軟件開(kāi)發(fā) APP開(kāi)發(fā) 軟件開(kāi)發(fā)公司 APP開(kāi)發(fā)公司

? ? ? ? 數(shù)據(jù)分析與挖掘技術(shù)

? ? ?“數(shù)據(jù)分析和數(shù)據(jù)挖掘是組合的數(shù)學(xué)和計(jì)算機(jī)科學(xué)產(chǎn)品?！?/span>

? ? ?“數(shù)學(xué)是數(shù)字、模型、模式和變化的學(xué)科?！?/span>

?這兩句話結(jié)合，我認(rèn)為這是挖掘做事不夠準(zhǔn)確匯總數(shù)據(jù)分析和數(shù)據(jù) - 理解業(yè)務(wù)，找到問(wèn)題的關(guān)鍵數(shù)據(jù)，找到合適的型號(hào)，找出規(guī)律和變化，預(yù)測(cè)未來(lái)。

? 我不打算在這里繼續(xù)發(fā)展復(fù)雜的數(shù)學(xué)知識(shí)。所謂術(shù)業(yè)有專攻，作為產(chǎn)品設(shè)計(jì)師和產(chǎn)品經(jīng)理的CRM系統(tǒng)，我們應(yīng)該看什么姿勢(shì)的CRM業(yè)務(wù)使用的數(shù)據(jù)。

? 數(shù)據(jù)的價(jià)值是什么？

? ? ? 1. 數(shù)據(jù)可以揭示真相

心理學(xué)中有一種現(xiàn)象叫做“新鮮度問(wèn)題”，它是指人們?cè)诿鎸?duì)解決問(wèn)題或做出決策的情況時(shí)，傾向于利用真正發(fā)生的或更容易獲得的信息做出決策，但導(dǎo)致這種決策模型的有限經(jīng)驗(yàn)和資源很可能使我們做出錯(cuò)誤的判斷。題外話，要知道心理學(xué)和統(tǒng)計(jì)是密不可分的，這么多的想法的心理可以在數(shù)據(jù)分析找到影子。

例如，名為“短信營(yíng)銷”，你的第一反應(yīng)不是“哪里有現(xiàn)在的人看到這個(gè)消息??？他們正在使用微信。 “答案是”不”，因?yàn)橛卸绦艛?shù)據(jù)業(yè)務(wù)的鏈路可以達(dá)到20％，而廣大讀者品牌的圖形數(shù)量一般為3％左右。有沒(méi)有打亂你的看法？

數(shù)據(jù)用來(lái)說(shuō)話，以避免人們因有限的經(jīng)驗(yàn)中學(xué)習(xí)，并引起揭露真相的認(rèn)知偏差。

2. 數(shù)據(jù)可以轉(zhuǎn)化為行動(dòng)

數(shù)據(jù)轉(zhuǎn)化為信息再由信息轉(zhuǎn)化為行動(dòng)，數(shù)據(jù)分析的目的是行為。通過(guò)了解真實(shí)的世界，以前的工作成果的措施，使我們可以采取更多的行動(dòng)通知，效果更佳。

但我更關(guān)心的問(wèn)題是：它是否能明智地使用數(shù)據(jù)？

回到“短信營(yíng)銷”，因?yàn)槎绦沛溄拥狞c(diǎn)擊率遠(yuǎn)遠(yuǎn)超過(guò)讀取的圖形的數(shù)量，品牌是不是意味著公眾放棄所有的數(shù)字，并切換到“短信營(yíng)銷”平均的例子嗎？答案仍然是否定的。

