數(shù)字化營(yíng)銷系列 數(shù)據(jù)分析及應(yīng)用 ——分析數(shù)據(jù) 精準(zhǔn)決策 優(yōu)化業(yè)務(wù)

1.數(shù)據(jù)分析，目的是指導(dǎo)業(yè)務(wù)工作的決策

2.電商運(yùn)營(yíng)的核心業(yè)務(wù)場(chǎng)景：客戶體驗(yàn)和商業(yè)實(shí)現(xiàn)

3.數(shù)據(jù)指導(dǎo)業(yè)務(wù)的前提：搭載業(yè)務(wù)場(chǎng)景與數(shù)據(jù)之間的數(shù)據(jù)模型

4.業(yè)務(wù)場(chǎng)景隨商業(yè)模式、業(yè)務(wù)戰(zhàn)略優(yōu)化，不斷優(yōu)化整個(gè)數(shù)據(jù)模型

5.數(shù)據(jù)模型通過(guò)收集數(shù)據(jù)、反哺業(yè)務(wù)優(yōu)化，實(shí)現(xiàn)彼此增強(qiáng)

【解析&案例】

1. 電商整體商業(yè)模型從流量電商轉(zhuǎn)向用戶電商和興趣電商，數(shù)據(jù)模型也在不斷發(fā)生變化

二．做模型、收數(shù)據(jù)、差缺口、找原因，做報(bào)表，數(shù)據(jù)分析五步走

1.基于商業(yè)模式、業(yè)務(wù)戰(zhàn)略和業(yè)務(wù)場(chǎng)景搭建相應(yīng)的數(shù)據(jù)模型

2.數(shù)據(jù)模型（算法）：自變量與因變量的函數(shù)關(guān)系

3.做好前臺(tái)接口，通過(guò)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)實(shí)現(xiàn)數(shù)據(jù)收集

4.數(shù)據(jù)分析的核心指導(dǎo)思想：看差異、找原因

5.數(shù)據(jù)分析的前置要素：標(biāo)準(zhǔn)值/目標(biāo)值的建立、數(shù)據(jù)捕獲、數(shù)據(jù)算法（函數(shù)）、算力（人力或云計(jì)算）

6.制作場(chǎng)景業(yè)務(wù)的分析報(bào)表，形成可視化文檔，指導(dǎo)優(yōu)化業(yè)務(wù)

【解析】

1. 常見(jiàn)的報(bào)表：客服響應(yīng)報(bào)表、發(fā)貨速度報(bào)表、客戶結(jié)構(gòu)報(bào)表、客戶活躍度報(bào)表...

1.數(shù)字化時(shí)代，讓運(yùn)營(yíng)工作從流量的經(jīng)營(yíng)轉(zhuǎn)向客戶的價(jià)值經(jīng)營(yíng)

2.流量經(jīng)營(yíng)模型解析:GMV=UV（流量）*CVR（轉(zhuǎn)化率）*P（交易金額）

3.客戶經(jīng)營(yíng)模型解析:GMV=N(客戶數(shù)）*P（交易金額）*R（交易頻次）

【解析】

1.客戶生命周期價(jià)值運(yùn)營(yíng)理論

2.增長(zhǎng)第二曲線理論

二．基于GMV=N*P*R的用戶增長(zhǎng)型數(shù)據(jù)模型解讀

1.N（客戶數(shù)），三大模型，助力用戶增長(zhǎng)

（1）漏斗模型：渠道-曝光-流量-轉(zhuǎn)化，層層篩選，實(shí)現(xiàn)客戶數(shù)拓客的數(shù)據(jù)捕獲

（2）裂變模型：種子-裂變指數(shù)-裂變代際，實(shí)現(xiàn)社交裂變方式的客戶拓新

（3）MCN模式：達(dá)人-客戶數(shù)，形成可復(fù)制的新客戶拓客模型

【案例&解析】

1. 淘寶漏斗模型，通過(guò)電話、會(huì)銷和全網(wǎng)推廣獲得新客

2. 微信公眾號(hào)商城，依托裂變模型，讓老客戶帶新客戶，實(shí)現(xiàn)低成本拓客

3. 中國(guó)移動(dòng)借助網(wǎng)格長(zhǎng)，推廣移動(dòng)“和彩云”產(chǎn)品

2.P（交易金額），三大策略，實(shí)現(xiàn)交易金額的提升

（1）關(guān)聯(lián)銷售：A-B-C，連單率 ，整體解決方案影響連單率

（2）限時(shí)活動(dòng)：活動(dòng)日客戶訂單交易額，提升單客交易總價(jià)

