Khi phân tích dữ liệu, hãy ghi nhớ logic cơ bản này!

"Để làm sáng tỏ logic cơ bản của phân tích dữ liệu, việc thiết lập tiêu chuẩn chính là chìa khóa." Tại sao việc xác định tiêu chuẩn trong công việc phân tích dữ liệu lại khó khăn đến vậy? Làm thế nào để xác định các tiêu chuẩn phù hợp dựa trên các loại hình kinh doanh khác nhau?

Một nguyên tắc cơ bản thường gặp về phân tích dữ liệu: bản thân dữ liệu không có ý nghĩa, chỉ có dữ liệu + tiêu chuẩn mới có ý nghĩa. Tuy nhiên, chính từ "chuẩn" đã giết chết vô số nhà phân tích dữ liệu. Những câu hỏi thường gặp như:

Không có tiêu chuẩn: Doanh nhân nói, "Các hoạt động của tôi đã cải thiện hiệu suất. Tôi không biết nó sẽ cải thiện được bao nhiêu. Bạn có thể phân tích được không?" Sau đó, bất kể dữ liệu là gì, doanh nhân đó vẫn nói: "Quá ít. Anh chưa suy nghĩ kỹ rồi".

Tiêu chuẩn không chắc chắn: Doanh nghiệp muốn cải thiện "sức khỏe khách hàng" và "chất lượng kênh", nhưng bất kể nhà phân tích dữ liệu sử dụng chỉ số nào, doanh nghiệp sẽ tự hỏi "Những chỉ số này có thể đại diện cho sức khỏe không? Vậy thì một chỉ số khác là không lành mạnh?"

Tiêu chuẩn liên tục thay đổi: khi chỉ số giảm 0,1%, doanh nghiệp trở nên cực kỳ lo lắng và đòi hỏi phải phân tích sâu hơn; khi chỉ số giảm 30%, doanh nghiệp nói rằng “điều này là bình thường, phân tích của bạn là vô nghĩa!”

Tìm ra tiêu chuẩn là thách thức cốt lõi của phân tích dữ liệu. Tiêu chuẩn không chắc chắn, dữ liệu có phản ánh vấn đề không? Vấn đề này lớn đến mức nào? Đây là vấn đề của ai? Nếu chúng ta không thể chắc chắn, làm sao chúng ta có thể tiến hành phân tích chuyên sâu? Vậy các tiêu chuẩn được thiết lập như thế nào? Hôm nay tôi sẽ nói về vấn đề này một cách có hệ thống.

01Tại sao việc đặt ra tiêu chuẩn lại khó khăn đến vậy?

Về cơ bản, việc đặt ra các tiêu chuẩn rất khó khăn, chủ yếu là do mức độ khó khăn trong việc đánh giá bản thân doanh nghiệp là khác nhau:

n Một số doanh nghiệp giống như việc di chuyển những viên gạch, chỉ làm từng việc một. Đây là tiêu chuẩn dễ thiết lập nhất và có thể áp dụng mức lương theo sản phẩm.

n Một số doanh nghiệp thuộc loại hình BUFF, giúp cải thiện hiệu quả hoạt động. Tiêu chuẩn này không dễ để đưa ra, vì rất khó để phân biệt được “bao nhiêu là không có buff”, và vô số cuộc tranh luận nổ ra từ đây.

n Một số doanh nghiệp chỉ là lớp kem trên mặt bánh, giống như một người bán hàng ở chợ rau đang rao bán “Cà chua của tôi to và đỏ.” Bạn sẽ không chết nếu không làm điều này, và có vẻ sẽ tốt hơn nếu bạn làm vậy, nhưng rất khó để xác minh hiệu quả.

Tệ hơn nữa là một số nhà phân tích dữ liệu không hiểu rõ về những khác biệt trên và cho rằng chúng có thể trộn lẫn với nhau.

Tệ hơn nữa là một số doanh nghiệp rất rõ ràng về những sự khác biệt trên, vì vậy khi họ không làm tốt, họ cố tình thử sức ở vùng nước có vấn đề để làm mờ nhạt các tiêu chuẩn và che đậy sai lầm của mình.

Khi một nhà phân tích dữ liệu không biết cách phân biệt gặp phải một doanh nghiệp cố gắng trốn tránh bằng cách gian lận, điều đó giống như một người mù cưỡi một con ngựa mù. Đây chính là lý do tại sao lại có nhiều lời phàn nàn như vậy ngay từ đầu. Điều buồn cười hơn nữa là các nhà phân tích dữ liệu thiếu hiểu biết vẫn chưa nhận thấy vấn đề này và đang hỏi khắp nơi trên mạng: "Tôi có thể tìm định nghĩa chuẩn thống nhất cho phân tích dữ liệu Internet ở Trung Quốc ở đâu?"

