Đã làm được rồi! Tôi sử dụng phân tích dữ liệu để cải thiện tỷ lệ chuyển đổi người dùng

Bài viết này hướng dẫn bạn cách sử dụng dữ liệu để phân tích và rút ra kết luận tối ưu hóa. Thông qua một loạt ý tưởng và phân tích trường hợp, nó sẽ giúp bạn thu được điều gì đó từ công việc phân tích dữ liệu của mình.

“Phân tích dữ liệu phải xác định được điểm tối ưu hóa kinh doanh cụ thể” là yêu cầu của nhiều công ty đối với chuyên gia phân tích dữ liệu, đồng thời cũng là vấn đề khiến nhiều sinh viên đau đầu.

Làm thế nào để rút ra kết luận tối ưu hóa từ các chỉ số dữ liệu khác nhau? Hôm nay, dựa trên một tình huống vấn đề cụ thể, tôi sẽ giải thích một cách có hệ thống những việc cần làm.

Tình huống có vấn đề:

Một tổ chức giáo dục trực tuyến nào đó tổ chức chương trình phát sóng trực tiếp miễn phí hàng tuần và tất cả người dùng đều có thể xem chương trình phát sóng trực tiếp sau khi đặt lịch hẹn. Phía doanh nghiệp hy vọng có thể tăng tỷ lệ thanh toán của người dùng thông qua phát trực tiếp.

Nhưng sau khi triển khai một thời gian, phía doanh nghiệp bắt đầu băn khoăn: Tỷ lệ xem và số lượng người xem sau khi đăng ký phát sóng trực tiếp có hữu ích cho tỷ lệ thanh toán không? Rốt cuộc, phát sóng trực tiếp cũng có chi phí. Tại sao tôi cảm thấy rằng mặc dù có nhiều chương trình hơn nhưng tỷ lệ chuyển đổi dường như không tăng? ?

H: Làm thế nào để phân tích vấn đề này? Điểm tối ưu hóa cho doanh nghiệp phát trực tiếp nằm ở đâu?

1. Những lỗi thường gặp

Nhiều sinh viên quen sử dụng bất kỳ trường nào có sẵn trong cơ sở dữ liệu mà không phân biệt các tình huống hoặc dán nhãn cho chúng, do đó, họ không thể phân tích bất cứ điều gì. Ví dụ, trong trường hợp này, rất có thể bản ghi dữ liệu gốc là chương trình phát sóng trực tiếp có tên XXX, với XX người đăng ký và XX người xem, và thế là hết. Nếu bạn không suy nghĩ sâu sắc, bạn có thể có xu hướng:

• Lấy tổng số người xem phát sóng trực tiếp hàng ngày và tổng số doanh số bán hàng hàng ngày, thực hiện phân tích tương quan và xem hệ số tương quan là bao nhiêu
• Lấy số lượng người xem của mỗi chương trình phát sóng trực tiếp và số lượng người đã mua hàng sau khi phát sóng trực tiếp, tính tỷ lệ chuyển đổi phát sóng trực tiếp, sau đó vẽ biểu đồ đường
• Lấy những người đã xem chương trình phát sóng trực tiếp và những người đã đăng ký nhưng không xem chương trình phát sóng trực tiếp, chia họ thành hai nhóm và tính tỷ lệ mua hàng

Theo cách này, chúng ta có thể tính toán được ba con số, nhưng khi đưa ra kết luận, chúng ta dễ bị doanh nghiệp thách thức:

• Tôi thấy rằng hệ số tương quan giữa lượng người xem phát sóng trực tiếp và khối lượng bán hàng là 0,76 - vậy là xong! Vậy thì sao? ? ?
• Tôi nhận thấy tỷ lệ chuyển đổi phát sóng trực tiếp đã giảm trong ba tuần qua - thật vô lý! Tôi biết mà...
• Tôi thấy tỷ lệ mua hàng sau khi xem chương trình phát sóng trực tiếp cao hơn 5% - thật vô lý! Nó phải cao lắm, thế thì sao?

