用5個推動業(yè)務(wù)增長的實例說說數(shù)據(jù)分析的作用
本質(zhì)上看，想拉動業(yè)績增長，要達到兩點：
● 業(yè)績真的在增長
● 所有人認為業(yè)績是我們在拉動增長
標準定好，下邊帶大家看5個經(jīng)典例子
1
銷售團隊效益提升（業(yè)務(wù)員收入提升）
曾經(jīng)有一個銷售團隊提升的項目，目標是提升銷售團隊業(yè)績。大家知道，和銷售部門打交道，最難的不是數(shù)據(jù)分析過程，而是這幫大爺很難溝通。
做得好的銷售總是居功自傲，做得不好的人員素質(zhì)太差，你跟他講數(shù)據(jù)分析丫根本聽不懂，也聽不進去。那怎么影響他們呢？
對數(shù)據(jù)分析不感興趣，對收入感不感興趣？——從這個角度切入，我設(shè)計了一個戰(zhàn)術(shù)：先找HR拿了銷售團隊的人員名單和收入情況，然后做了一個分類。先把Top20%的人踢出去，然后只看剩下的弱雞們。分析的思路，不是如何幫弱雞們成為Top20%的高手，而是如何幫弱雞們達到一個小目標：一年6個月以上月薪6000。
這就像給差生補課，如果一開始就教他如何考100分，丫從心理上就抗拒：那些考100分的都是怪物，與我何干。但如果一開始教他：你考到60分就不挨打了。他就會很有動力去學(xué)習。
分析結(jié)果出來，銷售部領(lǐng)導(dǎo)們看了兩眼直放光。所有人立刻表示分析這個思路好，要立即執(zhí)行。結(jié)果團隊平均水平大幅度提升，總業(yè)績自然出來了，更關(guān)鍵的是：所有人都認可這是分析的成績。
這個例子第一個講，是因為它體現(xiàn)了兩個數(shù)據(jù)驅(qū)動業(yè)績的基本思路：
● 從業(yè)務(wù)部門感興趣的角度，先引起足夠重視
● 幫助業(yè)務(wù)從0做到60，優(yōu)先解決最大多數(shù)的問題
● 后續(xù)很多案例，都是在這個基礎(chǔ)上的延伸和擴展。
2
門店效益提升（大家都來看美女）
曾經(jīng)有一個門店效益提升的項目，看起來和實例1差不多，但面臨的問題不一樣。
解決一個人的問題，比解決一個門店的問題要簡單。一個業(yè)務(wù)員只要話術(shù)、知識點、行動力到位，怎么著都能及格。
但門店考慮進銷存，考慮不同產(chǎn)品布局，考慮因素更復(fù)雜。而且，門店總有理由：我們這個店的位置不好，情況很特殊，不能一概而論。還動不動沖著我們咆哮“你開過幾年店！”。
怎么辦呢？
如果我說不服他，鄰居家的孩子能不能說服他呢？——從這個角度切入，我設(shè)計了一個戰(zhàn)術(shù)：先建立一套標準的門店數(shù)據(jù)考核指標。之后，對每個大區(qū)經(jīng)理下邊的門店排名，排出1,2,3以后，如果哪個門店的導(dǎo)購小妹當日業(yè)績大區(qū)第一，就直接把小妹的頭像在BI里置頂給所有人看，大區(qū)經(jīng)理親自發(fā)紅包表示嘉獎。
于是引發(fā)了一系列連鎖反應(yīng)：
● 先是小妹知道了置頂人人都能看到，就把自己的照片PS得像安吉拉寶貝兒曬出來；
● 其次是大家為了看美女，天天都打開BI看報表，解決了報表打開率問題；
● 再往后，所有店長都在問：她是怎么做到的？于是查看這個小妹所在門店的產(chǎn)品銷售結(jié)構(gòu)，促銷參與率，會員到店率等指標。
為了體現(xiàn)是數(shù)據(jù)分析的作用，我專門把這些數(shù)據(jù)隱藏起來，做個大按鈕：猜猜她咋做。非得讓店長們點擊才能看，結(jié)果這個按鈕的點擊率從0%迅速增長到70%。大家一致表示這個數(shù)據(jù)才好用的，簡直是業(yè)績增長百寶箱。
這里又有兩個數(shù)據(jù)驅(qū)動業(yè)績的基本思路：
● 借力打力，利用數(shù)據(jù)樹立標桿，讓業(yè)務(wù)更容易信服。
