Quá nhiều rồi, ý tưởng [phân tích hoạt động] này thực sự đúng trọng tâm

Trong thời đại dữ liệu như hiện nay, phân tích hoạt động đã trở thành một phần không thể thiếu trong quá trình ra quyết định kinh doanh. Bài viết khám phá sâu hơn về ứng dụng phân tích dữ liệu trong hoạt động và cung cấp một loạt các chiến lược và ý tưởng thực tế để giúp người vận hành hiểu rõ hơn về dữ liệu và đưa ra quyết định sáng suốt hơn.

Trong "Hoạt động dữ liệu là gì và làm thế nào để phân tích?", chúng tôi đã liệt kê những khó khăn thực tế mà hoạt động gặp phải. Hôm nay, chúng tôi sẽ tiếp tục chia sẻ cách phân tích dữ liệu có thể giúp hoạt động giải quyết những khó khăn này.

Như đã đề cập trong bài viết trước, phân tích dữ liệu đã hỗ trợ rất nhiều cho hoạt động, nhưng thật không may, nó chỉ giới hạn ở giai đoạn hiểu tình hình hiện tại. Vậy thì cần những gì nữa để hỗ trợ việc nâng cấp theo từng đợt trong hoạt động? Điều này đòi hỏi chúng ta phải bắt đầu với việc lặp lại hoạt động và nâng cấp thực sự đang làm gì.

1. Cách thực hiện nâng cấp lặp lại trong các hoạt động

Lý do tại sao các hoạt động thích nói về sự lặp lại trước hết là vì các hoạt động có số lượng lớn các thói quen, mẫu và trường hợp cơ bản để tham chiếu và không cần phải bắt đầu từ đầu. Vì vậy, không cần phải sử dụng những từ như "đổi mới, thiết kế, sáng tạo".

Con trai có thể nhớ lại những trò chơi bạn đã chơi. Bạn có nhận được XX cho khoản tiền gửi đầu tiên, XX khi đăng nhập sau bảy ngày và huy chương cho các cuộc thi đấu không? Các thói quen rất giống nhau. Các cô gái có thể xem xét các chương trình giảm giá, ưu đãi và rút thăm trúng thưởng khác nhau trên các trang web mua sắm và xem chúng có giống nhau không. Đó chính là cảm giác!

Ví dụ, AARRR là chủ đề mà các hoạt động muốn thảo luận nhiều nhất. Trên thực tế, có rất nhiều thói quen trong từng khía cạnh (như được hiển thị bên dưới):

Thứ hai, khi môi trường thay đổi và quy mô doanh nghiệp mở rộng, các quy trình không thể lúc nào cũng được áp dụng theo cách cố định và sẽ luôn thay đổi theo thời gian. Sự thay đổi này có thể được chia thành năm cấp độ (như được hiển thị bên dưới):

Năm cấp độ thay đổi này sẽ được thực hiện theo một quy trình:

Sau khi đọc nội dung trên, bạn có cảm thấy dữ liệu có thể làm được nhiều việc không? Đợi một chút, khối lượng công việc cần làm phụ thuộc vào loại công việc cụ thể cần thực hiện. Nếu không chọn đúng đối tượng dịch vụ thì nó có thể trở nên thừa thãi.

2. Yêu cầu dữ liệu cho các hoạt động khác nhau

Mặc dù được gọi là hoạt động, nhưng hoạt động thực chất lại bao gồm rất nhiều công việc. Vị trí đau cụ thể ở mỗi ca phẫu thuật là khác nhau. Đối với những điểm khó khăn này, mức độ xử lý của phân tích dữ liệu sẽ khác nhau.

Về bản chất, các phương pháp phân tích dữ liệu thể hiện tính hợp lý, logic và tính toán. Nhưng đó không phải là tất cả công việc, công việc này còn đòi hỏi rất nhiều sự nhạy cảm, cảm xúc và sáng tạo. Do đó, một số công việc không nhất thiết đòi hỏi nhiều sự trợ giúp từ dữ liệu mà chỉ cần xem xét tình hình và kết quả hiện tại, trong khi những công việc khác lại đòi hỏi tính toán và phân tích cẩn thận. Kết hợp các yếu tố trên, có thể tóm tắt như sau:

Đó là lý do tại sao mọi phân tích chi tiết mà bạn thấy đều liên quan đến người dùng. Bởi vì hoạt động của người dùng là một công việc mang tính chiến lược.

Bản thân thao tác của người dùng cũng rất quan trọng. Để có thể niêm yết và huy động vốn, nhiều công ty Internet cần đạt được một mức độ nhất định về lượng người dùng, tốc độ tăng trưởng người dùng và tỷ lệ chuyển đổi thanh toán. Họ sẵn sàng chi tiền cho hoạt động kênh (thu hút người dùng mới) và hoạt động người dùng (duy trì người dùng cũ).

3. Dữ liệu có thể hỗ trợ những câu hỏi nào?

Phân tích dữ liệu phù hợp để giải quyết các vấn đề lý tính, vì vậy sau khi xem xét phân loại trên, bạn có thể biết phân tích dữ liệu phù hợp để giải quyết những vấn đề nào. Nhưng đừng quên rằng vấn đề lớn nhất trong hoạt động này là thiếu tiền. Do đó, chúng ta cũng cần cộng thêm mức cầu chi phí cho từng loại công việc và giải quyết bài toán chi phí của những phòng ban nào đang thiếu tiền trước (như hình bên dưới).

