Chân dung người dùng bị chỉ trích là "vô dụng"! Chính xác thì chúng ta có thể làm gì để nó có hiệu quả?

Là một phần quan trọng của báo cáo phân tích dữ liệu, giá trị và tính thực tế của chân dung người dùng thường bị đặt câu hỏi. Khi viết báo cáo chân dung người dùng, nhiều nhà phân tích dữ liệu có thể gặp phải vấn đề là nội dung báo cáo quá cơ bản hoặc thiếu chiều sâu, khiến phía doanh nghiệp cho rằng báo cáo "vô dụng". Bài viết này sẽ đi sâu tìm hiểu cách cải thiện tính thực tế và giá trị của báo cáo chân dung người dùng, bao gồm tránh những sai lầm phổ biến, thiết lập tiêu chí đánh giá hiệu quả và đưa ra các khuyến nghị kinh doanh thực tế.

Hôm nay tôi sẽ tiếp tục chia sẻ cách viết báo cáo phân tích dữ liệu. Nhiều sinh viên hỏi: "Làm thế nào để viết báo cáo về dữ liệu tĩnh?" Điều này đặc biệt đúng đối với báo cáo chân dung người dùng. Nhiều lần doanh nghiệp đưa ra yêu cầu: Hãy cùng xem xét hồ sơ người dùng của chúng tôi. Kết quả là, báo cáo tôi viết đã bị chỉ trích: Tôi đã biết hết mọi thứ, viết cái này để làm gì. Làm thế nào để thực hiện? Hôm nay tôi xin chia sẻ hệ thống này.

1 Báo cáo vô dụng trông như thế này

Khi nói đến chân dung người dùng, báo cáo của nhiều sinh viên trông như thế này:

● Tỷ lệ nam nữ là 4:6

● 40% trên 30 tuổi

● Mức tiêu thụ trung bình hàng năm: 500 tệ

● Người dùng hoạt động trong hơn 1 tháng: 55%

● ……

Loại báo cáo này thường rất khó viết và liên quan đến rất nhiều dữ liệu. Cuối cùng, tôi nhận được câu trả lời: "Tôi đã biết rồi. Bạn có thể nói cho tôi điều gì đó có ý nghĩa không?"

Vì vậy, một số người nghĩ rằng: Chỉ cung cấp dữ liệu mô tả thôi là chưa đủ, mà còn phải xây dựng một mô hình. Phương pháp trực tiếp nhất hiện nay là RFM, vì vậy chúng ta trích xuất ba chiều dữ liệu là R, F và M, cắt mỗi chiều thành năm phân đoạn và chia 5*5*5 thành 125 danh mục. Sau đó, chúng tôi sử dụng phương pháp phân nhóm để tạo ra 5 danh mục chính và 125 danh mục phụ. Mỗi danh mục đều được dán nhãn cẩn thận: "Người dùng này đã mua 500 nhân dân tệ một lần và đã 5 ngày không bán được, vì vậy chúng ta phải để anh ấy mua!"

Cuối cùng, tôi nhận được một loạt câu hỏi:

● Nếu bạn nói anh ấy sẽ mua thì anh ấy sẽ mua!

● Nên mua gì! Mua ở đâu!

● Làm thế nào để anh ấy mua

● Làm thế nào để thông báo cho anh ấy mua hàng!

● Không mua thì sao chứ!

● Mua thì sao chứ!

● Giá như anh ấy mua nó!

...Tôi choáng váng vì vụ nổ...

Vấn đề thực sự là gì?

2 lý do cốt lõi tại sao báo cáo vô dụng

Lý do cốt lõi chỉ có một: không có tiêu chuẩn nào cho việc phán đoán.

● Tỷ lệ giới tính có phải là vấn đề chính không?

● Tỷ lệ nam nữ 4:6 có phải là vấn đề không?

● Vậy thì sao nếu tỷ lệ nam nữ là 3:7

● Không có tiêu chuẩn cho sự phán đoán

Điều này khiến mọi người cảm thấy bối rối.

Điều thú vị là dữ liệu giám sát có những tiêu chuẩn riêng. Khi chúng ta nhìn vào một đường cong, ngay cả khi chúng ta không xác định "giá trị mục tiêu", thì những thay đổi trong chính đường cong đó cũng có thể trở thành tiêu chí để đánh giá.

Đối với các chỉ số tích cực như doanh số, lợi nhuận và số lượng người dùng (càng nhiều càng tốt), bản thân sự tăng trưởng là tốt, tốc độ tăng trưởng càng nhanh thì càng tốt và con số tuyệt đối càng lớn thì càng tốt.

Đối với các chỉ số tiêu cực như chi phí, tổn thất rủi ro và khiếu nại, bản thân sự suy giảm đã là điều tốt. Tốc độ suy giảm càng nhanh thì càng tốt, và con số tuyệt đối càng nhỏ thì càng tốt.

Tất nhiên, việc phán đoán như vậy là hấp tấp và có khả năng xảy ra những thay đổi lớn, nhưng cũng không sao nếu nhìn nhận một cách tổng thể.

Nhưng đối với hầu hết dữ liệu tĩnh thì không có tiêu chuẩn nào cả. Ví dụ, tỷ lệ nam nữ là 4:6 chắc chắn là tốt/xấu? không chắc chắn. Do đó, nếu bạn không thể đưa ra phán đoán khi xem loại dữ liệu này, sẽ rất khó để tạo ra giá trị.

