一起出來玩
一起出來玩
    8.地球上最有趣的資料分析:答疑篇3-2

    8.地球上最有趣的資料分析:答疑篇3-2

    播放次數:316

    1. 線下公司如何驗證線上服務有效性? 2. 如何分析用戶特徵 3. 因果論與結果論 4. 應該搜集哪些面向資料

     

    第二個問題:業務員如果願意拜訪新客戶時推薦人家使用,那業務員願不願意推薦舊客戶使用?

     

    舊客戶的機會成本高,不能搞砸,如果這個服務真的好,業務才會推薦

    新客戶畢竟失敗機會成本低,所以難度比較低,這兩個指標可以衡量你服務的有效性

     

    問:那我們要怎麼跟其他單位合作?

     

    首先要知道跟誰合作,接下來要建立合作默契.你們彼此的專案可以互不干擾各自發展,但是你們要知道彼此在做什麼,這樣以後才可以用同一個uid撈兩邊資料來分析社會指標與行為記錄

     

    用戶一旦成為會員,就算沒有跟你買,你也能立馬知道他有沒有跟別人買,因為他成為會員,透過你的分析服務你會對他更了解.

     

    所以我們要鼓勵業務員請他邀請用戶成為會員,未來用戶的庫存上他缺了什麼你就知道了,因為服務中會有會員自己的記錄,透過他自己登載與行為,我們可以知道他對什麼東西有偏好、他對什麼東西有興趣,這樣你的分析就會準很多

     

    用戶在回答問題時會騙人,但在使用服務時不會.

     

    比如說今天同樣一個網頁出來我們提供的七大服務,其中六個用戶都不看,只點了第七個;或前四大精選服務他只看前三個,有一個根本連看都不看,他的行為就可以告訴你真實的偏好,這樣子你們做的會更準

     

    當你與線上單位合作時,想像自己是現下的業務員,你願不願意幫人介紹使用他的服務?你也該給他意見,這個東西你想不想用?問題出在哪裡

     

    如果你在人家規劃的早期就能介入,提供你的意見建議與協助,你成本最低,因為他未來做的東西你就可以用了

     

    如果你能早期介入夥伴的服務規劃,提供建議給他們,建議當然不是找麻煩,結果會差很多

     

    問:如果我是線上單位,與線下單位合作時請他們業務自己登載用戶行為是否可行?

     

    我的建議是盡量不要,因為如果這樣做,未來你們會拿到的記錄全都是業務員拜訪客戶,幫他登載的記錄,分析的價值就降低了

     

    之所以你該早介入,就是應該在推廣的方式上有一定的默契,但夥伴要改變服務設計難度多少會增加,所以彼此要多溝通

     

    問:我們之前業務有搜集用戶的特徵紀錄,這樣不能被分析嗎?

     

    可以被分析,只是資料的信賴度與支持度有限

     

    基本上業務講的話都不可能完全真實,因為那多加了一個主觀視角,而每個人的主觀視角多少有偏差.標準很難一致.

     

    問:如果現階段只能透過業務線下觀察怎麼辦?

     

    將他用指標區分.

     

    如果你要調查用戶的講話速度快還是慢,對什麼特別不耐煩?請業務用1 到5的方式做選擇,這樣比較能明確定義,也避免搜集一堆標籤無法分析,這樣的記錄就可以觀察為主

     

    但最好的方式還是做一個服務請業務推薦用戶使用,這樣的服務線上線下就可以共用

     

    問:社會指標與行為記錄怎麼分析?

     

    業務員登載的拜訪紀錄要先搜集.這裏的重點是業務的基本動作要一致,而且管理單位要要求.確保業務見到客戶的時候會將資料順便一起帶回來

     

    問:我們現在的前台服務可以怎麼修正

     

    你改前端界面是直觀的,但這東西後台怎麼呈現?各級管理單位會看到什麼?看到以後要做什麼用?一開始就要想,不可以預設我們搜集的資料以後可以分析

     

    如果未來業務登載一堆東西沒有人分析,那一段時間後保證推不動.至於誰會看?看什麼?第一總公司的業務單位一定要看,分公司與業務主管分別看到什麼東西,權限是什麼,看了以後可以怎麼做,這一開始就要規劃

     

    問:我們現在的業務行為應該怎麼調整?我們希望業務每次做拜訪的時候都能收集一些資料,所以我們先設計輸入的界面,在不知道未來要分析什麼的情況下是否能請他們先搜集特定領域的資訊?

     

    因果論與結果論

     

    基礎科學、系統設計,所有跟物理世界有關的東西,都是要因果論,有發生、有推動,才有結果,如果沒有發生,沒有推動,不會有結果

     

    人的世界正好顛倒,人的世界叫結果論,結果出現前面做的事情才有意義

     

    舉例而言:你跟這個男人最後有沒有在一起?如果沒有在一起,那你們前面戀愛談的再轟轟烈烈,那都是因為誤會而結合,從這個道理想統計分析,你就會很清楚知道你要收集什麼資料比

     

    公司有沒有人來做a類商品?有沒有要推a類商品中的a-1?有a-1有沒有a-2. 能不能跨售 b-1?要賣多少額度?怎麼分潤?

