需求篇:需求的来源-数据分析

今天给大家带来的是需求来源的第二篇,也是我特别想和大家唠唠的一篇——数据分析。

一、数据是什么

要想搞懂数据分析,首先要理解什么是数据。

一种划分方法将数据分为两种,一种是原始数据,一种是经过处理后的数据

很多做售后服务的公司会关心客户报修/发起一个服务需求后,一线工程师的回电响应速度和上门维修速度。

有的还会以售后服务的及时性作为核心竞争力,那要如何衡量回电响应速度和维修速度呢?

拿快递公司举例,现在的一个标准为快递员在接到客户的寄件要求后,需要30分钟内回电,2小时内上门。如果以这个为服务标准,可以定义出30分钟回电率和2小时上门率的指标。

在公司内部,一般一次客户服务请求的处理过程叫一个工单。

那么,30分钟回电率和2小时上门率的指标可以用下面的方式定义。

  • 30分钟回电率=30分钟内回电的寄件工单数量/所有寄件工单数量;
  • 2小时上门率=2小时内上门的寄件工单数量/所有寄件工单数量。

这时候有的小伙伴就会问了,你怎么知道这个工单是否在30分钟内回电或者在2小时内上门呢?快递小哥分布在全国各地,总不能一个个监督盯着吧?

你说的一点毛病都没有,这个问题在信息化时代之前确实不好解决。

而现在不一样了,当客户在小程序上创建好一个寄快递的工单后,可以获取到提交工单的时间,快递公司内部会将工单创建成功的时间录入数据库。

同时,在企业内部一般都有内部的管理系统,用于记录工单的流转过程,可以获取并记录到快递员第一次回拨客户电话的时间。

同理,我们可以要求快递员在上门后点击上门按钮,使用点击按钮的时间作为上门时间。

上面提到的记录工单提交时间,快递员回拨电话的时间,上门的时间等数据的记录过程,有一个专用的概念——数据埋点

工单创建时间、售后回拨电话时间和售后上门时间,这三个数据都是原始数据。而计算后得到的30分钟回电率和2小时上门率是经过处理后的数据。

二、数据分析是什么

数据是最宝贵的生产资料之一,通过积累的数据可以发现客户潜在的需求,验证PM对于需求的判断是否准确。

使用数据发现需求、验证需求的过程,就是数据分析的一种定义。

在我看来,数据分析既可以用来提供灵感,某些灵感验证后会变成有价值的需求,也用来验证需求是否存在以及需求大小。

这么说有些抽象,我在下面举一些例子来说明。

三、数据分析的两个方向

数据分析一般有两种运用的方向,一种是自下而上的,一种是自上而下的。

首先说第一种自下而上的运用方法。

当你对业务有一定感知,知道某个方向或事件存在机会,但模模糊糊看不清楚时,需要确认自己的判断是否准确、具体的影响范围、影响程度。这时可以用数据衡量出来。

举个例子,假设你所在公司的业务是给饭店酒楼提供冰箱、冰柜之类的制冷设备,并且是租赁的形式。

你的工位正好位于客服组的对面,每天都能听到客服小姐姐在接听客户电话,处理设备维修、经朋友推荐需要合作、回访看看满意度怎么样等等问题。

一个平淡无奇的周一,你突然感到今天的报修电话好像格外多,但是不确定是不是偶发情况。

因为这些设备直接影响食材的质量,出现故障会给商家造成损失。

同时租赁的形式看重的是客户续费的情况、按时回款的情况,如果设备频频出现故障客户满意度会下降,进而影响后续的合作。所以报修率是一个关键指标。

这个时候可以打开滴答清单记下这个信息,保持关注。

之后一连三四天,报修电话都很多,这个时候你坐不住了,询问客服同学最近有没有感觉报修变多了,客服同学身在一线,感知都很敏锐,会认同你的观点。

接着你可以问,感觉最近多出来报修,客户一般反馈什么故障现象,她们说冰箱制冷总是时好时坏。

这时候你可以拉出最近所有发单备注有制冷、偶发、时好时坏等关键词的报修工单。如果想更精确的了解问题,时间充裕的前提下,可以抽着看下最近一周的所有报修工单。

拿到这些冰箱时好时坏的报修工单,和之前月份同样故障现象的工单数量比较了下,发现确实最近多了很多(数据分析的过程)。

之后你给最近维修过这类故障的售后打电话询问情况,发现是某一个零件老出故障。

然后顺藤摸瓜,询问研发和采购,发现这个零件是个外购件,并且最近更换了供应商,在测试零件质量时时间不够,样本量也不够,导致测试时没发现问题。

背后的原因是引进外购件时,测试环节不完善导致的。

这样你就用数据验证了你的业务感知,并且挖掘出了一个业务上的优化点。

其次来说说自上而下的运用方法。

当对业务有比较深刻的理解后,可以构建指标体系,衡量一个部门的关键指标是否存在异常,通过日常监控指标,发现异常数据,进而去了解背后的问题,从而解决问题。

比如售后部门,一般围绕两个事情做努力:客户满意,服务效率。

怎么能在客户满意的基础上,让一位工程师尽可能多的维护保养一些设备?

可以从满意度和效率两个方向进行指标体系的建设,比如满意可以分为回访满意度、报修后一次解决的比例等。

效率的指标可以用一个人负责的设备台数、一个月内报修的工单数量、完成一个报修的平均时间、核心零部件的故障率等来衡量。

平时把这些关键指标放到一个报表里,日常监督,当发现某一个指标最近突然升高时,去搞清楚背后的原因,有时可以挖掘出有价值的需求。

四、一些小tips

(1)运用数据的前提是对业务有一定感知。

如果没怎么见过客户、也没和一线业务团队经常交流,自己臆想出来的指标通常没什么意义。

(2)数据分析很重要,但是实地的调研更重要。

一周抽一两天时间见客户,比看指标有用的多。因为指标是根据之前的认知定出来的,并且很难衡量现场的全部问题,新的问题不一定全部能反应到指标上。

只盯着指标看,就会出现看似一切良好、欣欣向荣,实则一塌糊涂的情况。

 

本文作者 @易哲 。

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