Phân tích từng bước: một dự án phân tích dữ liệu tuyệt vời

Trong thế giới phân tích dữ liệu, mọi dự án giống như một cuộc thám hiểm, đòi hỏi phải đi sâu vào khu rừng rậm chưa biết để tìm ra kho báu ẩn giấu. Bài viết này sử dụng nghiên cứu tình huống thực tế về ngành kinh doanh TOB của một công ty Internet lớn để chỉ ra cách xây dựng dần dần một khuôn khổ phân tích dữ liệu nâng cao bắt đầu từ mô hình ban đầu.

Nhiều sinh viên đã kêu gọi được chứng kiến ​​những trường hợp thực tế và hôm nay họ đã có mặt ở đây. Toàn bộ văn bản chứa đầy thông tin đáng tin cậy, vì vậy hãy cẩn thận và đọc chậm.

Kịch bản vấn đề: Ngành kinh doanh TOB của một công ty Internet lớn có thể cung cấp dịch vụ SaaS/Paas cho các đơn vị kinh doanh nền tảng, nhưng lại gặp phải tình trạng doanh số thấp, chất lượng truyền thông kém và tỷ lệ chuyển đổi không đủ. Hiện chúng tôi đang có kế hoạch tiến hành đào tạo giọng nói để cải thiện tỷ lệ chuyển đổi khách hàng.

1. Mô hình ban đầu

Cách tiếp cận đơn giản nhất là xác định hai phiên bản bài phát biểu A và bài phát biểu B. Chỉ cần xem tỷ lệ chuyển đổi và sử dụng phiên bản có tỷ lệ chuyển đổi cao hơn! (Như hình dưới đây)

Vậy, có vấn đề gì khi làm như vậy không?

2. Kiến trúc nâng cao

Cách tiếp cận đơn giản nhất có thể có nhiều lớp vấn đề:

▌Câu hỏi 1: Tác động của bản thân doanh số bán hàng không được tính đến. Có thể nhân viên bán hàng có năng lực tốt nên bán hàng tốt. Do đó, cần phải phân tích hiệu quả của hoạt động bán hàng riêng biệt cho các cấp độ bán hàng khác nhau như S, A, B và C.

▌Vấn đề 2: Không xem xét đến tác động của khách hàng. Có thể một số khách hàng dễ chốt giao dịch nên cần phân biệt các cấp độ khách hàng như VIP1, VIP2 và VIP3, đồng thời xem xét các hiệu ứng riêng biệt.

▌Câu hỏi 3: Tác động thực sự của biện pháp tu từ không được xem xét đến. Có thể một số khách hàng sẽ chấp nhận mọi điều bạn nói, trong khi một số khách hàng khác sẽ không chấp nhận mọi điều bạn nói và chỉ quan tâm đến giá cả. Do đó, cần phải thử nghiệm chéo để tìm ra nhóm khách hàng có thể bị ảnh hưởng bởi cuộc nói chuyện bán hàng (như thể hiện bên dưới).

Cuối cùng, kết quả có thể như hình bên dưới, trong đó các cuộc nói chuyện bán hàng hợp lý được thiết lập cho từng loại hình bán hàng và từng loại khách hàng để tối đa hóa sản lượng.

3. Nền tảng đầu tiên

Tôi xin hỏi một câu hỏi đơn giản: Làm thế nào để có được mức SABC cho doanh số bán hàng?

Vì có sự phân loại nên phải có tiêu chí để đánh giá.

Bản thân việc xây dựng tiêu chí đánh giá là một dự án lớn.

Ví dụ:

1. Hiệu suất tốt có đồng nghĩa với doanh số tốt không?

2. Ý định, việc ký kết, thu tiền, mua hàng lặp lại, khía cạnh nào có thể chứng minh anh ta là một nhân viên bán hàng giỏi?

3. Mỗi một trong bốn khía cạnh trên đều có ít nhất hai chỉ số: số lượng và số lượng...

4. Nếu bạn chọn ký và thu tiền, giao điểm của hai chỉ số này sẽ tạo thành một ma trận. Chúng ta nên định nghĩa nó như thế nào? (Như hình dưới đây)

5. Nếu có ba chỉ số thì sao? Nếu có bốn chỉ số thì sao?

Tất cả những vấn đề trên đều cần phải đấu tranh mới có thể đạt được kết quả.

