數(shù)據(jù)分析師最怕的，那必須是無窮無盡的取數(shù)需求，這一次，面對這個需求場景，我們從被動變成主動，做到了用數(shù)據(jù)分析助力運營，直接上干貨，開整！

問題場景：某電商公司，近期通過數(shù)據(jù)發(fā)現(xiàn)有大量用戶出現(xiàn)添加商品至購物車但不付款（簡稱：加購未購）的情況，運營已針對此情況開展工作，但領導們不滿意，要求數(shù)據(jù)分析組通過用戶畫像模型進行加購未購客群分析，提升付款比例。

假設你是該公司的數(shù)據(jù)分析師，問……

問題1：你是數(shù)據(jù)分析師，你第一件事做什么？

1. 看過去3個月加購未購的數(shù)據(jù)走勢

2. 建立用戶畫像模型

3. 進行加購未購客群分析

4. 進行付款率分析

5. 和運營聊聊他們在干啥

先思考這道問題。如果這個題目想不明白，那思考下個題目

問題2：在本場景里，領導的需求是什么？

1. 需要用戶畫像模型

2. 需要客群分析報告

3. 需要提升付款比例

4. 需要改善運營工作

先思考這道問題。如果這個題目想不明白，那思考下個題目

問題3：你在網(wǎng)站買東西，以下哪個最能讓你下決心付款

1. 網(wǎng)站服務器里多了一段代碼

2. 網(wǎng)站工作人員寫的ppt

3. 你看到了新上市的爆款iphone

4. 你看到了新上市的爆款iphone且比其他地方都便宜

5. 你看到了新上市的爆款iphone且比其他地方便宜500多塊錢

思考一分鐘，揭曉答案哦

1 運營優(yōu)化項目，從這里做起

數(shù)據(jù)分析之所以做了沒屁用，80%是脫離實際，閉門造車的結(jié)果。脫離實際，閉門造車的根源，在于做數(shù)據(jù)的人太沉迷于數(shù)據(jù)本身，忘了真正要干啥。

比如本案例場景，如果扒皮抽筋的問上邊三個問題，傻子都會看明白：

1、用戶只會為了一個具體價格的具體商品買單，不會為ppt、代碼買單。

2、領導需要的是改善運營工作，運營工作對應的是文案、活動、頁面、價格。

3、改善運營工作，得先整明白人家在做什么，到底有多少空間可以改善。

4、至于算法、模型、報告、公式、甚至數(shù)字，都是尋找改善方法的一種手段。

所以第一時間，得去找運營談這些：

1、目前針對該客群有哪些措施

2、各項措施上線時間點

3、領導具體不滿意表現(xiàn)

注意，第一步要了解的是具體動作，至于這個動作的好壞，可以聽運營解釋，但是更多的要自己去分析。結(jié)合數(shù)據(jù)趨勢，發(fā)現(xiàn)潛在機會點和問題點（如下圖）

這里溝通的技巧也很重要。注意，在本場景里，領導們的不滿已經(jīng)是掛在臉上的，這時候在運營面前，要堅決表現(xiàn)出：我是和你們一起想辦法，我們一起把這個差交了。這樣才能爭取到更多支持。如果擺出一副：我牛逼，你們都是傻逼的態(tài)度，那就等著被人各種掣肘，最后落魄收場吧 。

2 第二個關鍵問題問題4：經(jīng)了解，發(fā)現(xiàn)運營目前的做法是，按加入購物車的金額的10%派券，比如100元商品派10元，200元派20元，無差別派券。了解到這個以后，你會做……

