《Siêu chi tiết! Hướng dẫn đầy đủ về báo cáo hoạt động

Báo cáo đánh giá chiến dịch rất quan trọng để đánh giá hiệu quả của các chiến dịch tiếp thị. Bài viết này cung cấp hướng dẫn cực kỳ chi tiết về báo cáo đánh giá hoạt động để giúp các nhà phân tích dữ liệu tránh được những sai lầm thường gặp và hiểu sâu hơn về logic đằng sau hoạt động.

Báo cáo hàng ngày và hàng tuần đều vô nghĩa, không thể rút ra kết luận nào từ chân dung người dùng, báo cáo phân tích hoạt động thì đáng xấu hổ và không thể tìm ra lý do gây ra mất mát. Trên đây là bốn tình huống mà các nhà phân tích dữ liệu lo sợ nhất khi viết báo cáo.

Tôi đã chia sẻ hai điều đầu tiên trước đây và hôm nay tôi sẽ chia sẻ điều thứ ba. Là người tiêu dùng, chúng tôi thích nhất các hoạt động do các ứng dụng lớn tổ chức vì chúng cung cấp mức giảm giá!

Nhiều nhà phân tích dữ liệu mới cũng thích công cụ này vì so với các báo cáo hàng ngày và hàng tháng, phân tích hoạt động có vẻ là một công việc lớn và thực sự thú vị. Tuy nhiên, nếu không cẩn thận, những kết luận rút ra dựa trên phân tích dữ liệu hoạt động thường sẽ bị phản bác. Nếu bạn không tin, hãy thử ngay nhé.

1. Những khoảnh khắc tát mặt thường gặp

Cảnh 1

Xin hãy lắng nghe câu hỏi:

Nhiều sinh viên đã thấy: Mục tiêu: Tăng số lượng người tiêu dùng. Kết quả: Số lượng người tiêu dùng tăng 30%, thật tuyệt vời! Tôi bắt đầu viết phần kết luận. Kết quả tất nhiên là một cái tát vào mặt vì bạn càng làm hoạt động tệ hại này nhiều thì bạn càng mất nhiều (như minh họa bên dưới):

Cảnh 2

Hãy thay đổi nó:

Hả? Lần này số lượng người dùng trả phí tăng gấp đôi và tổng số tiền thanh toán vượt quá tháng trước. Vậy chúng ta hãy cùng ăn mừng nhé! Nhưng tháng sau, chúng tôi lại bị tát vào mặt vì tháng sau chúng tôi lại phải quay về vạch xuất phát:

Cảnh 3

Hãy thử một cách tiếp cận khác: Sau khi suy nghĩ kỹ, nếu chúng ta tập trung vào những khách hàng hiện tại, thì sẽ chỉ có một số lượng người nhất định trên thế giới và rất có thể sẽ có những vấn đề như quá ít phản hồi (tình huống 1) hoặc quá nhiều phản hồi (tình huống 2). Vì vậy, chúng ta cũng có thể chỉ tập trung vào người dùng mới. Số lượng người đang tăng lên. Vì vậy, các hoạt động như sau:

Chà, có vẻ như số lượng người dùng mới, tỷ lệ mua hàng của người dùng mới và tổng lượng tiêu thụ đều tăng đáng kể. Lần này thì ổn định rồi phải không? Tôi cầm bút lên và nói: Được. Sau đó tôi nhìn vào dữ liệu tổng thể và tiếp tục tát vào mặt mình:

Cảnh 4

Tạo một đợt giảm giá lớn: Vì việc thêm các mặt hàng mới liên quan đến việc di chuyển mọi thứ xung quanh, tại sao không tạo một đợt giảm giá lớn cho toàn bộ cửa hàng! Bất kỳ ai cũng có thể tham gia và được giảm giá 10%! Giảm giá 10% cho tất cả mọi thứ! Đừng bỏ lỡ nếu bạn đi ngang qua vì loa phát thanh đang phát rất to. Kết quả là dữ liệu trông như thế này:

Thế là nhân viên vận hành lại bắt đầu lo lắng: Ồ, chúng ta đã phát rất nhiều phiếu giảm giá, nhưng vẫn không thu hút được người dùng mới. Chúng ta có nên quay lại cách phân chia nhóm cũ không? Chúng ta không thể sử dụng dữ liệu lớn để tiếp thị chính xác được sao?