Do đó, giải pháp không phải là mong đợi bộ phận kinh doanh thay đổi quan điểm mà là bản thân các nhà phân tích dữ liệu phải phát triển con mắt tinh tường. Phân biệt đúng sai, phân loại theo loại và xem các tiêu chuẩn được thiết lập như thế nào.

02Thể loại thứ nhất: kiếm tiền bằng cách di chuyển những viên gạch

Ví dụ, việc thúc đẩy và đầu tư vào ngành công nghiệp Internet, cũng như hoạt động bán hàng và mở cửa hàng của các doanh nghiệp truyền thống. Loại đánh giá này có thể được sử dụng để đánh giá từng cá nhân và có thể thấy rõ ngay qua việc mỗi người đã đóng góp bao nhiêu doanh thu và số lượng người dùng mới cho công ty. Loại công việc này liên quan đến doanh thu và sự tăng trưởng kinh doanh của công ty nên thường có các chỉ số đánh giá cứng và thường do sếp áp đặt.

Trong trường hợp này, hãy nhớ ba nguyên tắc không nói chuyện

n Không nói về “tỷ lệ tăng trưởng tự nhiên”. Hãy làm những gì bạn được giao và đừng tranh cãi với sếp nếu bạn không hài lòng

n Đừng nói về “hợp lý hay không”. Ông chủ đã đặt ra một số tiền nhất định. Nếu bạn không hài lòng, hãy đi tranh luận với ông chủ*2

n Không nói về “những tác động sâu rộng khác”. Nếu sếp không có quyết định thì bỏ qua, còn nếu không hài lòng thì đi cãi nhau với sếp*3

Điều mà một nhà phân tích dữ liệu cần làm là phân tích các mục tiêu của ông chủ theo từng ngành kinh doanh/thời gian. Chia nhỏ các mục tiêu hàng năm của bạn thành từng khoảng thời gian, sau đó theo dõi và hoàn thành chúng (như minh họa bên dưới).

03 Hạng mục thứ hai: cung cấp gạch di dời

Ví dụ, dự trữ và cung cấp sản phẩm. Loại công việc này cần được chuẩn bị dựa trên các điều kiện bán hàng, nhưng không thể sao chép hoàn toàn từ các mục tiêu bán hàng, vì mục tiêu bán hàng có thể không đạt được/có thể đạt được sau thời hạn. Khi mục tiêu không thể đạt được và có quá nhiều hàng tồn kho, nó sẽ tích tụ và dẫn đến thua lỗ. Nếu quá thời hạn và không đủ hàng, một số cơ hội bán hàng sẽ bị mất. Do đó, khi đặt ra mục tiêu, người ta thường tiến hành đánh giá kép: tỷ lệ đủ nguồn cung/tỷ lệ thất thoát hàng tồn kho.

04Loại thứ ba: buff chung

Các chương trình BUFF phổ biến bao gồm nhiều chương trình khuyến mãi lớn thông thường, gói quà tặng cho thành viên mới, giảm giá 100 nhân dân tệ khi mua hàng trên 500 nhân dân tệ, mua ba sản phẩm được tặng một sản phẩm và trở thành thành viên thẻ bạch kim sau khi chi tiêu 10.000 nhân dân tệ. Những hoạt động này thường được tổ chức bởi các phòng ban điều hành, tiếp thị và tăng trưởng. Các quy tắc và đối tượng tham gia hoạt động này rất công khai và minh bạch, người dùng có thể nhận được giải thưởng nếu đáp ứng đủ các yêu cầu.

Tất cả các BUFF phổ biến đều có mục tiêu rõ ràng, chẳng hạn như hoạt động sản phẩm và các mục tiêu/phương pháp khác nhau ở các giai đoạn khác nhau (như thể hiện trong hình bên dưới).

Ví dụ, đối với các hoạt động của người dùng, mục tiêu/phương pháp sẽ khác nhau ở các giai đoạn khác nhau (như thể hiện trong hình bên dưới).

Để ý! Các phòng ban bổ sung nhân sự thường nói về "tăng trưởng tự nhiên", "tác động sâu rộng" và "doanh thu tăng thêm". Vì các BUFF này được chồng lên công việc của những người khác nên bộ phận tổ chức sự kiện lo ngại rằng sẽ không thể phản ánh được những đóng góp của chính mình và họ muốn làm cho tỷ lệ tăng trưởng tự nhiên trở thành số âm và quy toàn bộ sự tăng trưởng cho chính họ. Điều này cũng gây ra rất nhiều tranh cãi.

