结合人货场解释用户运营中的数据分析是做什么的?

提问(修改):很幸运收到用户运营这个岗位的面试通知,但是之前完全没有工作经验,我看到岗位职责里要求定期做数据分析,所以很想知道数据分析指的是什么。

一、用户运营 X 数据分析

作为任职于某上市公司的集团用户数据中心的数据分析师,认为题主的问题就是在问我的日常工作:用户运营 X 数据分析。

用户运营是做什么?

先介绍一下题主入职后可能会接触到的工作:

答主就职的部门有三个职能:用户运营、数据分析、数据产品。

以我所在的新零售+电商行业为例。

二、用户运营

核心就是围绕【人货场】进行运营,进而提升复购率等指标:

  • 【人】即客户,了解整体画像,根据场景进行用户分层营销
  • 【货】即产品及与之搭配的促销策略
  • 【场】广义来说,即为渠道、节日活动,与客户触达的“天时地利”

大白话说,就是解决【什么时候什么样的人会在怎样的场合下购买什么产品】的问题

根据【人货场】的不同组合,可产生不同的业务场景,例如:

  • 【货场→人】天猫确定了情人节活动,产品部门要求主推情人节套装产品,平台运营明确了折扣政策,此时,用户运营部就出场 → 圈选出可能会在情人节复购的人群A,圈选可能偏好主推产品的人群B,对人群A与人群B做交叉即为此活动目标人群,根据促销政策制定优惠券,并触达人群。
  • 【人场→货】用户运营部门使用RFM模型对人群精细化运营,明确需提升重要价值用户比例,即明确了目标人群 → 此时用户运营的童鞋就需要去找产品要合适的产品,找运营拿折扣,甚至找推广配合做投放。
  • 等等

1. 数据分析

在【人货场】各种组合而成的复杂业务场景中,仅凭“直觉”,甚至“拍脑袋”,已经无法业务目标。绝大部分行业进入存量运营的今天,数据化决策已经是红海战场上的武器。所以,从前面【用户运营】的工作中,存在着许多数据分析的需求。它们的目的是通过数据分析找到业务增长的钥匙:

【货场→人】此场景已明确需主推的产品、节点及促销政策,需进行数据分析的地方:

【人货匹配】确定产品后,需要从全量人群中找到可能喜欢该产品的人。

简单点的方式可以通过历史订单统计实现,即提取出产品的元素,如爱心形,再从人群历史订单中找到喜欢心形的客户,认为他们可能也喜欢该新品。

复杂点的方式可以通过例如复购关联分析、商品推荐等模型反向找人群。

  • 【复购周期】每个客户的活跃状态都不同,要先了解行业或者该品类客户的【生命周期】是多长,即复购间隔,如30天 → 找出30前刚买完的客户,认为他们处于活跃购买状态
  • 【节日偏好】一般认为多次在节日节点购买的客户是偏好该节日的,例如产品有送礼属性,则客户在情人节买就是送对象的,一般他们感情不破裂就有可能在下个情人节继续送
  • 【折扣敏感】不可否认的确存在对价格敏感的客户,甚至是“羊毛党”,折扣力度大才会现身购买,发现这样的规律能更好地将优惠券与客户匹配

【人场→货】与第一个场景不同的是,此场景先明确人群,再去匹配产品、折扣等,需进行数据分析的地方:

  • 【RFM】基于RFM模型划分人群后,提出目标要提升重要价值用户是无法落地的,需要进一步讨论:该行业或品类下的重要价值用户更容易从哪个人群转化而来?例如一般价值用户,刺激他们连带消费、复购,即提升M,就可转为重要价值用户。这样才能提出落地的策略:针对一般价值用户进行连带提升。
  • 【商品推荐】找出人群可能喜欢的商品,简单的方式可通过对历史订单的统计,复杂的方式可通过协同过滤等算法实现。此外,需要将推荐模型与实际场景结合,此处目标为提升连带,可以结合“购物篮分析”设计搭配组合。
  • 【偏好价格】每个客户历史消费的客单价都不同,需要列出价格带分布进行分组营销,避免对低价位段客户推荐高价品。当然一个好的推荐模型可以避免这样的尴尬。

【注意】并不是说要对每个场景都这样严格进行人群交并。更重要的是灵活应用,例如人群基数太少,则减少划分规则,或选择性地合并人群。

2. 数据产品

从用户运营需求出发,数据分析赋能业务增长,经测试有效后,需进一步以产品的形式落地。

用户运营经常会接触到各种数据产品:

  • 如果是在天猫平台,接触到的就是天猫第三方服务商的用户营销管理工具
  • 如果是线下门店,接触到的就是CRM
  • 此外,还有帮助业务分析的BI、CDP

经测试有效的数据分析结论可以通过报表、模型、标签等形式插入到这些数据产品中。其中,最重要的是形成的这些产品一定是经过“业务改造”,适配业务习惯的,这样才能融入到业务的实际工作流中。

所以,这些结论以什么样的方式呈现在你面前才能提高效率,就是用户运营部门需要考虑的。

 

本文作者 @饼干哥哥 。

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部