Artículo anterior 【¡Este sistema realmente puede ser una oportunidad para los analistas de datos en los próximos 5 años! 】 Suscitó una fuerte respuesta de los estudiantes, que mencionó un punto clave: la combinación de CDP y el experimento de crecimiento facilita que los analistas de datos hagan su trabajo. Hoy explicaremos esto de forma sistemática. No hay mucho que decir, ¡solo entrega los productos secos!
1. ¿Cuál es la dificultad en el análisis de datos?
El análisis de datos quiere generar méritos, la dificultad principal radica en: otros hacen el servicio meritorio, pero el problema es causado por usted mismo. Especialmente en el tema del crecimiento. La última página de registro del usuario está diseñada por el gerente de producto. Los productos comprados son seleccionados por la operación del producto, y los cupones utilizados son emitidos por la operación del usuario; sí, intuitivamente, esto no tiene nada que ver con el análisis de datos. Estas personas también están a la vanguardia cuando celebran sus logros.
Sin embargo, en el improbable caso de que no haya suficientes personas registradas y muy pocas personas compren, los cupones son lo mismo que inútiles.
Estas personas dirán al unísono:
"Nuestro perfil de usuario es demasiado aproximado"
"Nuestra predicción de datos no es lo suficientemente precisa"
"Nuestro ABtest no es lo suficientemente riguroso"
"¿Por qué no podemos analizarlo de antemano?"
Tienes una boca contra ellos tres bocas, no importa cómo discutas, pierdes
Por lo tanto, a menudo vemos los llamados retratos de usuarios, ABtest y modelos predictivos. O están hablando de esas grandes empresas que van bien o cuando el producto está listo para ser vendido a Party B. Una vez que la situación general no es buena, los modelos, retratos y pruebas que han sido tan duras en el pasado son inútiles.
El meollo del problema radica en el hecho de que el análisis de datos no puede aislarse de los proyectos de crecimiento, es como un medio hada que está montando un puesto callejero y esperando que llegue la tarea.
"Maestro, eche un vistazo a mi destino"
"Usted predice con precisión la respuesta del usuario"
No existe una diferencia esencial entre estas dos frases: ambas renuncian a la iniciativa subjetiva y esperan obtener resultados mediante el cálculo.
El análisis de datos debe trabajar codo con codo con el negocio y empaquetado en un equipo de proyecto para tener la oportunidad de escapar por completo del mar de sufrimiento.
El experimento de crecimiento solo cumple con este requisito.
Además, también es un alivio para los negocios y es más probable que logre una situación en la que todos ganen.
2. ¿Qué es un experimento de crecimiento?
El experimento de crecimiento se centra en "experimentar". Esto se debe principalmente a que es diferente de la práctica anterior de "hacer grandes, rápido y seguir la tendencia" de crecimiento, y realmente implementar pequeñas iteraciones. El campo de crecimiento es el campo con los sustantivos más de moda. "Tráfico de dominio privado, transmisión en vivo con productos y marketing circular", aparecía una nueva palabra cada tres días. Junto con las nuevas palabras, los dioses de todos los ámbitos de la vida se jactan de "cómo crecí 1 millón de usuarios sin inversión".
En este contexto, la presión sobre el departamento comercial es grande.
Si no lo hace, su jefe lo critica y no puede mantenerse al día
.
Por lo tanto, para evitar ser abrumados por las altas expectativas de los líderes, cuando las empresas tradicionales están haciendo una transformación digital, los departamentos comerciales comienzan a hablar de experimentos de crecimiento: experimentemos, paso a paso. Crea un experimento de crecimiento. Este concepto es esencialmente el mismo que el del equipo de crecimiento discutido por las empresas de Internet. Sin embargo, las empresas tradicionales prestan más atención a la evaluación de los beneficios reales (ingresos por ventas, ganancias), por lo que sus prácticas están más orientadas a las ganancias.
Paso 1: posicionamiento claro del experimento
Al hacer Abtest, primero debe considerar el tráfico. Al realizar experimentos de crecimiento, el departamento comercial primero considera: "¿Qué significa este experimento para la empresa?" Y "¿Cuánto dinero y cuántas personas tengo para invertir para cumplir con esta expectativa?". No hay dinero, nadie, habla de crecimiento.
Después de aclarar el posicionamiento, se trata de implementar objetivos de crecimiento específicos. Cabe señalar que las empresas de Internet y las empresas tradicionales son completamente diferentes en el establecimiento de objetivos. La mayoría de las empresas de Internet gastan dinero para vivir sus vidas. Por lo tanto, pueden utilizar indicadores virtuales como "el número de usuarios activos" como sus objetivos. Simplemente escríbalos en el ppt de financiamiento. Las empresas tradicionales también esperan ganar dinero para sobrevivir, por lo que se establecen objetivos demasiado imaginarios y serán directamente condenados a muerte durante la evaluación. Incluso si se va a establecer un indicador como el "número de nuevos miembros", se debe agrupar un "ingreso total por ventas de nuevos miembros" para que sea confiable.