KHÔNG! Tôi sẽ không bao giờ trả lại nó. Bây giờ tôi đã tiêu tiền rồi, tôi cũng muốn làm ngay một lần! Giảm giá mạnh. Vì vậy, dữ liệu trông như thế này:

Toàn bộ chương trình khuyến mãi diễn ra như thế này. Nếu bạn không nỗ lực đủ, bạn sẽ không thấy hiệu quả gì và chỉ có thể ảnh hưởng đến một số người. Nếu bạn bỏ quá nhiều công sức, bạn sẽ đầu tư quá nhiều và đốt tiền, nhưng cuối cùng bạn sẽ chẳng còn lại gì cả. Vậy, bạn nên làm gì? !

2. Mấu chốt của vấn đề

Vấn đề cốt lõi ở đây là gì? Chúng ta hãy quên việc phân tích dữ liệu và vận hành đi. Hãy tưởng tượng rằng chúng ta chỉ là những người tiêu dùng bình thường. Nếu bạn thấy một ỨNG DỤNG đang thực hiện một sự kiện, bạn sẽ làm như sau:

• Hoạt động này mạnh quá, bạn có thể tích trữ thêm không?
• Hoạt động không đủ mạnh nên bạn sẽ không mua nó?
• Sự kiện này chỉ dành cho người mới tham gia. Bạn có muốn đăng ký tài khoản WeChat mới không?

Mọi người đều sẽ làm vậy, đó là bản chất con người!

Đúng vậy. Mặc dù chúng ta hét to "tiếp thị dữ liệu lớn", "tiếp thị chính xác" và "phân khúc theo từng phân khúc" mỗi ngày, nhưng bản chất của hoạt động tiếp thị không phải là con số mà là bản chất sống động của con người. Mục đích của các hoạt động tiếp thị là kích thích bản chất tìm kiếm lợi nhuận của mọi người để thu hút lượt đăng ký và cải thiện hiệu suất.

Tuy nhiên, "trí tuệ nhân tạo", "dữ liệu lớn" và "mô hình thuật toán" được thổi phồng trong những năm gần đây đã khiến nhiều người quên mất điểm này.

Khi bộ phận kinh doanh không thể đưa ra giải pháp, họ tin tưởng vào "phân tích chính xác dữ liệu lớn". Sau đó, các lập trình viên chạy các con số thực sự tin vào điều đó và bắt đầu tính toán RFM (vì hầu hết các khóa học trực tuyến chỉ nói về điều này khi nói đến tiếp thị, còn thực tế thì họ chỉ nói về 4P, SWOT và những thứ khác thậm chí còn phi thực tế hơn), dẫn đến nhiều bi kịch khác nhau lúc đầu.

Bỏ qua những hình thức cụ thể hào nhoáng như nhà tài trợ, bao lì xì, bánh xe roulette, hoạt động tiếp thị thực chất rất đơn giản. Nó chỉ có hai logic (như được hiển thị bên dưới):

Mô hình dữ liệu tương ứng với hai logic này rất đơn giản: hiệu suất = số lượng người dùng * tỷ lệ phản hồi * số lượng phản hồi. Chỉ là trong cơ sở cố định, thứ tăng lên là tỷ lệ phản hồi, còn trong cơ sở gia tăng, thứ tăng chủ yếu là số lượng người dùng, tỷ lệ phản hồi cũng sẽ tăng nhẹ.