● 使用率是第一指標，有使用率才有重視度，有重視度才能產(chǎn)效益。
實際上失敗BI項目，大部分死在這兩點。一般的BI系統(tǒng)，每日報表打開率只有10%左右，根本沒有被充分用起來。業(yè)績指標好與壞，是數(shù)據(jù)分析師自己拍腦袋拍出來的，沒有和一線情況結(jié)合。導(dǎo)致推出一線后根本沒人例會，該怎么做怎么做。最后BI淪為一個空架子，業(yè)務(wù)部門要取數(shù)的時候，還是下單跑sql。
3
商品銷量提升（背后的秘密）
這個是很常規(guī)的，電商提出的提升商品銷量的需求，只不過實現(xiàn)目標的方法很雞賊。接這個項目的時候，推薦系統(tǒng)還沒有今天這么多花樣。某公司數(shù)據(jù)部花大力氣做了這個功能，卻沒有實現(xiàn)“啤酒與尿布”一樣的效果，急得團團轉(zhuǎn)。
問題就出在啤酒與尿布上！如果真是兩個銷量好的大品類相互關(guān)聯(lián)，怎么體現(xiàn)是“數(shù)據(jù)”的作用呢？——回顧一下，我們開頭說的定義：既要真的見效，又得讓大家認為是數(shù)據(jù)做的。真找啤酒與尿布這種大品類，費盡力氣漲個2%，5%，還要和別人爭論這到底是數(shù)據(jù)做出來的還是自然波動。為啥不找小品類呢？
于是，還是做關(guān)聯(lián)分析，但是我們縮小了商品范疇，找小品類、高毛利的商品；我們也縮小了用戶范疇，從存量用戶里找潛在用戶群體，盡可能一網(wǎng)下去多撈一些用戶，讓活動聲勢做大。
小品類日常銷售額低，一做活動就能看到效果。而且小品類庫存多，即使沒有增加額外利潤，清庫存本身也是大功一件。高毛利意味著補貼力度相對大一些，重賞之下必有勇夫。結(jié)果一打一個準，連續(xù)清了數(shù)個品類的庫存，引起領(lǐng)導(dǎo)的關(guān)注和認可。
當然，時過境遷，這個年代已經(jīng)沒人再質(zhì)疑做推薦系統(tǒng)這件事。大家已經(jīng)被人工智能阿爾法大狗子洗腦洗得深入骨髓?？蛇@種思路仍然有效。去平均化，在任何年代都不過時。
4
精準預(yù)測銷量（大幅降低庫存）
這個項目接得特別忐忑，因為聽客戶說，之前他們已經(jīng)炒了5個內(nèi)部的數(shù)據(jù)挖掘工程師了。因此每次銷量預(yù)測都差一大截，惹得老板龍顏大怒。雖然不知道這事是真是假，但足以嚇得人瑟瑟發(fā)抖。
既然是預(yù)測得不準，那到底是預(yù)測多了還是預(yù)測少了？——我下意識地問了這個問題，卻意外找到了解答的鑰匙。原來每次模型預(yù)測值都偏大，導(dǎo)致庫存積壓，老板才會不滿。但如果給的預(yù)測值偏小，業(yè)務(wù)部門就會跳起來說預(yù)測太少了，影響銷量?？蓪嶋H上，影響銷量根本就沒有發(fā)生過，從來都是數(shù)據(jù)挖掘工程師為業(yè)務(wù)部門備貨太多背黑鍋。
原來如此啊，那辦法有了。因為預(yù)測的是總銷量，而業(yè)務(wù)部門理論上可以分批備貨的。所以調(diào)整了一個重要環(huán)節(jié)：把預(yù)測值拆成上線4周，8周，12周的三個值。這樣給到業(yè)務(wù)的建議，就是預(yù)備貨XX萬，第一次增補XX萬。
名義上，說得是時間越長預(yù)測越不準，所以要拆分時間。實際上，縮小了第一次備貨的預(yù)測值。把業(yè)務(wù)部門喜歡一次性備貨太多的問題暴露出來。這樣領(lǐng)導(dǎo)們看得很清楚，到底是誰的問題，再也沒有怪過預(yù)測了。
這個做法其實很投機，可包含了一個重要理念：提高精度與降低錯誤，是一個問題的兩面，選擇哪一面考核分析結(jié)果至關(guān)重要。比如銷量預(yù)測，很多商品毛利也就5%，意味著模型預(yù)測的精度至少得95%以上，不然還是會因為預(yù)測不準導(dǎo)致賠得底掉。如果一味苛責銷量預(yù)測的準確度達到99.9999%勢必會導(dǎo)致過擬合問題，訓(xùn)練的模型也很脆弱。