1. 建立用戶畫像模型

2. 撰寫客群分析報告

3. 分析付款比例曲線

4. 拆分商品轉(zhuǎn)化情況

先思考這道問題。如果這個題目想不明白，那思考下個題目

問題5：你會如何證明，你對加購未購問題產(chǎn)生了積極作用

1. 匯報用戶畫像模型

2. 匯報客群分析報告

3. 匯報付款比例曲線

4. 匯報運營效果變化

先思考這道問題。如果這個題目想不明白，那思考下個題目

問題6：以下哪種情況，能證明新策略產(chǎn)生了效果（如下圖）

思考一分鐘，揭曉答案哦

3 破局，從這里開始

人的普遍心理就是：等得越久，期望值越高。特別在已經(jīng)開始著急的時候，就更希望能快速見到效果。

所以在本場景里，用戶畫像也好，模型也好，報告也好，都對，但是首要考慮的是：多長時間見效。見效越快越好。

同時，見效的方法越簡單越好。因為越復雜的方法，能參與進來的人越少，意味著自己背的鍋越大。

比如上一個超精準購買模型，除了做數(shù)據(jù)的誰都看不懂。那最后如果效果不好，勢必只有做數(shù)據(jù)的自己背鍋。這又牽扯到：寫多少行代碼能讓顧客消費的問題?？傊?，不要指望代碼，要和運營并肩作戰(zhàn)，優(yōu)先丟優(yōu)惠券。

可能很多同學聽了：見效又快又好，就覺得難辦。注意，這里見效也是有好幾種效果的。用最簡單的投入產(chǎn)出比概念，減少投入，增加產(chǎn)出，提高比率，都算有效。所以，從一開始就不要把目標定為徹底解決問題，而是不斷優(yōu)化效果。這樣既容易交差，又能持續(xù)見成績。

這樣梳理后，思路就清晰多了：目前的全面派券是很粗暴的做法，不同商品的利潤率不一樣，這么簡單粗暴打折，很有可能嚴重壓縮毛利，甚至出現(xiàn)負毛利產(chǎn)品。同時，有些商品臨近保質(zhì)期，可以釋放更多利潤出來清貨，有些商品本身利潤很高，有空間再釋放出來。這樣梳理完，第一階段的行動就很清晰了（如下圖）

4迭代，持續(xù)優(yōu)化效果問題7：以下兩個選擇，先做哪一個？

1. 減少成本

2. 增加產(chǎn)出

注意，本場景，是領導已經(jīng)不滿意了，都找到外部門了。這種情況下，如果上來就說：我們還要追加XXX萬投入，要么本直接噴回來，要么領導們期望值會被吊得更高，以為追加以后效果無敵好。

這兩種情況都是在給自己挖坑！所以最好先從砍成本的角度入手，先砍掉一個明顯負產(chǎn)出的補貼，釋放營銷費用；之后再做一些臨期產(chǎn)品、清庫存產(chǎn)品；之后再拿釋放出來的費用貼高利潤產(chǎn)品，把加購轉(zhuǎn)化率拉高。

之后還可以持續(xù)迭代，比如高利潤產(chǎn)品的轉(zhuǎn)化率已經(jīng)提高的前提下，可以做價格彈性測試，適當減少補貼，再釋放一波營銷費用；單品做的差不多了，可以拿釋放出的利潤做滿減、或者交叉銷售。

這些還都是單純的在價格上做文章，數(shù)據(jù)計算難度小，又容易見效。畢竟給的是真金白銀的優(yōu)惠券。

這樣折騰下來，不但能見效，而且能拖很長時間。每個月試點，迭代四五次，至少也能拖個半年。這半年寶貴的時間，可以拿來為人工智能算法推薦大數(shù)據(jù)用戶畫像洞察做數(shù)據(jù)積累，也能爭取到充足的時間訓練模型。

在價格玩的差不多的時候，就能自然續(xù)上，效果持續(xù)優(yōu)化，人人開心。比一開始憋大招，憋半年然后屁用，沒有灰溜溜的走人，要強得多（如下圖）。

看完覺得寫得好的，不防打賞一元，以支持藍海情報網(wǎng)揭秘更多好的項目。

標簽： 數(shù)據(jù) 運營 的是 隨筆