Bây giờ chúng ta hãy đơn giản hóa vấn đề và chỉ xem xét số tiền hợp đồng. Nhân viên bán hàng có giá trị hợp đồng cao là nhân viên bán hàng giỏi, do đó câu hỏi đặt ra là: nên đánh giá hiệu suất trong bao lâu? Khi chiều thời gian được thêm vào, những sự vướng víu mới bắt đầu, chẳng hạn như:

*Một tháng kiểm tra có được tính không? 3 tháng? Nửa năm?

*Quan sát trong 1 tháng, tháng này tốt, tháng sau không tốt thì có được coi là tốt không?

*Khi kiểm tra trong 3 tháng, đó là tổng số tiền, giá trị trung bình hay số lần đạt tiêu chuẩn trong một tháng?

*Sau 6 tháng theo dõi, độ ổn định tốt và ngày càng tốt hơn, có những loại ban đầu tốt nhưng sau đó kém đi, chúng ta có nên phân biệt không? (Như hình dưới đây)

Mục đích của việc giải quyết tất cả các vấn đề trên là đưa ra một nhãn phân loại nhân viên bán hàng đơn giản. Khách hàng cũng gặp phải vấn đề tương tự, với cùng một tình thế tiến thoái lưỡng nan.

Ví dụ, đánh giá mức độ khách hàng:

1. Những chỉ số nào được kiểm tra?

2. Cuộc thanh tra sẽ kéo dài trong bao lâu?

3. Mức chỉ số nào được coi là tốt?

4. Làm thế nào để ứng phó với những biến động trong thời gian thử việc?

5. Tôi có nên đưa ra dự đoán trước khi ký hợp đồng không? Phải chuẩn bị thế nào?

6. Có nên điều chỉnh dự báo trong quá trình ký kết hợp đồng không? Làm sao để sửa lỗi này?

Chỉ sau khi phân tích rõ ràng tất cả thông tin, chúng ta mới có thể có được đánh giá chính xác của khách hàng, đặc biệt là đánh giá trước khi bán hàng.

Chính vì công việc trên quá phức tạp. Vì vậy, có ba giải pháp phổ biến:

1. Từ đơn giản đến phức tạp: đầu tiên phân loại từng chỉ số, sau đó thêm từ từ và lặp lại nhiều lần.

2. Trước tiên, hãy ghi lại những trường hợp điển hình rồi tóm tắt: Ví dụ, hãy yêu cầu phía doanh nghiệp dán nhãn một số mẫu dương tính trước, sau đó nghiên cứu các đặc điểm của chúng.

3. Làm việc ngược lại từ kết quả: Ví dụ, nếu KPI của phía kinh doanh là giá trị hợp đồng, thì cần phải đạt được bao nhiêu để đạt được mục tiêu này?

Mỗi phương pháp đều có cách thực hiện riêng, sẽ không trình bày chi tiết ở đây. Mục đích chỉ là khiến mọi người cảm thấy rằng để có được một phân loại chính xác cần phải thực hiện rất nhiều công việc tốn kém và mất thời gian, nếu không thì bạn chỉ có thể tạo ra một mô hình đơn giản nhất với đầy lỗi.

Tuy nhiên, ngay cả như vậy, vấn đề đã được giải quyết chưa?

4. Câu hỏi nền tảng cấp độ 2: Phân loại kỹ năng nói A ra đời như thế nào?

Trên thực tế, nhân viên bán hàng hiếm khi bán được hàng chỉ bằng một câu. Riêng đối với doanh số bán hàng toB, có rất nhiều điều cần nói.

