.docx_第8页
第8页 / 共15页
B端产品数据分析方法论.docx_第9页
第9页 / 共15页
B端产品数据分析方法论.docx_第10页
第10页 / 共15页
亲,该文档总共15页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

《B端产品数据分析方法论.docx》由会员分享,可在线阅读,更多相关《B端产品数据分析方法论.docx(15页珍藏版)》请在优知文库上搜索。

1、B端产品数据分析方法论商业思维是中级、高级产品经理的分割线。产品经理有商业思维,意味着不仅懂业务,还能站在CEO的视角看待业务。比如,业务的商业目标是什么?业务发展有哪些机会?如何抓住机会?等等。那么,如何才能具备商业思维呢?阅读书籍.调研客户.研究标杆企业都是很好的途径,但是还有一个很重要的方法,那就是数据分析。通过分析数据,产品经理能够洞察企业的经营方式、经营状态;通过分析数据,产品经理能够找到业务发展的机会,推动业务实现经营目标。因此,数据分析能力是B端产品经理必备的核心能力。你可能会说:商业思维、数据分析是管理层的工作,B端产品经理老老实实满足业务需求不就行了吗?但现实是:高管往往没有

2、时间去分析一个具体的功能数据。业务部门则可能受制于职责和眼界,看不到,或者无法获取到有价值的数据。反之,产品经理不但方便获取数据,还可以把数据分析融入到产品设计,让业务产生数据,再通过数据驱动业务。这将是B端产品经理巨大的机会。Ol数据分析的三个阶段B端产品的数据分析,一共包含三个阶段。分别是数据衡量业务、数据洞察业务,以及数据指导业务。1 .数据衡量业务通过管理报表,我们可以快速衡量业务发展的状态。也就是所谓的管理信息化数据分析最基础的功能。不过,在很多企业,这一项基本功能也存在很大问题。比如,数据准确性、实时性存在问题,以至于报表辅助决策的能力大大被削弱。要做到准确.实时的衡量业务,产品经

3、理首先要理解数据的业务逻辑。比如,对于CRM系统来说:线索数*转化率客单价=成交额对于财务管理系统来说:收入一直接成本二毛利在梳理清楚业务逻辑后,产品经理最重要的工作就是确保系统按逻辑运行,并正确产生数据。这里有很多细节问题。比如,在计算毛利时,是否要含税?赠品是否计入直接成本?它们往往是左右数据准确性、实时性的关键。有时候,要解决这些问题,产品经理还需要协同业务部门,对业务流程和系统功能进行调整。曾经,我咨询的一家企业,董事长坚持投入了数百万建设CRM系统,然而COO根本就不用系统生成的报表。原因在于,CRM系统的管理报表与门店的手工报表始终存在差异。在用三个月集中处理掉这些问题后,COO终

4、于可以放心使用CRM系统报表。结果,公司经营会议的召开频率大大提高,从一月一开提升到一周f。同时,由于不再需要人工统计数据,各个门店、总部都减少了行政岗位,为公司节省了一大笔开支。2 .用数据洞察业务通过数据分析,可以找到业务发展的机会。这里的关键在于,我们不仅要有准确的结果数据,还要有必要的过程数据。比如,分析CRM数据,最简单的方法就是分析各个渠道的线索转化率和ROIz对于ROI较高的渠道,可以加大投入。但是,这样的分析还远远不够。因为,各个渠道的ROI并不是固定不变的。比如,我们在某广告平台投放了广告帖子,用户如果对帖子名称等信息感兴趣,就会点击查看帖子详情。如果服务符合客户的要求,他们

5、就会主动联系我们,从而生成CRM系统的线索。经过分析,我们发现帖子点击量与有效线索数量的比例是相对固定的关系。这就意味着,只要我们想办法提高帖子点击量,就可以提高有效线索数量,从而提升成交数量和金额。在这个实际案例中,通过优化帖子名称、定期刷新帖子等方式,该广告平台的成交金额提升了整整一倍。在B端业务中,用数据洞察业务的难点,在于缺乏过程数据。这时候就需要我们主动创造数据。比如,在广告平台的案例中,我们是通过什么数据筛选出更有效的帖子名称呢?。答案就是AB测试。保持其他内容不变,仅仅修改TB分帖子的名称。1个月后,将修改后的点击量与修改之前的点击量上匕较,以及与其他未做变更的帖子比较,从而筛查