Do đó, về mặt lý thuyết, bước đầu tiên trong các hoạt động được hỗ trợ bởi dữ liệu phải là “chia tiền”. Đầu tiên hãy trả lời những câu hỏi liên quan đến tiền bạc, rất hợp lý và mang tính chiến lược, chẳng hạn như: Công ty thấy rằng mục tiêu của mình là (ngành số 1? Doanh thu trên 10 tỷ?) ● Dựa trên mục tiêu này, công ty cần XX triệu người dùng mới và người dùng hoạt động cũ để duy trì ở mức XX ● Dựa trên số lượng người dùng mới và giá thị trường hiện tại, chi phí kênh là XXX tỷ ● Dựa trên các biện pháp hiện tại, chi phí duy trì người dùng cũ là hơn XXX tỷ. Mục tiêu là đạt được x% ​​thông qua các chương trình khuyến mãi theo từng giai đoạn và X% đầu tư hàng ngày vào kênh/người dùng

Với những phân tích này (thực chất là phân tích kinh doanh), tiền bạc, thời gian và trách nhiệm có thể được phân biệt rõ ràng và các hoạt động tiếp theo sẽ diễn ra rất suôn sẻ! Tôi không bao giờ sợ đặt ra mục tiêu cao, tôi chỉ sợ không có đủ tiền. Với sự hỗ trợ về tài chính và sắp xếp thời gian phù hợp, việc lựa chọn các phương pháp thực hiện cụ thể cũng dễ dàng hơn (như minh họa bên dưới):

Về mức độ triển khai cụ thể, có quá nhiều tiểu mục và khó có thể giải thích rõ ràng trong một bài viết. Chúng tôi sẽ cập nhật dần khi có thể.

4. Cách triển khai dữ liệu

Tuy nhiên, những ý tưởng và phương pháp phân tích này đơn thuần là vô dụng! Phần quan trọng hơn là việc thực hiện. Mọi người đều hiểu nguyên tắc này, nhưng lại rất khó thực hiện:

▌1. Sự tách biệt giữa phân tích và ra quyết định: Đây là vấn đề lớn nhất, lớn nhất, lớn nhất. Quyết định thường được đưa ra một cách bốc đồng, dựa trên kinh nghiệm, sao chép đối thủ hoặc làm theo hướng dẫn mà không có bất kỳ phân tích thực sự nào. Những người thực hiện phân tích thực chất chỉ cập nhật dữ liệu, không có ý kiến, diễn giải hay hiểu biết sâu sắc nào.

▌2. Quyết định và thực hiện bị tách biệt: Đây là vấn đề lớn thứ hai. Thông thường, hướng đi, chi phí và chiến lược được quyết định bởi những nhà lãnh đạo cấp cao, và các sinh viên ở cấp cơ sở luôn bận rộn mỗi ngày: lập kế hoạch - xin chỉ thị - sửa đổi kế hoạch - xin chỉ thị - sửa đổi kế hoạch - xin chỉ thị. Tôi hoàn toàn không hiểu tại sao tôi lại làm điều này và tôi sẽ đi đến đâu. Không có phân tích nào hữu ích.

▌3. Lý thuyết tách biệt với thực hành: Đây là vấn đề lớn thứ ba. Chúng ta biết rõ về AARRR, nhưng khi nói đến một ngành cụ thể, một doanh nghiệp, một hoạt động hoặc một bản sao quảng cáo, chúng ta không biết dữ liệu trông như thế nào và số lượng phù hợp là bao nhiêu.

▌4. Thiếu tích lũy kinh nghiệm lịch sử: Không có việc thu thập và tích lũy dữ liệu quá khứ. Ngay cả nhiều sinh viên làm việc với dữ liệu cũng không biết doanh nghiệp hiện đang làm gì, chứ đừng nói đến việc họ đã làm gì trong quá khứ. Họ không thể thực hiện phân tích được.

▌5. Thiếu hoạt động, kế hoạch và hệ thống dán nhãn bản quyền: Cũng giống như việc khó hiểu người dùng nếu không có nhãn người dùng, nếu không có những nhãn doanh nghiệp này, sẽ không thể phân loại và so sánh cụ thể các doanh nghiệp, chứ đừng nói đến việc tóm tắt các thói quen.

Tóm lại tất cả những điều trên, một hệ thống hỗ trợ dữ liệu tốt luôn là kết quả của các hoạt động dữ liệu kinh doanh tích hợp và nỗ lực chung. Chưa bao giờ có một nhà phân tích dữ liệu đẳng cấp nào có thể giải quyết mọi vấn đề chỉ bằng một tiếng hét “ah la la la”. Bao gồm cả việc chia sẻ trường hợp, nhiều sinh viên thích nói: Đây là hai trường hợp tuyệt vời. Cuối cùng, tôi thấy rằng những trường hợp tuyệt vời luôn được thúc đẩy bởi những công ty tuyệt vời. Nếu bạn muốn thực hiện lại, bạn vẫn phải thực hành những điều cơ bản, chẳng hạn như cách gắn nhãn doanh nghiệp.