Phân tích dữ liệu: biết một chút về doanh nghiệp cũng tương đương với việc không biết gì về nó

Nhiều người luôn tin rằng các nhà phân tích dữ liệu cần phải có hiểu biết nhất định về doanh nghiệp để có thể phân tích tốt hơn. Nhưng không có tiêu chuẩn cụ thể nào cho mọi người biết thế nào là sự hiểu biết thực sự. Bài viết này sẽ phân tích vấn đề này cho bạn, chúng ta hãy cùng xem nhé!

Tôi luôn cảm thấy rằng các nhà phân tích dữ liệu cần có hiểu biết nhất định về doanh nghiệp để có thể phân tích tốt hơn. Tuy nhiên, có một câu hỏi: chúng ta hiểu biết về doanh nghiệp đến mức nào?

Tôi đã nghĩ về điều này gần đây và tôi cảm thấy rằng nếu bạn chỉ có một chút hiểu biết về kinh doanh, nó có thể gây ra tác dụng ngược. Chỉ khi bạn thực sự quen thuộc với kiến ​​thức kinh doanh thì bạn mới có thể đạt đến trình độ có thể sử dụng được.

Tại sao tôi lại nói vậy? Sau đây là một số ví dụ.

1. Trường hợp 1

Giả sử bạn đang phân tích quá trình chuyển đổi các SKU (thông số kỹ thuật khác nhau) khác nhau của một sản phẩm. Nếu bạn không hiểu gì về doanh nghiệp, bạn có thể chỉ báo cáo ba tỷ lệ chuyển đổi và kết quả chuyển đổi cuối cùng khác nhau. Mặc dù phân tích này không đi sâu vào chi tiết nhưng nó vẫn hoàn thành nhiệm vụ của bạn.

Nếu bạn có một số hiểu biết cơ bản về doanh nghiệp , bạn sẽ biết rằng quá nhiều lựa chọn sẽ gây nhầm lẫn cho người dùng và làm tăng chi phí quản lý. Do đó, khi bạn thấy tỷ lệ người dùng mua một SKU nhất định ít hơn 5% tổng số, bạn sẽ đề xuất sắp xếp hợp lý SKU và loại bỏ SKU có tỷ lệ rất thấp. Làm như vậy không chỉ giúp giảm chi phí quản lý mà còn giúp người dùng dễ dàng đưa ra quyết định hơn.

Tuy nhiên, hiểu biết ban đầu về kinh doanh này chưa hẳn đã đúng . Có một hiện tượng tâm lý tiếp thị được gọi là hiệu ứng mồi nhử

Điều này có nghĩa là khi mọi người so sánh hai lựa chọn tương tự nhau, việc đưa ra lựa chọn thứ ba sẽ khiến một trong hai lựa chọn hấp dẫn hơn.

Ví dụ, một chiếc mũ có giá 59 nhân dân tệ, và bộ mũ + áo khoác có giá 299 nhân dân tệ. Lúc này nếu tôi thêm lựa chọn mua riêng áo khoác với giá 299 tệ thì số lượng người mua cả mũ + áo khoác sẽ tăng lên. Mặc dù hầu như không ai mua riêng áo khoác, nhưng lựa chọn này đã khiến nhiều người lựa chọn combo mũ + áo khoác có giá 299 nhân dân tệ, qua đó tăng doanh thu bán hàng.

Do đó, nếu SKU được sắp xếp hợp lý, mặc dù quyết định của người dùng trở nên đơn giản hơn nhưng doanh thu bán hàng cũng sẽ bị mất.

2. Trường hợp 2

Để tôi đưa cho bạn một ví dụ khác.

Bất kỳ ai nghiên cứu về phân tích dữ liệu đều phải nghe đến trường hợp tã bia . Mặc dù trường hợp này là hư cấu, nhưng nó lại hiệu quả đối với việc phân tích kết hợp hàng hóa.

Nếu bạn biết một chút về cách hoạt động của tã bia, bạn có thể sử dụng phân tích giỏ hàng để tìm ra mối quan hệ giữa các sản phẩm với nhau. Việc đặt các sản phẩm liên quan gần nhau hơn sẽ làm tăng khả năng chúng được bán theo nhóm, do đó tăng doanh số.