6、出点击数量明显上升的帖子名称。在这个过程中,我们实际上通过AB测试创造了新的数据。再比如,一个传统的线下经营企业,如何通过数据分析提升转介绍成交金额呢?如果我们不创造新的数据,仅仅凭借碎片化、难收集的线下数据,是很难找到突破口的。这个案例的破局点在于,我们开发了一套基于微信的转介绍小程序,再通过运营手段,让客户通过小程序进行转介绍操作。这样,我们就可以收集到必要的过程数据。比如,我们发现,转介绍的潜在客户只要进店体验,成交率就很高。但是,很多潜在客户在收到老客户的优惠券后,并没有及时进店体验。在这种情况下,我们就可以通过运营手段,促进转介绍渠道的潜在客户进店体验,并监控转化效果。3 .用数据指

7、导业务不管是用数据衡量业务,还是用数据洞察业务,其形式仍然是传统的报表工具。数据分析的效果也主要体现为事后判断,并不能实时指导业务。在数据分析的第三个阶段,我们要跳出报表工具的形式,把数据分析融入到业务流程和系统功能。同时,通过“前置数据分析,起到实时(realtime)、适时(righttime)指导业务的作用。比如,通过数据分析,我们发现天气对便利店饮料的销量有很大影响。太阳天的饮料销量,是雨天销量的2倍。那么,当业务员在拜访便利店时,我们就可以结合天气预报等数据,提醒业务员加大饮料的推销的力度。再比如,线下门店的案例中,当有潜在客户进店体验,在输入客户的手机号后,APP就可以提醒服务人员

8、:该客户来自张姐的转介绍,成交概率很大。而且推荐张姐评价最高的X项目最有可能成交。对于B端业务来说,这个阶段最难的一点,在于业务流程的在线化不足。这就导致我们很难拿到全面、准确的过程数据,以达到指导业务的效果。就是我们常说的:B端没有大数据,只有小数据。不过数据指导业务是数据分析的必然发展方向,B端业务也不例外。我相信,B端产品在这个方向有着巨大机会。02如何培养数据分析能力阿里巴巴前数据委员会会长车品觉老师,曾经提出过一个混、通、晒的能力框架,我觉得也非常适合B端产品经理提升数据分析能力。 所谓混,就是和业务混在一起; 所谓通,就是打通数据孤岛; 所谓B西,就是展示数据分析成果。1、混和业务

9、混在一起,一方面是混业务知识,另一方面则是混人际关系。不懂业务玩法,不了解业务痛点,就不可能有的放矢的分析数据;和业务部门关系不好,就很难充分协作,合力攻克难题。很多时候,我们为什么缺乏商业敏感、数据敏感,就是和业务混得不够。曾经,SaaS星球有T立甲方B端产品经理提问:刚入职新公司,领导安排她去业务部门轮岗1个月,但是她觉得自己身为产品经理,天天做的工作却和产品设计没有关系。她想知道自己应该怎么做,才能体现出T立产品经理应有的价值。我提醒她:你做产品设计的机会很多,但是你到业务部门轮岗1个月的机会却不多。抓住这个机会,切身感受业务的难点和痛点,同时和业务部门同事搞好关系,对今后的工作开展会有

10、很大的好处。这位员工其实很幸运,遇到一位懂行的领导。我曾经见到一种情况,某领导安排T立产品经理牵头设计SaaS产品,并且同意他出差拜访客户。但是,仅仅在拜访过一次客户后,领导就要求产出成果!很显然,该领导低估了混所需要的时间和频次。我在负责SaaS产品的时候,经常和客户成功部门负责人、销售部门负责人混在一起。这不但让我了解到更多业务数据,也让我有机会与其他部门一起推动产品的发展。比如,我曾经和客户成功部门负责人一起分析活跃度与续约率的关系。我们发现:非核心功能的活跃度,与续约率不存在相关关系;核心功能的活跃度,与续约率存在强相关关系。同时还发现:只要在3个月内,新上线客户的核心功能实现了活跃,