Đây chính là nơi nảy sinh những nghi ngờ thường gặp. Lý do tại sao những kết luận này lại vô nghĩa là sau khi xem xét doanh nghiệp, tôi thực sự không biết phải làm gì. Đề xuất tối ưu hóa mà phía doanh nghiệp mong muốn được nghe là: Phát trực tiếp vẫn có thể thực hiện được không? Nếu có thể, bạn có thể tham gia bao nhiêu buổi biểu diễn? Chủ đề gì? Liên kết nào? Nếu tôi không làm được điều đó thì làm sao tôi có thể giải quyết được vấn đề bán hàng? Đây là lời khuyên hữu ích.

Vậy, làm sao để giải quyết vấn đề?

1. Hiểu được tình hình kinh doanh

Để tìm ra điểm tối ưu hóa doanh nghiệp, bước đầu tiên tất nhiên là phải quay trở lại chính doanh nghiệp. Theo quan điểm của ngành giáo dục: việc tất cả người dùng cùng phát sóng trực tiếp cùng một lúc không phải là hành vi phù hợp. Bởi vì mỗi người dùng có nhu cầu hoàn toàn khác nhau:

• Người dùng mới đăng ký: Họ chưa quen với các tổ chức giáo dục và khóa học và cần xây dựng lòng tin
• Người dùng đã thanh toán một lần: Nếu bạn yêu cầu mọi người mua khóa học mới sau chỉ hai bài học, sẽ không ai mua khóa học đó.
• Người dùng đã thanh toán n lần: Người dùng đã đạt được kết quả học tập và tiến bộ, và lần thăng chức tiếp theo cũng là một khóa học nâng cao

Tóm lại, mỗi người có nhu cầu giáo dục khác nhau.

Khi nhiều sinh viên nhìn thấy điều này, họ sẽ theo bản năng nói: Hiệu quả sẽ tốt hơn nếu chúng ta phát sóng trực tiếp cho nhiều nhóm người khác nhau!

Bạn cũng sẽ bị chỉ trích vì điều này, vì hiểu được bối cảnh kinh doanh chỉ là bước khởi đầu.

2. Phân tích những điểm khó khăn trong kinh doanh

Khi đưa ra đề xuất, tránh đưa ra những đề xuất nghe có vẻ hợp lý nhưng thực chất lại thiếu sáng suốt: "Chỉ số này quá thấp, chúng ta cần nâng lên" hoặc "Phát sóng hỗn hợp không tốt, chúng tôi khuyên bạn nên tách ra".

Tại sao? Bởi vì con người không phải là kẻ ngốc. Khi thấy các chỉ số thấp, chúng tôi chắc chắn sẽ nghĩ đến việc nâng chúng lên. Nếu chúng ta có đủ năng lượng để thực hiện các buổi học phân tán, chúng ta chắc chắn sẽ nghĩ đến việc thực hiện chúng một cách riêng biệt. Thường có những lý do ẩn giấu đằng sau những hành vi trái ngược với lẽ thường . Để giải quyết vấn đề sâu hơn, trước tiên chúng ta cần tìm ra những điểm khó khăn trong kinh doanh.

Trên thực tế, vấn đề hiện tại là hiệu ứng chuyển đổi mà phát trực tiếp mang lại không rõ ràng.

Nhìn sâu hơn, vấn đề có thể xảy ra là: các chương trình phát sóng trực tiếp đều được trộn lẫn với nhau và thiếu hướng dẫn phân loại.