Bên cạnh đó, bản thân bộ phận kinh doanh cũng có hiểu biết nhất định về tình hình của người dùng. Ví dụ: "Người dùng chúng tôi phục vụ chủ yếu là nữ." Ngay cả khi anh ta không nhìn thấy tỷ lệ 4:6, anh ta vẫn biết rằng có nhiều con cái hơn. Nhìn thấy số 6 và cảm thấy tương tự, anh ấy sẽ tự nhiên nói: "Tôi biết mà."

Còn về phán đoán rằng "vì người dùng đã chi 500 một lần nên phải chi 600" thì đó chỉ là vấn đề con số và hoàn toàn vô nghĩa. Con số chỉ là một kỷ lục. Đằng sau những con số là một cảnh tượng thực sự sống động. Sẽ vô nghĩa khi nói về con số mà không xem xét đến bối cảnh kinh doanh.

Giống như khi bạn đi ăn mì, bạn bước vào quán mì và hét lên: "Ông chủ, tôi muốn một bát mì bò." Ông chủ hét lên, "Không! Các anh không muốn một cái bát đâu! Chuyên gia phân tích dữ liệu lớn cấp cao của chúng tôi thuộc lĩnh vực trí tuệ nhân tạo nói rằng các anh cần hai cái bát! Đưa cho tôi!"

Lúc này bạn cảm thấy thế nào?

Vì vậy, chỉ có một chìa khóa duy nhất để phá vỡ bế tắc, đó là: tìm ra tiêu chuẩn. Hãy để dữ liệu thể hiện ý nghĩa, chứ không chỉ là một chuỗi số.

3 cách để cải thiện tính hữu ích của báo cáo

Đầu tiên, chúng ta cần phân biệt các cảnh. Xin lưu ý rằng nếu đây là báo cáo đầu tiên của bạn, bạn có thể bắt đầu bằng việc bị chỉ trích gay gắt. Có thể là do ban lãnh đạo mới hoặc có thể là do hệ thống CRM vừa mới được triển khai. Tóm lại, phía doanh nghiệp trước đó không hiểu rõ tình hình của người dùng. Vào thời điểm này, việc liệt kê một loạt dữ liệu chi tiết sẽ rất hữu ích. Nó có thể giúp mọi người hiểu rõ tình hình và nâng cao nhận thức.

Tuy nhiên, bắt đầu từ báo cáo thứ hai, chúng ta không thể tiếp tục đơn giản như vậy nữa; chúng ta không thể chỉ nói suông với những doanh nghiệp đã hiểu rõ tình hình. Chúng ta cần tìm ra tiêu chí để phán đoán. Có ba cách phổ biến để tìm nó:

1. Tìm ra tiêu chuẩn từ các vấn đề. Như thể hiện trong hình dưới đây

▌

2. Tìm tiêu chuẩn từ mục tiêu. Như thể hiện trong hình dưới đây

3. Tìm tiêu chuẩn từ doanh nghiệp. Như thể hiện trong hình dưới đây

Tất nhiên, cả ba phương pháp đều yêu cầu ba điểm sau:

● Có sự giao tiếp đầy đủ giữa dữ liệu và doanh nghiệp

● Hiểu bối cảnh kinh doanh (mục tiêu công việc, ý tưởng thiết kế, kế hoạch triển khai)

● Hiểu được logic cơ bản của hoạt động kinh doanh và các bảng dữ liệu tương ứng

Nhưng ở nhiều công ty, ba điều kiện này không được đáp ứng.

Có thể là do bộ phận kinh doanh nghĩ rằng họ là Chúa, nghĩ rằng họ biết mọi thứ và họ chỉ cần một người biết tính toán, nên họ tuyển dụng người viết SQL thay vì nhà phân tích dữ liệu.

Cũng có thể là do công ty coi nhà phân tích dữ liệu như Chúa, nghĩ rằng miễn là anh ta làm công việc phân tích dữ liệu thì anh ta là người toàn năng và toàn trí. Những người khác trong công ty không nói gì cả, và nhà phân tích dữ liệu biết mọi thứ chỉ bằng một tia sáng vàng...

Tóm lại, báo cáo dữ liệu là vô dụng và dữ liệu không liên quan đến doanh nghiệp, điều này chỉ cho thấy công ty đang không hoạt động tốt. Cả doanh nghiệp và dữ liệu đều có trách nhiệm. Thay vì đổ lỗi cho nhau, tốt hơn là nên giao tiếp một cách trung thực để đạt được kết quả tốt hơn.

Tuy nhiên, một số học sinh lại nói: Thưa thầy, rõ ràng là cùng một bài báo cáo mà, tại sao có người nói rất tốt, có người lại chê là kém? Cảm giác thật khó khăn. Bởi vì người nói có thể không có ý định gì, nhưng người nghe có thể đã ghi nhớ điều đó. Chỉ có Triệu Bản Sơn mới có thể khiến nhân dân cả nước vui vẻ. Nếu bạn thay thế anh ấy bằng Quách Đức Cương, một số người sẽ nghĩ anh ấy thô tục, vì vậy cần phải ăn theo thức ăn mình ăn.