但如果是“通過銷量預(yù)測，降低庫存風險”，那就容易做得多，因為根本不存在0積壓的商品。一積壓就要花動輒數(shù)百萬經(jīng)費銷存貨，那把過量的庫存砍下來10%，20%，已經(jīng)為公司省了數(shù)十萬成本。也是大功一件。
在評價模型效果的時候，結(jié)合商業(yè)上目的考量，既能有利業(yè)務(wù)，又不用逼死自己。
5
清理薅羊毛用戶（好鋼用在刀刃上）
這個聽得太多了，現(xiàn)在已經(jīng)成為營銷運營類項目的常態(tài)。但最早在傳統(tǒng)行業(yè)接到類似需求的時候卻很困難。當時是一個商旅住宿類企業(yè)做會員卡項目。公司剛上CRM，基礎(chǔ)數(shù)據(jù)一塌糊涂，只有簡單的會員卡和消費數(shù)據(jù)。業(yè)務(wù)方也沒抱啥指望。
死馬當活馬醫(yī)，我們對用戶先做個十分位看看。結(jié)果意外地發(fā)現(xiàn)排序最底的20%的用戶，居然平均客單價比正常水平低了一大截，低到客戶市場部都費解：我們從來沒有這么便宜的房間??！
結(jié)果抽樣一查，是一幫標準的羊毛黨。于是順勢清理各種優(yōu)惠券規(guī)則，定義真正核心用戶，把經(jīng)費都投到核心用戶身上。光靠清理，多出來20%費用，有錢了，當然出成績。
類似的操作，之后做了很多，比如幫銀行積分商城清理套積分，幫電商清理套券的，等等這些做法其實很簡單，可包含了一個重要理念：投入產(chǎn)出比。
投入產(chǎn)出比，是投入/產(chǎn)出。如果硬拉動產(chǎn)出很難，能不能削減無效投入呢？當然可以。而且削減的空間往往很大。特別是互聯(lián)網(wǎng)公司，燒錢做增長燒得不亦樂乎，往往是錢燒完了就死，這個問題就更有價值了。
通過數(shù)據(jù)分析，我們可以輕易地通過消費頻次和消費習慣，區(qū)分出來那些“無券不至”的用戶，區(qū)分出哪些是偶爾薅羊毛，哪些是職業(yè)撈家，從而優(yōu)化營銷規(guī)則，提升效率。
更重要的是，這是結(jié)結(jié)實實地給公司省出一大筆營銷費用，比啥都實在。需要注意的是，啟動這個問題的探索，并沒有用什么復(fù)雜的數(shù)據(jù)，但數(shù)據(jù)量少并不影響我們持續(xù)開展工作。
6
小結(jié)
以上是五個我常講的經(jīng)典案例。至于更常規(guī)的，比如：
● 做關(guān)聯(lián)規(guī)則提升交叉銷售機會
● 做推薦算法增加用戶購買幾率
● 做標桿分析提升銷售團隊績效
● 做渠道分析優(yōu)化廣告投放
● 做LR模型提升外呼響應(yīng)
● 做用戶分群篩選核心用戶
這些太過基礎(chǔ)，有空可以慢慢分享。其實數(shù)據(jù)驅(qū)動業(yè)務(wù)增長，只要業(yè)務(wù)部門態(tài)度配合，數(shù)據(jù)分析不大吹大擂，老板目標值不過分膨脹，是很容易實現(xiàn)的。
有心的同學(xué)也發(fā)現(xiàn)了，上邊分享的五個例子，都是在業(yè)務(wù)方不怎么配合，數(shù)據(jù)分析師企圖正面突破問題無果的情況下，采用的特殊辦法。
所以陳老師開場才會說，這些都是奇門遁甲，不是光明大道?？膳e這五個例子的意義也在此：數(shù)據(jù)分析師不是大學(xué)教授，數(shù)據(jù)分析師要在企業(yè)里做出成績，靠的不是自己閉門造車，而是充分深入一線，合理的定義問題，勾起合作方的興趣，找到合作方的真正需求，一步步推動，甚至曲線救國來實現(xiàn)。
即使環(huán)境再艱難，我們也有辦法。不要對自己喪失信心，畢竟最艱苦的時代已經(jīng)熬過來了。現(xiàn)在要做的，可能更多是教育大家：數(shù)據(jù)分析不是保健品，數(shù)據(jù)分析不是一運行代碼就能從電腦里吐鈔票。