数据分析师该这样霸气回应“0.00008的转化也很好”的谬论

浏览: 1273

活动做的好不好,到底谁说了算?

 

“花费300万成本做促销推广,买了一堆KOL,淘宝广告,微博刷屏,最后转化率0.00008,也是极其成功的活动,原因有三:”

“第一,花钱做社交媒体就是没转化的,这是常识”

“第二,营销的核心关注点是用户的情绪,不是数据”

“第三,这种活动对品牌长期效应难以估量,数据是不管用的”

品牌总监振振有词的说道,还随手转发了若干自媒体,公关大V发的《谈ROI的都是耍流氓》一类文章。“你看资深人士都是这么说呢!不要相信数据分析的结论,他们不懂业务!”

 

作为数据分析师的你,听了这种言论是什么心情?

 

呵呵!

 

活动做的不好的时候,数据就不是重点了。

活动做的不好的时候,就开始抱怨什么难以量化了。

活动做的不好的时候,就开始扯什么“长期”,“情绪”了。

 

十有八九,后边还有一句:“不是我们策划的不好,是我们的数据分析做的不到位。我们的数据分析没本事估量长期效应,收集不到口碑数据。我们的大数据建设严重落后,无法做深入分析。你看,我们刚刚又花了笔钱做调研,调查回来用户满意度99.9%,用户6个月后都考虑购买呢”。

 

呵呵*2=呵呵!呵呵!

 

可以预见,如果活动做的好,一定是这么个场景:


我们ROI=1:250,新增用户300万人,拉动业绩7.5亿,推动老板您本月KPI达成率250%。这个时候就没有数据不准,数据不是重点,数据难以量化了。所以数据管不管用,准不准确,主要是根据业务部门的心情与需要来决定的,恩恩。

 

呵呵*3=呵呵!呵呵!呵呵!

 

当然,上述场景只是最近爆火的一个话题引出的段子。然而问题却是很现实的。我们总说:“数据驱动决策,分析提升效益”然而数据经常成为业务部门的玩具。碰上强势的,好诡辩的业务部门是很郁闷的事。数据变成了他们事前立flag,事后甩锅的工具.轻则抱怨分析无能,重则把责任都甩给你,说是你分析不准导致误判,着实令人气愤。

 

 

拒绝黑锅,可以做这三件事

 

(1)摆正位置:反映事实是数据分析师基本职责

 

业绩是做出来的,不是算出来的。数据分析师只对事实负责。再好的分析,也得靠业务部门落地。再好的报告,也需要文案,策划,投放,促销力度,礼品,图片来支持。最终成果是所有部门通力合作的结果,不是数据分析师神机妙算,掐指一算就出来的。

 

数据分析师的基本职责与第一要务,是保证反馈事实的真实性。所谓的真实,是可观察,可量化,可复核的明确指标。因此需要聚焦内部的,可跟踪的,可查来源的数据。这也是为什么数据分析一般会和调研分开两个部门独立工作的原因。如果一个指标难以观察,无法量化,也无从复核,那么宁可大大方方的承认我们无法分析,也不要随意的蹚这趟浑水。因为失去了真实性与客观性,数据分析师的存在的根基就没有了。

 

不解决增长问题的营销都是耍流氓,不支持增长的分析也是耍流氓。数据分析师们关注数据指标,量化复核,本质上是为了积累成功经验,提升后续工作的效果。如果一个活动真的不考虑收益,不考虑效果(随便玩玩),那跟数据分析师有什么关系?如果不承认眼前的效果,非要扯长期效应,那么我们就认真来探讨:什么算长期,是观察3个月?6个月?还是9个月?是关注消费金额还是消费频次。

 

所以大家注意:如果真的业务方坚持:“这个XXX项目就是不赚钱,没效益,花几百万是为了玩玩,这是常识”那么在立项的时候大家说清楚,不考核,不设KPI,不做分析。泾渭分明。只要涉及效益,涉及考核,那么在事前一定要了解清楚业务背景,选择老板认可的观察指标。事前谈清楚,事后少扯皮。数据质量,数据采集,数据分析都不是问题的遮羞布。

 

(2)明确标准:“好”“坏”是什么,提前说清楚

 

单纯有指标是不够的,什么算好,什么算坏必须提前说清楚。好和坏都是相对值,那么参照物是谁就非常重要。理论上,可以参照:

 