Có ít nhất bốn phần ở đây:

1. Lời chào mở đầu: lời chào mở đầu và giới thiệu chủ đề

2. Giới thiệu sản phẩm: chủ động giới thiệu tính năng, ưu điểm, lợi ích của sản phẩm đến khách hàng

3. Trả lời câu hỏi: giải đáp các thắc mắc, băn khoăn của khách hàng

4. Kỹ năng thúc đẩy bán hàng: thúc đẩy khách hàng đặt hàng nhanh chóng

Có hai câu hỏi nảy sinh ở đây:

Đầu tiên, cách phân loại và dán nhãn bốn phần này và đưa chúng vào phân tích.

Thứ hai, làm sao để biết doanh số bán hàng nói gì.

Về câu hỏi thứ nhất, làm thế nào để dán nhãn và phân loại bài phát biểu. Bạn có thể thực hiện các thao tác sau:

1. Phiên bản giới thiệu sản phẩm

2. Các vấn đề của khách hàng: chức năng, giá cả, trải nghiệm, trường hợp, giao diện hệ thống

3. Phân loại các kỹ thuật xúc tiến bán hàng: theo tiến độ dự án, theo chiết khấu, theo kiểm soát nguồn lực

Tóm lại, chỉ với những công trình cơ bản vững chắc này, chúng ta mới có thể có nhãn phân loại ban đầu cho giọng nói A. Điều này dễ xử lý hơn. Câu hỏi thứ hai thậm chí còn phức tạp hơn.

5. Nền tảng thứ ba

Về câu hỏi thứ hai, chìa khóa nằm ở: cách thu thập dữ liệu.

1. Nếu có hệ thống SCRM, quy trình giao dịch có thể được triển khai một cách có hệ thống và dữ liệu có thể được bổ sung ở một mức độ nhất định, chẳng hạn như trường hợp nào được hiển thị (giai đoạn giới thiệu sản phẩm), vật liệu nào được gọi (giai đoạn hỏi đáp) và chiết khấu nào được yêu cầu (giai đoạn thúc đẩy đơn hàng)

2. Nếu không có hệ thống hỗ trợ, chúng ta chỉ có thể suy ra từ các hành vi khác, chẳng hạn như đào tạo bán hàng, chiến lược bán hàng, loại và số lượng ứng dụng demo và các khoản chiết khấu được áp dụng.

Sau đó, nó được suy ra:

1. Hồ sơ đào tạo bán hàng, thư viện thẻ loại đào tạo

2. Hồ sơ chiến lược bán hàng, thư viện thẻ phân loại chiến lược

3. Áp dụng cho bản ghi demo và thư viện thẻ loại

4. Hồ sơ ứng dụng giá, thư viện nhãn giảm giá sản phẩm

Nếu không có những hồ sơ và nhãn này, toàn bộ quá trình bán hàng sẽ mất kiểm soát. Đầu tiên, chúng ta không biết mình đã làm gì, và thứ hai, chúng ta không thể liên kết nó với kết quả công việc. Đơn giản là không thể tiến hành phân tích chuyên sâu. Tóm lại, việc có hồ sơ và nhãn sẽ giúp việc phân tích dễ dàng hơn.

VI. Tóm tắt kinh nghiệm

Nếu chúng ta xem xét cách tìm ra một bài hùng biện hay một cách riêng lẻ, có vẻ như điều này đã được thực hiện một cách hoàn hảo trong giai đoạn xây dựng bề mặt. Nhưng thực tế, nếu tách ra khỏi khối lượng lớn kết cấu móng ở lớp bên dưới. Cho dù các tòa nhà trên mặt đất có tráng lệ đến đâu thì cũng không thể xây dựng được. Toàn bộ quá trình được kết nối với nhau để sử dụng một hệ thống lớn nhằm giải quyết một số vấn đề kinh doanh. Mặc dù khối lượng công việc lớn nhưng thực sự hiệu quả (như hình dưới)

Lưu ý: Sau khi hệ thống này được xây dựng, bạn có thể đặt cho nó một cái tên hay, chẳng hạn như mô hình CST (Kiểm tra thành công của khách hàng), nghe cũng rất ấn tượng khi kết hợp với sơ đồ kiến ​​trúc.

VII. Những câu hỏi thường gặp

Tại sao việc phân tích hữu ích trong công việc thực tế lại khó khăn đến vậy? Bản chất là: thiếu cơ sở hạ tầng và tách biệt khỏi kinh doanh.

