很多同學總好奇：數(shù)據(jù)分析要怎么做，才能驅(qū)動決策？天天總聽人說：數(shù)據(jù)驅(qū)動，可現(xiàn)實中沒見過，只見過自己寫的報告石沉大海……
今天結(jié)合一個具體案例講解一下，到底如何做。話不多說，直接上場景。
問題場景：某二手交易平臺，其中舊貨回收環(huán)節(jié)，需要人工話務(wù)員進行轉(zhuǎn)化?，F(xiàn)在計劃引入智能機器人承接轉(zhuǎn)化流程，領(lǐng)導(dǎo)要求把人工話務(wù)員數(shù)量砍到80%以下，問：該如何做分析？
思考一分鐘
01、沒有數(shù)據(jù)驅(qū)動，會咋樣
很多人一看題目，說這要啥數(shù)據(jù)驅(qū)動呀。不就是砍人嗎，領(lǐng)導(dǎo)都要求砍80%了，直接派HR去宣讀辭退要求，搞掂！
這么干行不行？理論上行。但很有可能在砍完以后發(fā)現(xiàn)：這機器人不中用呀！電話接不住，轉(zhuǎn)化率刷刷往下掉。最后導(dǎo)致平臺供給出現(xiàn)問題，直接拉低GMV。
這就是數(shù)據(jù)驅(qū)動的直觀作用：驗證方案可行性，避免重大損失。
02、初級數(shù)據(jù)驅(qū)動
既然要驗證方案可行性，那么最直觀的做法，就是做測試。那么怎么測試砍多少人合理呢？最簡單的方法是：先砍10%，看看機器人能接住不；再砍10%，再砍10%……這樣逐步砍滿80%為止。這是數(shù)據(jù)驅(qū)動的直觀做法。
看起來，似乎很合理，但是隱藏一個問題：砍10%，從誰砍起？如果好死不死，砍到了轉(zhuǎn)化最好的話務(wù)員，那根本進不了下一輪測試，就會發(fā)現(xiàn)貨又缺了，GMV又崩了……
因此，做事后驗證，只是一種方式；事先分析，提前掃雷，也很重要。
03、中級數(shù)據(jù)驅(qū)動
要排砍人順序，理論上應(yīng)該從最差的砍起。但這么做也有個前提：真的有人做得更好，不同層級的話務(wù)員，轉(zhuǎn)化數(shù)量有明顯差異。因此可以先做分層，根據(jù)分層結(jié)果，決定砍人策略（如下圖）。
但是，只考慮短期（比如一個月）的表現(xiàn)，并不公平，很有可能一個話務(wù)員一直表現(xiàn)很好，只是最近一個月沒有表現(xiàn)好。所以做分層的同時，還要加入行為分析，判斷：話務(wù)員是持續(xù)好、一開始好、越來越好，還是真的隨機好（如下圖）。
那么，考慮到這里足夠了嗎？
還不夠，因為只考慮了最后轉(zhuǎn)化成果，并沒有考慮轉(zhuǎn)化率。到底話務(wù)員是怎么做出這個成果的，很重要！如果轉(zhuǎn)化好，僅僅是靠大力出奇跡，瘋狂打電話獲得的，那照樣可以用機器人代替人工話務(wù)，機器人不是更大力嗎，哈哈。
但是如果真的有話務(wù)技巧，可以慢工出細活，就得考慮：到底機器人能不能達成人工的效果（如下圖）。
那么，考慮到這里足夠了嗎？
還不夠，因為并沒有考慮線索類型。如果不同種類的線索，轉(zhuǎn)化率差不多，那自然可以直接替換。
如果有些線索就是天然的轉(zhuǎn)化好，有些怎么做都不行，那么就得考慮：天然好，是因為線索本身就容易轉(zhuǎn)化，還是話務(wù)員服務(wù)很得心應(yīng)手。到底機器人能不能承接住這些線索。（如下圖）
經(jīng)過這么多層分析，可以探索出：到底影響轉(zhuǎn)化率的原因是什么？
1、是話務(wù)員個人素質(zhì)？
2、是話務(wù)員熟練程度？