思考一下以下問(wèn)題：

短信打所有的含量可以達(dá)到它的20％？

哪些內(nèi)容可以在短信中達(dá)到20％的點(diǎn)擊率？

品牌，就是以什么樣的場(chǎng)景信息到用戶的手機(jī)號(hào)碼？

有多少鏈接短信轉(zhuǎn)換KPI的最終目標(biāo)上點(diǎn)擊有嗎？

SMS轉(zhuǎn)換率比的讀出公共圖形號(hào)碼的量高，答案可能位于不同的SMS用戶和公眾號(hào)碼用戶位于生命周期。

在什么情況下發(fā)送短信的手機(jī)號(hào)碼收購(gòu)品牌？或許是從電商平臺(tái)獲得的訂單數(shù)據(jù)，意味著手機(jī)號(hào)的擁有者已經(jīng)是品牌消費(fèi)者或用戶，品牌有了一定的認(rèn)可度，到交易階段的客戶群體及時(shí)發(fā)送推廣短信可以有效的刺激客戶復(fù)購(gòu)..

對(duì)于一些公共操作的，廣大球迷和品牌，以品牌建設(shè)為主要活性業(yè)務(wù)，運(yùn)營(yíng)目的是為了提高潛在客戶的品牌知名度，粉絲和品牌信任關(guān)系的鞏固。如果公眾號(hào)渠道和短信渠道從運(yùn)營(yíng)目的到內(nèi)容定位的不同，那么指標(biāo)性能并不是唯一的參考答案。

數(shù)據(jù)不會(huì)說(shuō)謊，但數(shù)據(jù)會(huì)被誤讀，原因是誤讀，人們都在思考的盲點(diǎn)。避免盲點(diǎn)思維方式是數(shù)據(jù)的不確定性，一個(gè)明確的因素，我們不知道該怎么辦找出“反查”的方法，以數(shù)據(jù)的避免誤解。

? ? ? ? 二、數(shù)據(jù)的指導(dǎo)意義

1. 度量

測(cè)量檢查工作的結(jié)果前一個(gè)環(huán)是最常見(jiàn)的KPI（關(guān)鍵指標(biāo)）的措施是必要的。

KPI可分為“目標(biāo)KPI”和“過(guò)程KPI”。

? ? ?“目標(biāo)KPI”是業(yè)務(wù)工作的最終目標(biāo)績(jī)效考核的結(jié)果衡量？例如：新的粉絲數(shù)量，新客戶的數(shù)量，再購(gòu)買率，換手率等。

工作“流程KPI”是最終目標(biāo)將進(jìn)行拆解的不同指標(biāo)，劃定在每個(gè)工藝節(jié)點(diǎn)制造。例如，對(duì)于一個(gè)帶有公眾號(hào)的新粉的裂變運(yùn)動(dòng)，“目標(biāo)KPI”是新粉絲的數(shù)量，流程KPI包括：PV、UV、分享號(hào)等?；顒?dòng)頁(yè)面。

「過(guò)程 KPI 」的目的有兩個(gè)：

?通過(guò)“過(guò)程KPI”，可以預(yù)測(cè)目標(biāo)績(jī)效結(jié)果，

? ? ? “KPI過(guò)程”來(lái)描述方法中，反應(yīng)的問(wèn)題，分析性能結(jié)果，的原因，如一個(gè)普通漏斗模型。

2. 理解

測(cè)量的目的是識(shí)別“問(wèn)題”，這些問(wèn)題可以是無(wú)法實(shí)現(xiàn)目標(biāo)的原因，避免后續(xù)工作中同樣的錯(cuò)誤，也可以是成功實(shí)現(xiàn)目標(biāo)的原因，轉(zhuǎn)化為可復(fù)制的成功模式。

首先要回答一個(gè)小問(wèn)題的數(shù)據(jù)分析之前發(fā)現(xiàn)問(wèn)題，大問(wèn)題變成小問(wèn)題，找到答案的大問(wèn)題。如：

改進(jìn)營(yíng)銷活動(dòng)的問(wèn)題

? ? ? ? 提高績(jī)效的問(wèn)題

分析分析數(shù)據(jù)的過(guò)程中添加的“尺寸”，可這些小問(wèn)題進(jìn)行了拆解它一個(gè)很好的答案。

常見(jiàn)的維度分析包括：

時(shí)間維度

人口屬性維度

行為事件維度

3. 預(yù)測(cè)