Những sinh viên làm việc với dữ liệu phụ thuộc quá nhiều vào số liệu thống kê và thuật toán, thiếu kiến ​​thức cơ bản về xây dựng nhãn hiệu doanh nghiệp, thiếu kết quả chuẩn được doanh nghiệp công nhận và sẽ không thúc đẩy doanh nghiệp cải thiện quy trình và thu thập thêm dữ liệu.

Sinh viên làm việc trong lĩnh vực kinh doanh thường bỏ qua tác động của quy trình lên dữ liệu và không chú ý đến việc chuẩn hóa quy trình và thu thập dữ liệu. Họ nghĩ rằng dữ liệu từ trên trời rơi xuống và không cẩn thận trong việc xây dựng dữ liệu, nhưng lại mong đợi một "ông lớn từ Công ty Teng'a" có thể hoàn thành nó ngay lập tức.

Khi cả hai kết hợp lại với nhau, nó giống như một người mù cưỡi một con ngựa mù. Tình hình thực tế là:

Dữ liệu cơ bản không

Số thẻ kinh doanh

Dữ liệu xử lý không

Dự đoán Không

Họ chỉ cần gạch chéo kết quả giao dịch và xuất chúng ra một cách vô thức:

*Tỷ lệ chuyển đổi của bài phát biểu A của ngành A cao hơn 14 điểm*

Tỷ lệ chuyển đổi của bài phát biểu B của ngành B cao hơn 5 điểm*

…

Khi bộ phận bán hàng đặt câu hỏi "Liệu có phải do doanh số bán hàng, hay do cách chào hàng, hay do sản phẩm, hay do thiếu quảng cáo, hay do các yếu tố bên ngoài?", họ không thể trả lời bất kỳ câu hỏi nào. Cuối cùng, họ chỉ run rẩy và nói, "Chúng ta hãy tìm một số nhân viên bán hàng để thực hiện một số nghiên cứu???"

8. Mở rộng kịch bản

Một số sinh viên có thể nói: Bản thân quy trình bán hàng rất khó để số hóa, nhưng sẽ dễ dàng nếu đó là giao dịch trực tuyến vì sẽ có hồ sơ dữ liệu cho từng bước. Có, các giao dịch trực tuyến có hồ sơ dữ liệu và có thể tạo ra kênh chuyển đổi. Nhưng nếu tỷ lệ chuyển đổi cuối cùng không cao thì chúng ta sẽ phân tích như thế nào?

Bạn có muốn đánh giá các kênh quảng cáo không?

Bạn có muốn ước tính tỷ lệ phản hồi của từng kênh không?

Tôi có nên gắn nhãn nội dung được quảng cáo không?

Bạn có nên gắn nhãn cho hành động CTA của mình không?

Tôi có nên dán nhãn sản phẩm chuyển đổi không?

Chúng ta có nên dán nhãn đối tượng mục tiêu cho thông báo đẩy không?

Đây là cùng một cơ sở hạ tầng. Nếu những điều này không được thực hiện và tỷ lệ chuyển đổi cuối cùng thấp, bộ phận vận hành sẽ đặt câu hỏi: Nguyên nhân là do kênh, do nội dung quảng cáo, do sản phẩm, do thiếu quảng bá hay do các yếu tố bên ngoài?

Tôi chỉ biết cách vẽ bảng chéo với loại kênh, loại khách hàng và quy trình chuyển đổi.

Anh ta chỉ liên tục phàn nàn: "Bởi vì tỷ lệ chuyển đổi ở bước thứ ba thấp". Anh ta lại run rẩy: "Chúng ta có nên tìm một người dùng để nghiên cứu không?"

Vì vậy, biểu đồ phễu và phân tích phễu là hai thứ khác nhau. Việc tạo biểu đồ phễu rất dễ dàng, nhưng để thực hiện phân tích phễu, bạn phải thiết kế ý tưởng một cách cẩn thận, đặt nền tảng vững chắc và loại bỏ các yếu tố hỗn hợp.