對于數(shù)據(jù)分析師而言，無窮無盡的取數(shù)需求是最可怕的。數(shù)據(jù)分析師要做的是化被動(dòng)為主動(dòng)，做到數(shù)據(jù)真正地幫助到運(yùn)營，而非被追著要數(shù)。本文結(jié)合一些場景，分享如何用數(shù)據(jù)助力運(yùn)營分析，一起來看看吧。

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(gè)需求場景，我們從被動(dòng)變成主動(dòng)，做到了用數(shù)據(jù)分析助力運(yùn)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(yùn)營已針對此情況開展工作，但領(lǐng)導(dǎo)們不滿意，要求數(shù)據(jù)分析組通過用戶畫像模型進(jìn)行加購未購客群分析，提升付款比例。假設(shè)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(gè)月加購未購的數(shù)據(jù)走勢
2. 建立用戶畫像模型
3. 進(jìn)行加購未購客群分析
4. 進(jìn)行付款率分析
5. 和運(yùn)營聊聊他們在干啥

問題2：在本場景里，領(lǐng)導(dǎo)的需求是什么？

1. 需要用戶畫像模型
2. 需要客群分析報(bào)告
3. 需要提升付款比例
4. 需要改善運(yùn)營工作

問題3：你在網(wǎng)站買東西，以下哪個(gè)最能讓你下決心付款

1. 網(wǎng)站服務(wù)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

一、運(yùn)營優(yōu)化項(xiàng)目

數(shù)據(jù)分析之所以做了沒屁用，80%是脫離實(shí)際，閉門造車的結(jié)果。脫離實(shí)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(gè)問題，傻子都會看明白：

• 用戶只會為了一個(gè)具體價(jià)格的具體商品買單，不會為ppt、代碼買單。
• 領(lǐng)導(dǎo)需要的是改善運(yùn)營工作，運(yùn)營工作對應(yīng)的是文案、活動(dòng)、頁面、價(jià)格。
• 改善運(yùn)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。
• 至于算法、模型、報(bào)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(shí)間，得去找運(yùn)營談這些：

• 目前針對該客群有哪些措施
• 各項(xiàng)措施上線時(shí)間點(diǎn)
• 領(lǐng)導(dǎo)具體不滿意表現(xiàn)注意，第一步要了解的是具體動(dòng)作，至于這個(gè)動(dòng)作的好壞，可以聽運(yùn)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(jī)會點(diǎn)和問題點(diǎn)（如下圖）：

這里溝通的技巧也很重要。

注意，在本場景里，領(lǐng)導(dǎo)們的不滿已經(jīng)是掛在臉上的，這時(shí)候在運(yùn)營面前，要堅(jiān)決表現(xiàn)出：“我是和你們一起想辦法，我們一起把這個(gè)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”的態(tài)度，那就等著被人各種掣肘，最后落魄收場吧。

二、第二個(gè)關(guān)鍵問題

問題4：經(jīng)了解，發(fā)現(xiàn)運(yùn)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(gè)以后，你會做……

1. 建立用戶畫像模型
2. 撰寫客群分析報(bào)告
3. 分析付款比例曲線
4. 拆分商品轉(zhuǎn)化情況

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(bào)用戶畫像模型
2. 匯報(bào)客群分析報(bào)告
3. 匯報(bào)付款比例曲線
4. 匯報(bào)運(yùn)營效果變化

問題6：以下哪種情況，能證明新策略產(chǎn)生了效果（如下圖）

三、破局

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(shí)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(bào)告也好，都對，但是首要考慮的是：多長時(shí)間見效。見效越快越好。同時(shí)，見效的方法越簡單越好。因?yàn)樵綇?fù)雜的方法，能參與進(jìn)來的人越少，意味著自己背的鍋越大。

比如上一個(gè)“超精準(zhǔn)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(fèi)”的問題。

總之，不要指望代碼，要和運(yùn)營并肩作戰(zhàn)，優(yōu)先丟優(yōu)惠券?？赡芎芏嗤瑢W(xué)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(biāo)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(yán)重壓縮毛利，甚至出現(xiàn)負(fù)毛利產(chǎn)品。

同時(shí)，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(dòng)就很清晰了（如下圖）：

四、迭代，持續(xù)優(yōu)化效果

問題7：以下兩個(gè)選擇，先做哪一個(gè)？

1. 減少成本
2. 增加產(chǎn)出

注意，本場景，是領(lǐng)導(dǎo)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(lǐng)導(dǎo)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(gè)明顯負(fù)產(chǎn)出的補(bǔ)貼，釋放營銷費(fèi)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(fèi)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(jià)格彈性測試，適當(dāng)減少補(bǔ)貼，再釋放一波營銷費(fèi)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(jià)格上做文章，數(shù)據(jù)計(jì)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(shí)間。每個(gè)月試點(diǎn)，迭代四五次，至少也能拖個(gè)半年。這半年寶貴的時(shí)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(shí)間訓(xùn)練模型。

在價(jià)格玩的差不多的時(shí)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(qiáng)的多（如下圖）。

有的同學(xué)會問：這個(gè)場景里，是運(yùn)營先做了全面補(bǔ)貼，之后再優(yōu)化，所有有砍負(fù)成本的空間。如果運(yùn)營只是試點(diǎn)了一個(gè)小群體，結(jié)果沒做成，需要優(yōu)化，又該怎么做呢？

這是個(gè)好問題，特別在小范圍MVP測試的時(shí)候，樣本本來就少，有需要分析各種情況，咋辦？