通過(guò)對(duì)歷史數(shù)據(jù)的理解可以預(yù)測(cè)未來(lái)。

當(dāng)每天7點(diǎn)準(zhǔn)時(shí)下班時(shí)，他們可以準(zhǔn)確地預(yù)測(cè)到達(dá)公司的時(shí)間框架。究其原因可想而知，因?yàn)樵谏习嗟穆飞?，一天又一天，公司都到達(dá)同一時(shí)間。

在客戶關(guān)系管理中，大多數(shù)交易是可以預(yù)測(cè)的：

哪些客戶可能會(huì)流失？

下一次顧客的購(gòu)物情況發(fā)生在什么時(shí)候？

通過(guò)直觀的圖表包含時(shí)間變量，我們已經(jīng)可以做一些簡(jiǎn)單的預(yù)測(cè)，如銷售淡季時(shí)節(jié)的是什么事件;但大多數(shù)預(yù)測(cè)是基于一組混雜與未來(lái)業(yè)績(jī)相關(guān)的因素，我們需要通過(guò)一些數(shù)學(xué)模型的立場(chǎng)。

客戶信息是品牌的關(guān)鍵資產(chǎn)

品牌收集客戶數(shù)據(jù)，客戶肖像的形式，幫助品牌為客戶提供優(yōu)良的特殊服務(wù)，更高的轉(zhuǎn)化率。通過(guò)分析每個(gè)客戶的價(jià)值，品牌決定哪些客戶值得保留和放棄，

最困難的收集和使用客戶信息是識(shí)別顧客的身份。

舉一個(gè)例子：一位顧客購(gòu)買了該品牌的旗艦店山貓第一次被標(biāo)記為新客戶，其實(shí)，在品牌自己的專賣店早期客戶都是一些京東買的，因?yàn)橛脩舨⒉徽J(rèn)可山貓而京東的用戶是一樣的自然人，同時(shí)給予客戶將在京東的新客戶提供了品牌，也發(fā)出了京東喚醒回購(gòu)報(bào)價(jià)，直接導(dǎo)致了資源的浪費(fèi)品牌。

獲取客戶數(shù)據(jù)通過(guò)的關(guān)鍵是一個(gè)統(tǒng)一的標(biāo)識(shí)，例如id號(hào)，但是商業(yè)上比較合適的標(biāo)識(shí)不是手機(jī)號(hào)..移動(dòng)號(hào)碼的收集可以來(lái)自訂單數(shù)據(jù)，但更多的是來(lái)自品牌組織的互動(dòng)活動(dòng)，引導(dǎo)用戶提供自己的移動(dòng)號(hào)碼。

數(shù)據(jù)的收集

數(shù)據(jù)量的數(shù)據(jù)分析過(guò)程中需要，越多越好，但理想和現(xiàn)實(shí)是有差距的。除了微信，淘寶，數(shù)十億用戶的大工廠，甚至行業(yè)的一線品牌都想收集多維度的客戶數(shù)據(jù)并不容易。

通常品牌將繼續(xù)創(chuàng)造機(jī)會(huì)（如營(yíng)銷活動(dòng)，調(diào)查等形式的互動(dòng)）與客戶進(jìn)行互動(dòng)，收集客戶的基本信息，通過(guò)事先埋在客戶的活動(dòng)頁(yè)面收集的行為數(shù)據(jù)點(diǎn)。

數(shù)據(jù)收集的過(guò)程，需要足夠的耐心和我們能做的：

制作互動(dòng)內(nèi)容來(lái)吸引客戶愿意離開(kāi)他們的數(shù)據(jù)。

做好數(shù)據(jù)的存儲(chǔ)規(guī)范，保證不同活動(dòng)，不同渠道采集到的數(shù)據(jù)可以統(tǒng)一命名存儲(chǔ)，以便于后續(xù)使用，

