数智观察站第三期：从用户分析到BI体系搭建

数据分析演进之路 By：接地气的陈老师 •主讲人：接地气的陈老师 •11年经验数据分析师，资深咨询顾问，盈余科技数据总监，在互联网，金融，零售，快消，家居，美容等15个行业，有40个以上CRM、精准营销、数据运营项目经验 •欢迎扫码关注公众号：接地气学堂，了解更多数据分析、数字化运营专题 目 录 用户分析是什么的？ •用户分析是光明正大的分析页面行为 •用户分析不是窥探隐私 •从行为中推测用户需求、改善产品/流程 •用户分析更不是盗卖用户数据 为什么要做用户分析？ •“你自己看，哪一半被浪费了！！”•“而且能看到，浪费在哪里了！” •“我知道有一半的广告费用被浪费了”•“但我不知道是哪一半？？？？？？” 用户分析，有哪些分析？ 用户分析是移动互联网时代的新焦点 •2021年谈用户行为分析，就像2009年谈门店动线分析一样 •渠道是最大的成本投入与最大的利润来源，用户行为分析就是2021年的渠道分析 直观看：用户分析的不足之处 •问题越是出在转化流程的后端，越难说清楚到底是啥原因 •甚至负责转化流程前端的部门，会故意给后端挖坑，“死道友不死贫道”…… 更深层看：用户分析的所需要的其他支持 •用户行为，是品牌、营销、产品、供应、服务、大环境、对手共同影响的结果。 •所有人一起发力，才能解决用户问题。 目 录 完整的商业链路，有几个环节？ •所谓互联网or数字化，更多在营销端发力，在供应端作用非常有限 •当然，在互联网时代所谓的“创新”模式，也更多是营销端创新 •在供应端，该踩的坑一个都少不了！ 其他分析之一：权益分析 •权益不是用户产生的，而是业务方给予的，业务方想怎么给，就怎么给，只是效果有差异 •并非所有企业都像互联网企业一样简单粗暴的：大撒币。体验装，服务体验，礼品，都是权益 权益管理与权益使用流程，同样需要数据监控 •权益其实就是一套小商品体系，会产生大量数据，并且都是企业内部数据，与用户行为无关 •对于有服务窗口和线下体验流程的行业（银行、航空公司、美容、健身、学校、体检、餐厅……）权益管理非常重要，管理好了，能有效形成差异化体验，打造除了价格以外的竞争优势 •管理不好，就是单纯的浪费成本，劳民伤财，还不见效益。 其他分析之二：供应分析 •供应链的分析及其复杂，任何一个模块单独拆开，都是一本书的规模 •仅仅因为，现在互联网企业基本都是收费站角色，因此关注较少（O2O/自营电商除外） 供应链分析是重资产行业的核心分析 •供应链涉及角色非常复杂，有大量过程数据，且与用户行为无关 •对于大规模生产线（汽车、家装、家具、零售、）大量人力（服务业、O2O、网约车）库存标准高（生鲜、医药等需要冷链的）相当重要，打价格战的底气，本质来自供应链能力。 其他分析之三：售后履约分析 •售后履约看似简单，可实际上涉及复杂认证过程（谁、诉求、能不能退、换、修……） •互联网平台似乎都是一退了之/一券了之，可对应的，是成本高企 售后履约对体验多、配件多复杂商品，特别重要 •履约本身对有服务体验（家装、家居、家电、汽车、美容、餐饮、教育……）特别重要 •特别是，为了对抗互联网平台的流量剥削，通过履约过程提升顾客体验，转化顾客进入私域，对于转介绍和复购都非常有帮助。 其他分析之四：财务分析 •财务分析是最传统，历史最悠久的分析，实际上企业经营第一件事就是查账…… 财务分析是所有管理层的最爱 •财务类数据并不等同于经营数据，因此打通二者联系，将财务关联到经营数据才是关键 即使在营销端，不同场景，也有不同分析特点 •用户行为并非单纯由用户发起，很有可能受到导购/代理人/私域运营/门店……等渠道行为影响 •因此，单纯用户行为分析，不足以满足有渠道引导的场景，需要：渠道信息+渠道策略+渠道行为+用户行为 •四大方面合一的综合性分析，才能更好提升自有渠道效率，对抗互联网平台的剥削 典型的综合性营销场景 有重复消费的快消品：餐厅、服装、母婴 引流工具与引流效率数据分析 •除了记录用户行为，还需要掌握渠道本身数据特点 •特别针对门店/代理人模式，其个人执行行为的数据收集，个人执行力的考核，才是制胜关键 运营工具与运营SOP数据分析 •运营工具：社群管理、机器人问答等，不但能有效提高运营效率，而且这些运营规范与运动动作，才是导致用户行为的关键。 •相当多公司的私域运营很混乱，本质上是缺乏工具所致。 •需要分析数据更多：工具使用+SOP执行+用户行为 促成工具与促成方式数据分析 •促成工具：顾客个人信息提醒、个性化话术、问答Q&A、顾客跟进提升、优惠手段等，能极大提升导购/代理人执行力，从而促成顾客消费。 •如果不能改善导购/代理人行为，用户行为也无从谈起。 •需要分析数据更多：工具使用+跟进行为+用户行为。 小结：数字化时代，企业的经营正从纸质向数字转变 •没有数字化系统，意味着管理空白；薄弱的系统，意味着管理薄弱；管理薄弱，意味着脆弱的竞争力 小结：数字化系统，对应着数字化管理与数据分析巨大需求 数字化时代原生企业的演进路线 •相当多的企业是这么做的，但这么做并不一定代表正确，过度消耗营销成本，产品欠差异化，履约能力差，是相当普遍的问题，换句话说，如果供应能力足够强，有可能有新的竞争方式 传统企业的演进路线 •相当多的企业是这么做的，看似努力追赶数字化大潮，经常在执行的时候缺少重点，撒芝麻式投入，对核心竞争力缺少清晰梳理，对核心能力（营销力、执行力、供应力）缺少强化。数据收集了一大堆，发力的很少。 目 录 你是否担心这些问题，再发生一次？ •“老板你看，我们直播有70万人次观看，积累了多少大数据呀，就差分析一下了” •“企微已经加了100万用户了，散花！下边看看咋把这100万和原来微信社群，会员ID搞一搞” •“疫情期间上了有赞，现在有赞和门店两边投钱，能把会员合并一下不？？” 本质问题：数据是长期艰苦的工作 基本原则：掌握数据是第一位要求 •数字化与数据工具，不是业绩的春药，不能一针见效 •了解现状始终是第一位的要求，数据质量不佳，数据凌乱，数据不统一，其他的都谈不上 为了了解数据，需要做到的三大要求 •面对多种数据来源，多种数据库，多种业务系统对接的复杂情况，做好数据管理是第一位的 基本原则：想让数据用起来，报表是核心 •很多数据从业者喜欢大屏，数字越大，代表数据越大，老板一眼就看到钱花在哪里了…… •会看数据的，报表比可视化好用；不看数据的，可视化看了也白看……“你整的这，为公司赚几个钱？？” 拖拉拽的报表与信息提醒，能省下90%工作量 这个数据老板要下班以前要给到别问我是干什么反正拆细就对了 对一线工作人员，信息提醒…&移动端报表非常好使 基本原则：识别问题≥寻找机会 •好的业务一定是天时、地利、人和，不是数据直接算出来的，但差的业务，常常差的非常显眼 •减少低级错误，比指望天降大神，来的更快，更容易，更见效 浅谈用户行为分析 初步认识用户行为分析 用户行为分析是对用户在产品或触点上产生的行为及行为背后的数据进行分析，通过构建用户行为数据分析体系和用户画像，来改变产品、营销、运营决策，实现精细化运营，指导业务增长。 数据来源：1.线上触点：App、H5、Web、小程序、企业微信、电商平台等 2.线下触点：门店动线、400、可穿戴设备等 数据归属：1.一方数据 2.二方数据3.三方数据 数据价值：一方数据>二方数据>三方数据 分析对象：用户 基本逻辑：谁？在什么地方？在什么时候？发生了什么？怎么发生的？（who+where+when+what+how） where+when+what构成了一个用户行为的事件 例如：张三在2021年5月1日20:00:00，在京东App，iPhone 12商品详情页点击了加入购物车按钮 采集上来的数据范围：1.