11、那么这个客户的存活几率就很大,而且续费率也很高。反之,如果3个月未实现核心功能活跃,这个客户就很可能流失。这些数据洞察,对我的产品设计工作,以及客户成功部门的服务工作都有很大的启发。在负责甲方产品团队的时候,我也要求产品经理每个月必须有2天时间外出,和业务同事一起去拜访客户。实际上,我并没有指望几次拜访能够产生了不起的突破。但是,外出拜访可以让产品经理更多的与业务同事、与客户混在一期,这对于他们的工作和成长会有很大帮助。2.通在实际工作中,由于业务分工明确,也由于部门墙的存在,商业与数据之间、数据与数据之间存在很多阻断。比如,市场部门购买了很多线索,认为自己功劳很大。销售部门却觉得这些线索质量

12、不高,不但很难成交,还无谓占用了自己的时间。解决的关键是市场和销售的数据要打通,同时两个部门坐到一起来讨论:哪些线索的转化率低?为什么转换率低?是市场部门的线索质量把关不严,还是销售部门的跟进存在问题?曾经,某门店连锁企业把线下活动作为主要的获客方式。这种拓客方式最大的问题,就是线索质量不高。同时,由于活动拓客带来的客户进店很集中,这就大量挤压了服务人员服务老客户的时间。即便服务人员和部分客户都怨声载道受限于过去的成功经验市场负责人一直坚持这种获客方式,以至于忽略了其他可能性。于是,我让产品部门对所有获客、成交和复购数据拉通进行分析,计算各渠道线索的获客成本、转化率、客单价以及复购率。结果发现

13、线下活动是最低效的获客方式。同时,产品部门还发现转介绍的效率是最高的。但是市场部门却从来没有系统运营过转介绍活动。最终,经过协商,市场部门同意拿出一个月时间来主打转介绍。结果,运营活动取得巨大成功。不久,市场部门开始常态化运营转介绍活动,仅仅第一年,就给公司带来了30%的收入增长。在这个案例中,产品经理其实就起到了通的作用,不但将业务与数据打通,实现通过数据驱动业务,还打通了部门墙,促进了部门之间的协作。提升通的能力,需要产品经理有系统化的思考。很多B端产品经理工作了十几年,经验积累了很多,但是只能解决一些单点问题,无法站在全局去梳理业务和发现问题。这就是他们平时只是被动应付工作,很少主动去思

14、考,从而形成系统化的思考框架。比如,营销相关的产品经理,就应该熟悉客户的全生命周期阶段,包括:潜客新客老客沉默客流失客这些类型的客户如何定义?有哪些衡量指标?有哪些运营策略?有哪些实践案例?只有拉通理解了整个过程,在工作中去实际应用,才能提升通的能力。3、晒所谓晒,是通过展示数据分析的成果,让用户爱上数据工具,爱上数据分析。比如,梳理出对业务最重要的核心数据,在APP首页进行展现,就可以显著提高用户使用数据的频率。曾经,我咨询的一家公司所有数据报表都在PC端。虽然报表功能强大,但是管理者的使用率并不高,更不要说门店员工了。后来,我们梳理了报表的核心数据,把那些影响门店业绩、影响个人收入的指标提

15、取出来,放在员工端APP首页,并确保数据的准确性和实时性。结果,公司CEO告诉我:门店店长每天都要刷十几遍APP数据,晚上睡觉前还必须刷一次,如果业绩不好还会影响睡眠。除了店长,下至一线员工,上至总部领导也都养成了刷APP的习惯。晒”数据的关键,是要把数据分析“产品化,或者说,像设计产品一样设计数据分析。这样才能让用户高频使用数据,甚至让用户爱上使用数据。首先,晒数据要从痛点出发。对用户没有价值的数据,哪怕你做得再精美、使用再方便,都不会用人查看。第二,要确保数据工具的高可用、可解释高可用,就是用户可以通过简单的操作进行数据分析;可解释,则是当用户对某个数据产生疑问,系统能做好数据定义的解释工作,同时提供源头数据,方便用户追溯与核对。第三,数据分析要嵌入业务流程,融入日常业务“晒”的最终目标是脱离报表的形式,让数据分析融入到产品功能中,融入到日常业务中。比如前面提到的根据天气预报,提醒业务员加大饮料推

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > IT计算机 > 数据结构与算法

copyright@ 2008-2023 yzwku网站版权所有

经营许可证编号:宁ICP备2022001189号-2

本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知装配图网,我们立即给予删除!