     

    既然知道公司要賣這個東西,那業務拜訪客戶的時候,就要記錄客戶是a-1與b-1消費行為的附著母體?(牽涉到個別公司隱私,故以代號代替)

     

    你知道的結果再收集這個資料業務就很高興,因為他知道有錢賺,不然你要收集是不是喜歡運動或瑜伽愛好者,跟你的業務有什麼關係?

     

    你要先想有沒有個結果,有,以後再往回推

     

    如果要搜集用戶的運動習慣,那請問你有沒有要辦馬拉松?如果未來會要邀請大家來參加,那你再搜集才有意義

     

    任何事情從結果往回推,在處理人的事情上會簡單很多,尤其要統計分析一定要結果

     

    你希不希望以後產業革新的時候,你b類的商品可以賣的很好?那你們拜訪客戶的時候,他們附著母體的調查?偏好與頻次就是最需要登載的東西

     

    業務登載完了,你可以完全by pass自動行銷,甚至返利給他,或出名單還給他推薦

     

    問:要怎麼讓服務擴散?

     

    答:你可以設計擴散計畫,業務推薦它的用戶,用戶減100塊,業務返50塊,你可以設計活動,目前你們有的網路技術早就可以支援了

     

    所以當你在問說我不知道收集什麼時候,你要反過來推以後可以得到什麼結果?

     

    我重新幫你整理一下,我們未來要搜集三個面向的資料。

     

    第一個面向:新產品相關

     

    因為公司現在政策是會大力推強制險,這時候就要搜集客戶用車資料,業務拜訪的時候順便把車險跟他的產品使用與生命週期與現在階段等資料收集回來,這是第一個資料。

     

    第二個面向:成交成熟度

     

    第三個面向:正交資料

     

    從其他的消費行為,健康,但不能不被量化

     

    正交面相資料第一步要做質化分析,量化分析難度較高,但我們可以透過前述簡單指標定義的方式來完成.不

     

    問:只透過觀察分析用戶不可以嗎?

     

    我你將眼睛閉起來,描述一下這個用戶的特徵,這樣的行為都叫觀察

     

    觀察能不能代表用戶的形像?可以;能否解釋用戶的行為?不夠

     

    行為是什麼,這個人會不會在d槽裡面收集很多美女照片?這和他表面有沒有氣質完全無關.一個人是不是表面斯文,回家卻會打罵小孩?這無法透過觀察,但這個人是不是看到暴力的話題特別有興趣?這是行為記錄

     

    實際上這兩個東西cross,你才能真正了解一個人,那如果要從兩個維度選一個比較準的話,是行為記錄,而不是觀察,只是我們有了觀察,再加上行為記錄會非常好

     

    線下的資料最大問題是少了多維度,沒有行為很容易把人給曲解,

     

    如果一定要透過觀察就不能分析,進一步做商品推薦嗎?

     

    還是可以,而且分析方式很簡單

     

    一般性的資料,光是透過中位數、平均值,以及資料的升冪、降冪排列,就已經可以做很多有意義的分析

     

    例如說有沒有買?買得夠不夠?如果有缺是缺多少?這些透過社會指標和購買記錄即可完成,再進一步的觀察,可以紀錄可支配所得、消費模式、對什麼話題有興趣,再推進一步,但最終還是要加上行為,才能將整個人的構面清楚描繪,來自於觀察的行為記錄資料信賴度比較有限.

    假設今天有兩個人同樣祝台北市大安區年收入200~300萬,你覺得這兩個人會是一樣的人嗎?

     

    兩個人可能完全不一樣

     

    可是兩個人如果晚上8點~10點都看Netflix的同一個影集?那他們就很多地方很像了,這是行為記錄

     

    兩千年以後隨著網路技術普及,現在大部分網絡公司都在做行為記錄,因為線下觀察對他沒意義,你今天看Netflix,你一定覺得他們分析做的很好,但請問Netflix知不知道你的社會指標?完全不知道,分析一樣很準,因為那是來自於行為

     

    如果這兩個東西可以cross是最好,但如果你沒有辦法同時做兩件事,我會建議你跨界合作,知道別人在做什麼,你就可以在他們規劃的初期把你的一些想法放進去,讓他們做的事情未來可以為你所用,初期可能很費工,但總幾來說這是最省力的方式,最後會得到最大效益,

     

    主題評分與評論

    訂閱活動通知

    輸入email訂閱電子報,掌握最新課程資訊

    一起出來玩股份有限公司 © 2021
    李伯彥工作室
    李伯彥工作室Youtube頻道
    聯絡我們