（3）會(huì)員權(quán)益：會(huì)員等級(jí)結(jié)構(gòu)比例，拉升節(jié)點(diǎn)性客單

【案例&解析】

1. 蘇寧家裝節(jié)，通過(guò)活動(dòng)拉升客戶整體客單

2. 中國(guó)服裝網(wǎng)，以內(nèi)容筆記影響客戶采購(gòu)

3.R（交易頻次），三大要素，影響客戶交易頻次

（1）DSR：如實(shí)描述、發(fā)貨速度、響應(yīng)速度，直觀影響客戶體驗(yàn)

（2）產(chǎn)品使用周期：客戶的RFM模型，為客戶交易頻次提供直觀價(jià)值參考

（3）場(chǎng)景挖掘：存量客戶的價(jià)值挖掘與定向營(yíng)銷

【案例&解析】

1.天貓通過(guò)DSR，實(shí)現(xiàn)對(duì)商家的服務(wù)質(zhì)量的評(píng)定

2.國(guó)網(wǎng)電商平臺(tái)，以項(xiàng)目招標(biāo)方式實(shí)現(xiàn)項(xiàng)目周期管理

3.芒果TV，基于私域存量用戶挖掘用戶價(jià)值，創(chuàng)作新價(jià)值增長(zhǎng)曲線

三．對(duì)標(biāo)數(shù)據(jù)指標(biāo)/目標(biāo)，尋找差距

1.借助同比和環(huán)比，設(shè)定本運(yùn)營(yíng)周期的GMV指標(biāo)

2.依據(jù)GMV模型，分解指標(biāo)，實(shí)現(xiàn)量化分解

3.借助數(shù)據(jù)中臺(tái)，即時(shí)查閱數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行對(duì)比分析

4.找出指標(biāo)差距，分析原因

【討論】

1. 影響N、P、R值的主要因子變量有哪些

四．?dāng)?shù)據(jù)分析，找到相關(guān)原因，進(jìn)行指標(biāo)優(yōu)化

1.數(shù)據(jù)分析的指導(dǎo)思想：對(duì)比差異、變量假設(shè)、統(tǒng)計(jì)歸納、行業(yè)對(duì)標(biāo)、平臺(tái)均值與峰值

2.同期數(shù)據(jù)比較：找出優(yōu)化指標(biāo)

3.單因子變量測(cè)試法：無(wú)歷史數(shù)據(jù)情況下，調(diào)節(jié)某變量，觀察數(shù)據(jù)，進(jìn)行測(cè)試

4.統(tǒng)計(jì)歸納法：無(wú)理式數(shù)據(jù)情況下，先行測(cè)試，逐個(gè)不斷優(yōu)化指標(biāo)

1.可視化報(bào)表的界定：通過(guò)表格、圖片、動(dòng)態(tài)視頻等展示

2.常見(jiàn)的報(bào)表類型：GMV報(bào)表、渠道流量結(jié)構(gòu)報(bào)表、產(chǎn)品結(jié)構(gòu)報(bào)表、客戶結(jié)構(gòu)報(bào)表

3.從運(yùn)營(yíng)周期談多久需要做一次分析報(bào)表

4.運(yùn)營(yíng)報(bào)表到底要細(xì)化到什么程度？

5.結(jié)論+數(shù)據(jù)分析+建議，讓一份報(bào)表能夠指導(dǎo)決策

【案例】

有贊商家運(yùn)營(yíng)生成的報(bào)表解析

二． 可視化報(bào)表生成工具及方法

1.可視化報(bào)表生成的基礎(chǔ)工具：EXCEL、數(shù)據(jù)透視表、VBA宏的應(yīng)用

2.自助式報(bào)表生成工具：Tableau、FineBI、PowerBi

3.借助數(shù)據(jù)中臺(tái)，自動(dòng)生成相應(yīng)報(bào)表

【解析】

Excel解決常見(jiàn)電商類數(shù)據(jù)報(bào)表的制作

三．借助FineBI完成可視化報(bào)表生成

1.明確指標(biāo)和各組件的開(kāi)發(fā)

2.借助之前的報(bào)表，對(duì)指標(biāo)、組件進(jìn)行復(fù)用

3.構(gòu)建模板，解決常見(jiàn)問(wèn)題

【演練】

FineBI的使用