用户及用户属性：用户ID+用户基本属性+用户标签 2.事件及事件属性：加入购物车事件+购物车商品名称、价格、数量 用户属性的范围 用户行为数据的基本分析思路 如何降低获客成本，有效获取高价值用户？ 哪个渠道带来的新增用户更多？ 哪个渠道的虚假流量占比更少？ 哪个渠道的高价值用户更多？ 哪个渠道的转化效果更好？ 用户行为数据的基本分析思路 用户行为数据的基本分析思路 如何提高营销转化率、提升收入？ 落地页跳出率90%，产品做得再好也是事倍功半！ 优化哪个转化环节，可以最有效的提升转化率？ 流失用户去了哪？ 理财这种“小B”转化周期长，如何提高转化率？ 用户行为数据的基本分析思路 触达流失人群 定位转化瓶颈 突破转化瓶颈 优先优化转化瓶颈出的产品设计，用数据验证优化效果 用户行为数据的基本分析思路 用户行为数据的基本分析思路 以产品使用为初始行为，以转化达成为后续行为定义留存，查看流失用户数据；流失增幅越大，前一天越要优先通过上文提到的“点击下钻，高效召回流失人群”的方法，进行投其所好的用户触达，降低在漫长的决策周期中，用户流失的风险，有效提升整体转化效果。 客户案例——九阳豆浆机，打通IOT与APP智能运营 打通用户唯一标识，通过IOTSDK+服务端SDK+线下数据导入帮助九阳实现用户全景数据智能运营 观远数据 互联网企业经营分析探索分享 观远数据何亚军2021年05月 观远数据公司介绍 观远数据“AI+BI”让决策更智能 一站式智能数据分析解决方案提供商 CMU微策略阿里云支付宝全球算法专家社区KAGGLETOP1% 最佳可视化分析公司平均10+年数据分析经验杭州·上海·深圳·北京 签约多家500强及本土新锐品牌 •公司总部位于杭州，并在北京、上海、深圳等地设有分支机构，核心团队成员均已耕耘在数据分析领域10年以上•观远数据目前已获得包括独秀资本、襄禾资本、红杉资本、线性资本、华创资本等多家顶级VC机构的投资，并先后入选微软加速器、万达创新加速器、腾讯AI加速器 互联网经营分析探索 互联网企业经营分析体系 用户流量分析-透视平台流量及转化路径 用户流量分析-会员洞察 会员总览 •新增会员留存•新增会员•流失会员•会员留存率•会员流失与新增率对比•会员分布 对各渠道会员的分布、新增、销售占比、留存率、转化率趋势等进行分析 会员画像会员购买偏好VIP会员明细会员品类偏好 商品分析-重点数据分析场景 02 01 商品运营监控 品类结构分析 商品库存监控 •整体库存分布•库存结构分析•库存周转分析•断缺货分析•有货率/满足率分析•库存异常监控 •品类结构分布•商品ABC分析•价格带分析•单品销售量/利润/净销售额排名•价格区间商品销售量/利润排名•品类优化分析 •业绩达成分析•时段销售分析•销售ABC分析•商品动销分析•品类订销废分析•关联销售分析 营运分析-订单数据跟踪分析 全渠道电商平台订单数据全盘跟踪和分析，帮组运营人员及时了解订单状况 销售区域渠道平台 核心指标 •总销售额•销售量•退款金额•净销售额•周/月销售额趋势•销售地域分布 销售分析-业绩全面监控 同期和目标达成分析包括了月/季度的目标达成率、年度目标达成率、季度同环比比较/年度同比比较 营销分析-广告促销效果评估 •投放平台•营销类别•浏览量•点击量•花费•成交金额•ROI •发券数•核销数•核销GMV•转化率 对促销商品的总体折扣率、各类目客单价对比、用券类客单价对比、折扣类型分布等进行分析 如何打造互联网企业分析平台 基于云原生的平台技术架构，完美适配互联网企业技术体系 数据中心-多数据源融合能力，打通互联网企业所有业务系统 智能ETL-简化数据建模方式、业务用户也能成为建模小能手 •多数据源关联、聚合•数据清洗、异常值处理•数据口径统一•数据追加合并•复杂规则系统•条件触发智能更新 可视化