活动前XXX天 VS 活动后XXX天

参与活动群体 VS 不参与活动群体

有活动区域 VS 没有活动区域

有活动产品 VS 没有活动产品

有活动时期 VS 无活动时期

正常销售进度 VS 活动预定目标进度

 

然而,没有一种对比方法是完美的。因为很难完全剥离其他因素。比如季节,比如产品特性,比如其他活动影响,比如“自然购买率”。越是声势浩大的活动,越会夹杂各种乱七八糟的因素。所以取一个完全无争议的,纯净的对比方式是很困难的。

 

树立标准,更多是要达成共识,特别是和老板的共识。只要老板认这个结果就万事好办。执行过程中,大家对这着结果努力。毕竟,业绩好万事好说,业绩差罪责难逃。做的不好,在老板面前找什么理由都白费。所以没必要自己折腾自己,非要提炼一个纯净的指标。而是聚焦到老板的关注重点。

 

当然这个标准也是要事先说清楚的。不然事后就等着业务部门无休无止的质疑你的评估算法不合理吧。

 

 

(3)梳理逻辑:潜在问题要主动分析提示

 

有了明确的考核指标与清晰的评估标准,数据分析师们可以施展拳脚了。我们说无法量化就无法考核,无法考核就无法改进。但是可量化,可考核的话,就能找出问题了。还是开篇的例子,如果要支持一个推广促销活动,可以至少分析以下维度:

 

整体上活动逻辑是否有偏:活动设计是建立在用户需求洞察之上的。虽然调研能更深层的捕捉用户意见,但用户实际购物行为靠内部数据更容易验证。比如活动希望向XX类型用户推一个产品,那么通过用户画像,该类型用户是否真的有需求?是否过往有购物记录?是正好在补货周期内还是已经被满足?这些分析可以防止活动出一些本质性问题。

 

策划上,具体要求是否合适:80%的用户单笔消费在300以下,非要把活动参与门槛定在单笔1000块;70%用户购买后3个月内才会补货,非要把活动时间放在上次活动结束1个月后。这种问题都是典型的思路正确,执行错误。虽然业务部门做方案的时候会有自己的理由,但是这种明显误差必须主动提示,让他们想清楚可能的风险。

 

推广上,渠道选择是否合理:对于各个推广渠道,历史的新人数,转化率,ROI数据是非常重要的。对于推广效果不佳的渠道,既然已经吃过亏了,下次就得慎之又慎。而不是拍脑袋搞什么大张旗鼓,全线铺开;也不是自以为换个文案图片就能摆平所有问题。业务部门可能脑子一热就想出来一个很好听的口号,但是疗效还是要靠分析是来把关的。

 

运作上,即时告知风险与机会:虽然考核结果的时候关注的是一两个核心指标,但为了提高运作效率,监控活动执行时,推广→响应→销售→库存一整个活动链上的数据最好都详细看。保证产品供应充足,在响应低的时候主动提示,便于业务部门第一时间启动预案,免得事后再懊恼效果不好。

 

当然,以上的话是说给知心人听的。数据支持业务,优先支持的是尊重数据,共同打造业绩的业务部门。

 

 

——全文完——

 

额?这就完了?说好的霸气呢?

 

也就是标题霸气一下而已。数据分析师作为一个专业度很高的辅助岗位,淡定沉着,谨言慎行是很好的行为方式,因此语言上肯定不能霸气了。你看军师们都是很镇定的运筹帷幄,上场骂阵的都是莽夫。但是,坚持科学的态度,坚持实事求是,认真梳理逻辑,事实说话,本身就是最大的霸气!


当然,想不被业务部门嫌弃不懂业务,还是得学一些业务知识的,戳这里开启业务知识传送门:https://wx4aacb2eb97a19568.91pintuan.com/group/5910882d8560c2931820f722


要争取老板的支持,才是抵御各种业务部门虾兵蟹将指责的最好盾牌,向老板汇报的正确方式,戳:https://ask.hellobi.com/blog/chenwen/7768




作者介绍:陈老师,在咨询行业打拼了9年,在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战,天善智能特邀专家。


数据分析职场路上有困扰吗?不妨到《数据分析师八大能力培养课程https://edu.hellobi.com/course/272 里聊聊!

视频课程特色:

从真实数据分析工作场景出发,训练实战能力

启发式教学+大量实际操练,培养属于自己的能力

不依赖于某个具体技术,也适合对数据分析感兴趣的学生、业务部门人士学习

推荐 8
本文由 陈老师 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

2 个评论

大IP好多不靠谱的
最近更新的很慢了

要回复文章请先登录注册