Cách giải quyết tranh chấp là phân biệt "phân tích tác động sâu sắc" với "đánh giá mục tiêu". Trước tiên hãy đạt được mục tiêu của mình, sau đó xem xét lại kết quả sau khi đạt được mục tiêu. Công ty thậm chí còn chưa đạt được mục tiêu của mình, hiệu suất chung vẫn đang suy giảm, sản phẩm vẫn không bán được và không thu hút được người dùng. Bài viết có thể đề cập đến những "tác động sâu rộng khác" nào? Tất cả chỉ là tự lừa dối bản thân.

05Loại thứ tư: đánh bóng chính xác

Hình thức phổ biến nhất của việc đánh bóng chính xác là tiếp thị chính xác. Các kế hoạch tiếp thị khác nhau được cung cấp cho những người dùng khác nhau thông qua các cuộc gọi điện thoại, tin nhắn văn bản, thông báo trong ỨNG DỤNG, v.v. và những người dùng khác không biết và không thể tham gia.

Lưu ý: Tiếp thị chính xác có thể đo lường tỷ lệ tăng trưởng tự nhiên tương đối chính xác bằng cách thiết lập các nhóm hoạt động và nhóm tham chiếu thông qua phương pháp thông tin đóng. Do đó, BUFF chính xác có thể đặt trực tiếp mục tiêu là: cải thiện thêm hiệu ứng chuyển đổi/tiêu thụ XXX so với tăng trưởng tự nhiên.

Điều đáng lo ngại là các hoạt động chúng ta đang thực hiện là các hoạt động chính xác, nhưng không có sự phân nhóm, không có nhóm tham chiếu và không có thử nghiệm AB trước đó. Không có sự chuẩn bị nào, sau đó ông đến hỏi: Làm sao để đo chính xác? Chắc chắn là không thể trả lời được câu hỏi đó.

06Thể loại 5: Lớp kem trên bánh

Tất cả các nhiệm vụ không thể được ghi lại trong dữ liệu nội bộ đều là nhiệm vụ phụ. Những chỉ số phổ biến bao gồm thương hiệu, truyền thông và dịch vụ, và các chỉ số tương ứng là nhận thức của người dùng, sự hài lòng của người dùng và lòng trung thành của người dùng.

Các nguồn dữ liệu này dựa vào nghiên cứu thị trường hoặc hồ sơ dữ liệu từ các nền tảng bên ngoài, chẳng hạn như số lượt đọc bài viết trên tài khoản công khai, số lượt xem video, v.v.

Vấn đề lớn nhất với tiêu chuẩn này là dữ liệu dễ bị thao túng. Chất lượng của các bảng câu hỏi khảo sát thị trường quá kém và mẫu quá nhỏ; dữ liệu từ các nền tảng bên ngoài có thể dễ dàng được tạo ra bằng cách bơm thủ công. Vì vậy, cách đơn giản nhất để thiết lập tiêu chuẩn này là để các phòng ban có trách nhiệm đặt ra một con số trước và sau đó xem liệu họ có thể đạt được hay không.

Liệu phần thưởng này có thể mang lại doanh số, người dùng và những hiệu ứng thực tế khác hay không. Đối với phân tích dữ liệu, chỉ có các liên kết mới được công nhận. Với các liên kết chuyển đổi và hồ sơ dữ liệu nội bộ, nó sẽ được chuyển đổi thành một công việc theo kiểu buff chung để đánh giá hiệu quả chuyển đổi. Không có liên kết, không có đường dẫn chuyển đổi, không có dữ liệu nội bộ và không có gì được nhận dạng, ngăn chặn suy nghĩ lợi dụng tình hình của họ.

07 Tóm tắt

Về cơ bản, vấn đề tiêu chuẩn liên quan đến đánh giá hiệu suất, do đó phía doanh nghiệp có động lực để thử sức ở vùng biển đầy biến động. Đây là vấn đề chính trị văn phòng được ngụy trang dưới dạng vấn đề dữ liệu. Do đó, nếu muốn giải quyết vấn đề, bạn không nên trông chờ vào việc "có một thuật toán toán học hoàn hảo" để giải quyết vấn đề. Không có thuật toán toán học nào có thể giải quyết được vấn đề lòng tham của con người.

Do đó, dữ liệu có thể thực hiện những phần có thể đo lường được, giúp mọi người quay lại với ý định ban đầu, giảm bớt sự vô nghĩa và đạt được mục tiêu chung tốt hơn.