Paso 2: establezca la ruta de crecimiento que se probará
Hay cuatro caminos (como se muestra a continuación):
Este paso es muy crítico. La historia lo ha demostrado una y otra vez: cuanto más esperas completar tu trabajo, más pierdes los pantalones. Lo más reciente que he visto es que las empresas tradicionales siguen la tendencia y traen productos en transmisión en vivo, dan descuentos, escupen dinero y despilfarran tarifas de boxes, y finalmente pierden dinero. Por lo tanto, al diseñar estrategias, trate de tener clara la lógica de cada estrategia, para que sea más adecuada para el progreso gradual y sumar experiencia.
Paso 3: observar los resultados experimentales
Para una sola prueba, el valor no es el resultado final. Debido a que la empresa espera más explorar un camino a través de experimentos, los datos experimentales se interpretan como una conclusión que la empresa puede utilizar.
Es necesario responder cinco preguntas fundamentales para los efectos del crecimiento:
1. Si el proceso empresarial puede ejecutarse y si existen defectos de diseño.
2. Bajo la premisa de que el proceso puede ejecutarse, si la primera prueba cumple con las expectativas.
3. Sobre la premisa de que el primer experimento cumple con las expectativas, ¿es reproducible por
segunda vez? 4. Sobre la premisa de que la segunda vez es reproducible, ¿hay un beneficio marginal decreciente por tercera vez?
5. Sobre la premisa de aumentar / beneficio marginal decreciente, pico / Dónde está el fondo
Es probable que los resultados experimentales muestren los siguientes cuatro efectos:
Ajustar el trabajo de seguimiento de acuerdo con los resultados experimentales, seguir usando buenas medidas, descartar malas medidas y acumular experiencia, para que podamos promover que el negocio sea cada vez mejor. Obviamente, este enfoque aún no ha sido ampliamente promovido, y todavía hay muchas empresas que se quedan: levantando una pancarta "¡100 días de trabajo, la transformación digital debe completarse! "Entonces, lo que está de moda en Internet (lo que la gente de Ali sopla) es la etapa original de ruido. Por el contrario, los experimentos de crecimiento que están claramente organizados paso a paso son ciertamente más fiables.
3. Experimento de crecimiento y análisis de datos
Una persona perspicaz puede darse cuenta de un vistazo: este juego está muy basado en datos.
Casi todos los enlaces requieren una gran cantidad de análisis de datos para intervenir con el fin de derivar conclusiones correctas.
Al mismo tiempo, también han aumentado los requisitos para los analistas de datos.
Primero, debemos ser capaces de controlar la situación general y tener nuestro propio juicio sobre el desarrollo general del desempeño. En lugar de preguntar estúpidamente al negocio: ¿Cuál es el objetivo?
En segundo lugar, tiene la capacidad de desmontar la lógica empresarial y puede etiquetar empresas complejas para analizar en detalle cada punto de mejora (como se muestra a continuación).
En tercer lugar, existen requisitos para las capacidades de análisis como, por ejemplo, cómo eliminar los factores estacionales y las diferencias en los atributos de los grupos de clientes cuando no se pueden implementar comparaciones de grupos. (Esto es muy común. Por ejemplo, si una empresa ordinaria quiere reproducir tráfico de dominio privado, jugar micro mall, jugar fisión, jugar drenaje en línea, jugar WeChat empresarial + WeChat personal, es imposible obtener una gran cantidad de información del usuario, y luego muestreo estratificado por atributo Subdividido en Grupo AB, solo pueden jugar plataformas con alto tráfico y alta viscosidad).
Por tanto, la capacidad de análisis de datos es mayor. Pero mirando los beneficios: ¡esta puede ser la mejor oportunidad para que los analistas de datos hagan contribuciones! Piénselo, los equipos de proyectos generalmente obtienen comisiones basadas en los beneficios del proyecto, entonces, ¿por qué los analistas de datos tienen que cargar con el bote para obtener su salario? ¿No es más atractivo poder obtener buenos resultados usted mismo que sentarse en segundo plano y esperar a que otros le pregunten: "Llegas a un big data de inteligencia artificial para predecir con precisión"? Si está interesado, siga la cuenta pública de WeChat Grounding Qi School. En el próximo artículo, compartiremos cómo hacer un juicio general sobre la tendencia de las condiciones comerciales. Si enfrentamos la tendencia de los negocios, solo escribiremos "alto" y "bajo".
Autor: Chen gas a tierra, número público de micro-canales: escuela con los pies en la tierra. Un analista de datos con diez años de experiencia ha lanzado una serie de cursos de análisis de datos y tiene más de 20.000 estudiantes.