Nhìn sâu hơn, tại sao lại có nồi hầm? Lý do ẩn sau đó có lẽ là:

• Một số chủ đề mà mọi người đều quan tâm. Ví dụ, không cần phải chia chúng thành phát triển nghề nghiệp, kỹ năng cơ bản, v.v.
• Phát trực tiếp cũng có chi phí, cần thời gian và sản xuất nội dung. Tuy nhiên, tốc độ kết nạp thành viên mới không cố định. Nếu chúng ta nhắm tới những thành viên mới, việc sắp xếp lịch trình sẽ rất khó khăn.
• Trạng thái học tập của người dùng cũ không được tính riêng cho những đồng nghiệp tổ chức chương trình phát sóng trực tiếp, dẫn đến việc không thể biết được có bao nhiêu người đang ở mỗi tiến trình học tập.
• Sau khi chia nhỏ đám đông, một số nhóm có thể có số lượng người tham gia rất ít và tỷ lệ chuyển đổi có thể không đủ để hỗ trợ phát sóng trực tiếp riêng biệt.
• Ngay cả khi doanh nghiệp được chia tách, điều đó cũng chưa chắc cải thiện được tỷ lệ chuyển đổi. Hiện tại không có dữ liệu nào chứng minh điều này.

Tóm lại, cái gọi là sự chia tách có thể chỉ trông có vẻ tốt, nhưng thực tế lại có nhiều biến chứng phức tạp.

Tuy nhiên, những điểm gây tranh cãi cụ thể này lại là kho báu cho việc phân tích dữ liệu. Vấn đề được phân tích càng cụ thể thì việc đưa ra kết luận càng dễ dàng; Vấn đề phân tích càng mơ hồ thì càng khó đưa ra kết luận . Khi đã xác định được điểm khó khăn cụ thể, bạn có thể xem xét cách sử dụng dữ liệu để giải quyết vấn đề.

3. Logic phân tích quy nạp

Các điểm khó khăn trong kinh doanh có thể rất rải rác và việc giải quyết chúng bằng dữ liệu đòi hỏi phải có logic phân tích. Cách đơn giản nhất để xây dựng logic là: từ lớn đến nhỏ, từ thô đến tinh, trước tiên loại bỏ những vấn đề hiển nhiên, sau đó đi sâu vào chi tiết.

Trong trường hợp này, xét về góc độ dữ liệu, những điểm khó khăn trong kinh doanh nêu trên có thể được tóm tắt thành ba loại vấn đề:

1. Có đúng là tỷ lệ chuyển đổi của các chương trình phát sóng trực tiếp hiện tại không tốt không? Nó có giới hạn ở một số môn học cụ thể hay không được phép áp dụng cho tất cả các môn học?
2. Đối với người dùng hiện tại, liệu có sự khác biệt cố hữu nào về tỷ lệ chuyển đổi không? Những cái nào có thể bị phá vỡ bằng phát sóng trực tiếp và những cái nào thì không?
3. Có phải tất cả sản phẩm hiện có đều phù hợp để chuyển đổi phát trực tiếp không? Có những kịch bản khác nhau với giá đơn vị khác nhau không?

Ba câu hỏi này có thể trực tiếp đưa ra những gợi ý tối ưu hóa cụ thể.

Nhưng xin lưu ý rằng ba vấn đề này có thể liên quan đến nhau. Ví dụ, nếu chương trình phát sóng trực tiếp không bán được hàng thì có thể là do chương trình phát sóng trực tiếp đó không tốt, hoặc người dùng không có nhu cầu, hoặc sản phẩm không phù hợp. Lúc này, bạn cần xây dựng logic phân tích.

Theo tiêu đề, mảng kinh doanh không tập trung vào người dùng và sản phẩm mà bắt đầu từ phát trực tiếp. Do đó, khi xây dựng logic phân tích, người ta cũng nên bắt đầu với chương trình phát sóng trực tiếp và trước tiên loại bỏ vấn đề rằng bản thân chương trình phát sóng trực tiếp không được tổ chức tốt (như thể hiện trong hình bên dưới).