Nhưng liệu đây có thực sự là cách tiếp cận đúng đắn? Xác suất hai sản phẩm được mua kết hợp sẽ cao hơn, vậy chúng có phải được đặt cạnh nhau không? Chắc chắn bạn chưa nghĩ đến câu hỏi này vì các trường hợp đã được ghép lại với nhau và bạn chỉ cần sao chép các trường hợp đó. Nhưng điều này không hẳn đúng vì trường hợp này xảy ra ở một siêu thị. Siêu thị là nơi bán hàng tiêu dùng nhanh và người dùng chỉ ở đó trong một thời gian rất ngắn. Điều này có thể không đúng ở những ngành công nghiệp khác.

Nếu ở trong một trung tâm mua sắm đồ nội thất như IKEA , khi anh ta thấy có mối tương quan cao giữa sản phẩm A và sản phẩm B, chiến lược tốt nhất có thể không phải là đặt chúng cạnh nhau.

Thay vào đó, hãy cố gắng giữ chúng càng xa càng tốt . Bởi vì khi mua sắm tại IKEA, người dùng sẽ ở lại rất lâu. Khi bạn đặt Sản phẩm A và Sản phẩm B đủ xa nhau, người dùng sẽ cần đi qua nhiều gian hàng hơn, cho phép nhiều sản phẩm được trưng bày hơn và cải thiện tỷ lệ chuyển đổi.

Vì vậy, trong trường hợp này, nếu bạn chỉ biết đến trường hợp tã bia, thì có thể bạn đang áp dụng nó một cách máy móc. Điều này không nhất thiết giúp doanh nghiệp đạt được kết quả hoạt động thực sự hiệu quả.

phải làm gì

Vậy thì tôi phải làm gì?

Mặc dù có một chút hiểu biết về doanh nghiệp không mấy hữu ích, nhưng bạn vẫn phải hiểu về doanh nghiệp. Học kinh doanh là hướng đi không thể thay đổi. Không có sự thay đổi về chất nếu không có sự định lượng.

Điều quan trọng nhất không phải là áp dụng mô hình mà là suy nghĩ về mục tiêu phân tích của bạn là gì?

Các lỗi trong trường hợp này phần lớn là do thiếu tập trung vào việc phân tích. Mọi người thường tìm hiểu về phân tích giỏ hàng rồi mới tiến hành phân tích giỏ hàng. Phân tích này không hẳn là sai, nhưng nó có thể không phù hợp với các vấn đề mà doanh nghiệp cần giải quyết tại thời điểm đó. Vì vậy, tình huống tốt nhất là đợi cho đến khi có vấn đề cụ thể cần giải quyết trước khi phân tích.

Ví dụ, doanh nghiệp IKEA muốn phân tích cách tăng thời gian người dùng ở lại cửa hàng hoặc cho họ xem nhiều sản phẩm hơn.

Có một giả định rõ ràng cho vấn đề này, đó là đặt các sản phẩm liên quan cách nhau đủ xa. Sau đó, phân tích giỏ hàng thị trường xuất hiện như một công cụ để giải quyết vấn đề này . Phân tích các sản phẩm liên quan thông qua phân tích giỏ hàng, sau đó thực hiện hành động ngược lại với tã bia. Nhưng trong quá trình phân tích này, bạn sẽ không cảm thấy có gì đột ngột, vì logic của bạn nhất quán như sau.

• Để cho phép khách hàng đi qua nhiều nơi hơn
• Tìm sản phẩm liên quan
• Đặt sản phẩm xa hơn

Ví dụ ban đầu về tã bia thực chất nhằm minh họa rằng dữ liệu có thể tiết lộ rất nhiều thông tin ẩn, nhưng mục đích sử dụng cụ thể của nó phụ thuộc vào mục đích phân tích.

3. Tóm tắt

Cái gọi là hiểu biết về kinh doanh thông qua phân tích dữ liệu cũng giống như việc lái xe thông minh.

Không có sự khác biệt giữa tốt và xấu, chỉ có sự khác biệt giữa có thể sử dụng và không thể sử dụng.

Chỉ khi khả năng hiểu biết và phân tích của bạn đạt đến mức độ quan trọng thì bạn mới có thể nói rằng mình thực sự hiểu rõ về doanh nghiệp. Nếu không, chút kiến ​​thức kinh doanh ít ỏi mà bạn có trước đây thực sự có thể gây ra tác động tiêu cực. Nếu không, giống như bạn đang lái xe có trợ lái và cần có người theo dõi bạn mọi lúc, điều này khiến bạn mệt mỏi hơn.

Một số suy nghĩ, hy vọng có thể truyền cảm hứng cho bạn.

Tác giả: Jason

Nguồn: Tài khoản công khai WeChat "Sanyuan Variance (ID: sanyuanfangcha)"