3、是話務(wù)員拼命撥號？
4、是線索本身質(zhì)量優(yōu)秀？
這樣的區(qū)分，對于解釋為什么機器人替代人工以后，轉(zhuǎn)化率不會掉，有重大幫助。從而避免了在測試的時候，只看到結(jié)果漲漲跌跌，無法解釋原因的。這樣利用多維度綜合分析，在事前能清晰評估形式，從而避免盲目測試。
04、高級數(shù)據(jù)驅(qū)動
假設(shè)在事前分析中，已經(jīng)能鎖定：和話務(wù)員個人素質(zhì)/熟練程度沒關(guān)系，主要看線索本身的質(zhì)量。此時可以推動下一步測試。因為機器人轉(zhuǎn)化效果未知，因此可以從好線索/壞線索中，各自抽樣本做ABtest，測試機器人替代人工的效果（如下圖）。
注意：不同的測試結(jié)果，會影響進一步的策略
如果真的是機器人全面占優(yōu)，自然可以直接替代（甚至連20%都不用留）
如果機器人全面占下風，則說明算法還需改進，只能暫緩計劃
如果機器人對優(yōu)質(zhì)線索轉(zhuǎn)化差，對普通線索轉(zhuǎn)化好，則可以分工合作，人工做優(yōu)質(zhì)線索，機器人做差線索。由于原本轉(zhuǎn)化差的線索由機器人接手，機器人是不知疲倦的，因此完全可以搞機海戰(zhàn)術(shù)，通過大量的機器人接單，提升需求響應(yīng)速度，靠走量取勝。
如果機器人更適合轉(zhuǎn)化優(yōu)質(zhì)線索，轉(zhuǎn)化普通線索更差，則完全是另外的局面：因為壓縮人工是勢在必行的，不可能通過添人手來轉(zhuǎn)化普通線索。
因此，此時的策略，是調(diào)整算法訓(xùn)練方向。針對特定來源/商品類型/交易金額的普通線索，提升轉(zhuǎn)化率。有可能的話，單獨開發(fā)一套算法，以最終實現(xiàn)降低人工工作（如下圖）。
之所以稱之為：高級驅(qū)動，是在此時，后續(xù)策略已經(jīng)完全由數(shù)據(jù)表現(xiàn)而決定。即使大家有各種想法，最后以數(shù)據(jù)為準繩，根據(jù)數(shù)據(jù)變化做判斷，已經(jīng)實現(xiàn)了數(shù)據(jù)驅(qū)動最高級階段，不必再做事后諸葛亮。
05、小結(jié)
通過數(shù)據(jù)驅(qū)動決策，靠的是體系化的分析，而不是一個神威無敵大將軍模型，摸一下摸出100%精準結(jié)果。事前預(yù)判、事中監(jiān)控、事后復(fù)盤，缺一不可。
并且，決策依據(jù)，是可量化的數(shù)據(jù)結(jié)果，而不是我以為……他就是……老夫從業(yè)十年……我看別人都這么干我在大廠的時候都是這么干的……我們設(shè)定好量化的判斷準則，根據(jù)數(shù)據(jù)結(jié)果優(yōu)化決策。
只是，實現(xiàn)這套方法論，不但需要數(shù)據(jù)分析師有耐心，做細致的工作，更需要業(yè)務(wù)方積極配合，有足夠的耐心和活躍的思路，嘗試多種可能性（而不是簡單地一刀切），這樣共同努力，才能實現(xiàn)最好的效果。
并非每個廠子都有這么好的氛圍，所以大家能保底做到的，就是事先分析的時候多做一些嘗試，試著接近真相，這樣才能提升個人分析能力。
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。
感謝您的支持，我會繼續(xù)努力的!
打開支付寶掃一掃，即可進行掃碼打賞哦
手機直接保存圖片,掃一掃識別二維碼,即可進行掃碼打賞哦