Thứ hai, trong các sản phẩm giáo dục, các chủ đề phát sóng trực tiếp thường liên quan đến sản phẩm được bán, nhưng không nhất thiết liên quan đến người dùng đang xem. Đặc biệt đối với người dùng mới, họ thường không biết mình thực sự muốn học gì và thường chỉ xem qua. Do đó, cấp độ thứ hai có thể được chia thành người dùng để phân biệt giữa người dùng mới đăng ký và người dùng cũ (như thể hiện trong hình bên dưới).

Bây giờ logic phân tích đã được xây dựng, bạn có thể điền dữ liệu, nhưng vẫn nên thực hiện một số công tác chuẩn bị.

4. Chuẩn bị dữ liệu

Để mô tả các điều kiện kinh doanh, thường cần một số lượng lớn nhãn và rất có thể các nhãn này không được chuẩn bị trước. Vì vậy cần phải có sự chuẩn bị.

Ví dụ, trong trường hợp này:

• Nhãn phát sóng trực tiếp (chủ đề học tập, trình độ giảng viên, nhóm áp dụng, độ khó)
• Thẻ người dùng (người dùng mới/người dùng cũ, kênh nguồn của người dùng mới, người dùng cũ)
• Thẻ sản phẩm (phù hợp với nhóm, giá cả, chủ đề học tập)

Tất cả những điều này cần phải được chuẩn bị từng cái một để có manh mối cho việc phân tích tiếp theo.

Lưu ý: Rất có thể phía doanh nghiệp cần phân tích các kết luận một cách gấp rút và cơ sở hạ tầng trước đó rất kém nên không có thời gian để dán nhãn từng kết luận một. Lúc này, phía doanh nghiệp cần lưu ý rằng nếu không dán nhãn, sẽ không thể tiến hành phân tích sâu vấn đề. Bạn nên đánh dấu trước một số câu đặc biệt quan trọng, nếu không, bạn sẽ luôn phải nhồi nhét vào phút cuối và không bao giờ tiến bộ được.

5. Kết luận phân tích đầu ra

Với tất cả các bước chuẩn bị trên, bước cuối cùng là điền dữ liệu, đây là điều tự nhiên. Hơn nữa, loại phân tích này có thể giúp chúng ta tìm ra những điểm rõ ràng nhất của vấn đề và đưa ra các gợi ý tối ưu hóa rất chi tiết (như thể hiện trong hình bên dưới. Lưu ý rằng do hạn chế về không gian, hình bên dưới không hiển thị đầy đủ toàn bộ logic suy luận. Sinh viên quan tâm có thể tự hoàn thành).

Khi xây dựng logic phân tích, tình huống tương ứng với từng loại người dùng thực chất là điểm tối ưu hóa kinh doanh cụ thể, nhưng dữ liệu mới là người đánh giá cuối cùng . Tình huống càng xảy ra thường xuyên thì số vấn đề cần giải quyết càng nhiều. Hơn nữa, khi hai yếu tố đan xen vào nhau, chúng ta cũng nên xem xét lượng dữ liệu và chọn vấn đề chính để giải quyết. Đây chính là lúc phân tích dữ liệu phát huy tác dụng. Nếu không sẽ có rất nhiều điều phức tạp đến nỗi bạn không biết phải bắt đầu từ đâu.

2. Tóm tắt

Do đó, chỉ bằng cách đi sâu vào các kịch bản kinh doanh, phân tích từng lớp một, chúng ta mới có thể có được những điểm tối ưu hóa tốt hơn. Lưu ý: Là những gợi ý tối ưu hóa, chúng thường được đưa ra theo quan điểm lấp đầy khoảng trống, nhưng việc lấp đầy những thiếu sót hiện có không có nghĩa là đó là giải pháp tối ưu. Có thể có những ý tưởng tốt hơn.

Tác giả: Thầy giáo thực tế Chen

Nguồn tài khoản công khai: Giáo viên thực tế Chen (ID: 773891)