需要收集的數(shù)據(jù)是由業(yè)務(wù)需求決定的，比如牛奶品牌需要收集嬰兒出生日期，或者洗發(fā)水品牌收集客戶的頭發(fā)質(zhì)量特征來(lái)推薦更適合他們的產(chǎn)品。

數(shù)據(jù)的呈現(xiàn)

圖表可以用來(lái)形容各項(xiàng)性能指標(biāo)。數(shù)據(jù)可視化的本質(zhì)是基于的前提是不同的經(jīng)營(yíng)宗旨，描述了最合理的方式中的數(shù)據(jù)，人們可以更容易地理解這些信息傳達(dá)的數(shù)據(jù)。如

線圖：用來(lái)表現(xiàn)基于時(shí)間維度的指標(biāo)走向

柱狀圖或餅狀圖：用來(lái)表現(xiàn)指標(biāo)的維度分布

直方圖：用來(lái)表現(xiàn)指標(biāo)的數(shù)據(jù)分布

分散：同樣是分布式的性能，非常適宜做回歸分析

1. 數(shù)據(jù)分析在于對(duì)比

“本月新增客戶數(shù)量比上月增加20％”顯然比“本月新增客戶200家”，“比”是一個(gè)自然的比較指標(biāo)“轉(zhuǎn)換”的活動(dòng)，例如，“訪問(wèn)人數(shù)”與客戶最終“的人購(gòu)買數(shù)量”做對(duì)比（的人購(gòu)買/訪客％號(hào)），該活動(dòng)可以進(jìn)行真實(shí)的效果。

2. 數(shù)據(jù)分析需要聯(lián)動(dòng)

數(shù)據(jù)分析是是連續(xù)行為，數(shù)據(jù)需要連接起來(lái)。

如果這兩個(gè)指標(biāo)總是一起變化或一個(gè)指標(biāo)導(dǎo)致另一個(gè)指標(biāo)變化的

那么它們是相關(guān)的。

3. 提供靈活的多維度數(shù)據(jù)篩選＆數(shù)據(jù)對(duì)比

提供維度篩選，幫助商務(wù)人士發(fā)現(xiàn)性能數(shù)據(jù)的原因，并避免許多不同的解釋在同一時(shí)間。

添加維度以注意虛榮心數(shù)據(jù)。仍然有效“轉(zhuǎn)化率”為例，即使轉(zhuǎn)化率達(dá)到80％，但這些大多是客戶“的活動(dòng)不會(huì)買的”客戶成功轉(zhuǎn)型，這也活動(dòng)不那么成功的績(jī)效指標(biāo)。

注意事項(xiàng)

甚至行業(yè)的常用指標(biāo)仍然需要被定義和用于計(jì)算的明確的指標(biāo)的指標(biāo)的公式。不同的品牌業(yè)務(wù)場(chǎng)景也是不同的，對(duì)指標(biāo)可能有不同的解釋。例如：在線客服績(jī)效考核，不同品牌有相同指標(biāo)的計(jì)算不同的考核標(biāo)準(zhǔn)也不同。

對(duì)于定性指標(biāo)，需要進(jìn)行兼容的后續(xù)修正。例如：活動(dòng)，客戶價(jià)值，運(yùn)行一段時(shí)間后，在指數(shù)中，市場(chǎng)的變化，改變了客戶特征需要重新調(diào)整指數(shù)的計(jì)算。

總結(jié)

由于人們思維的盲點(diǎn)，在數(shù)據(jù)分析過(guò)程中存在著許多陷阱，通過(guò)反考來(lái)識(shí)別我們的不確定因素。

了解企業(yè)，發(fā)現(xiàn)問(wèn)題，將大問(wèn)題分成可管理的解決一個(gè)小問(wèn)題，使用正確的數(shù)據(jù)和分析模型，以找出答案。

數(shù)據(jù)可視化是一個(gè)完整的數(shù)據(jù)分析過(guò)程，

數(shù)據(jù)聯(lián)動(dòng)，分割尺寸等的比較分析，可以管理混雜因素，數(shù)據(jù)的更準(zhǔn)確的解釋。