Nhiều sinh viên hỏi: Ý tưởng đằng sau phân tích hoạt động là gì? Ý tưởng cơ bản của phân tích hoạt động rất đơn giản. Điều phức tạp không phải là mô hình của kết quả này mà là:

• Tại sao người dùng nên phản hồi?
• Người dùng phản hồi như thế nào?
• Điều gì xảy ra sau khi người dùng phản hồi?

Tất nhiên, sau khi hoàn tất hoạt động, bạn có thể sử dụng dữ liệu để mô phỏng nhiều xu hướng khác nhau, nhưng về bản chất: dữ liệu có thể đánh giá kết quả, nhưng không thể thúc đẩy kết quả. Những yếu tố góp phần tạo nên kết quả bao gồm hiểu biết về kinh doanh, thiết kế sáng tạo, bản sao quảng cáo, lựa chọn quà tặng, thiết lập cường độ, hỗ trợ hệ thống và theo dõi dịch vụ khách hàng.

Vì vậy, đừng quá bận tâm đến trò chơi con số. Trên thực tế, nhiều nhân viên vận hành, lập kế hoạch và tiếp thị thích trò chơi số hơn là phân tích dữ liệu.

Khi bắt đầu một dự án, tôi thường tự thôi miên mình và sử dụng nhiều con số khác nhau để chứng minh rằng hiệu quả sẽ rất tốt; sau khi dự án hoàn thành, tôi cố đổ lỗi và sử dụng nhiều con số khác nhau để chứng minh rằng "vấn đề không phải ở tôi". Tôi đã quen với những điều như thế này sau khi chứng kiến ​​nó nhiều lần.

3. Ý tưởng phá vỡ thế bế tắc

Nhiều sinh viên có thể lo sợ: Ôi trời, mình còn phải học "Tâm lý người tiêu dùng", "Hành vi người tiêu dùng" và "Tiếp thị" nữa sao? Khi còn đi học, tôi sợ nhất những cuốn sách khoa học xã hội phi thực tế này.

Trên thực tế, mười lăm năm trước, các nhà phân tích dữ liệu (thuật ngữ này chưa phổ biến vào thời điểm đó, họ đều là những người làm việc về dữ liệu, nhà nghiên cứu, v.v.) đã thực sự làm điều này. Tôi vẫn nhớ hồi "Tinh hoa quảng cáo" ra mắt năm 2012, cả nhóm mình ai cũng cầm một bản về nghiên cứu, haha.

Nhưng ngày nay chúng ta không cần phải đi vòng tròn lớn như vậy nữa, vì với sự thâm nhập của dữ liệu vào lĩnh vực kinh doanh, các lý thuyết phi thực tế ngày càng ít đi và các chỉ số phân loại, đánh giá và các vấn đề chung của hoạt động marketing đều có thể được ánh xạ vào hiệu suất dữ liệu. Nội dung khá dài nên tôi chỉ phác thảo sơ lược ở đây trước, sau đó chúng ta sẽ chia sẻ từ từ sau.

Cần lưu ý rằng đây chỉ là những phân loại ở cấp độ vĩ mô. Khi nói đến một sự kiện cụ thể, ngay cả những chi tiết nhỏ cũng có thể dẫn đến những kết quả khác nhau.

Ví dụ, nếu bạn cũng mua theo nhóm:

• Nếu bạn muốn tối đa hóa mức tiêu thụ, chỉ cần lập một nhóm với một người
• Muốn thu hút người mới, hãy phân chia, chỉ cần ba thành viên, khuyến khích chuyển tiếp
• Nếu bạn muốn kiểm soát hàng tồn kho và tránh tình trạng tồn kho quá mức, bạn có thể lập một nhóm có thời hạn. Càng có nhiều người, bạn sẽ càng được giảm giá nhiều.

Đối với cùng một hình thức, việc thay đổi các quy tắc tham gia nhóm và số lượng người tham gia sẽ thay đổi trực tiếp hiệu ứng, do đó mỗi phân tích đều đòi hỏi phải hiểu sâu sắc về logic kinh doanh của hoạt động.