Phân tích dữ liệu như thế này và các cuộc cãi vã về hoạt động sẽ giảm đi một nửa

Có mối tương quan chặt chẽ giữa công việc vận hành và phân tích dữ liệu. Bài viết này bắt đầu bằng một vấn đề về hoạt động và phân tích cách thức phân tích dữ liệu nên được thực hiện như thế nào. Tôi hy vọng nó sẽ hữu ích với bạn.

Những sinh viên làm phân tích dữ liệu thường phục vụ cho hoạt động vận hành và cũng là những người sợ nhất các vấn đề về vận hành. Vì bản thân công việc vận hành có liên quan chặt chẽ đến phân tích dữ liệu nên sáu trong số mười bài viết về phân tích dữ liệu mà bạn thấy trực tuyến đều do nhân viên vận hành viết. Bộ phận vận hành liên quan rất sâu đến việc phân tích dữ liệu đến mức họ thường xung đột với các nhà phân tích dữ liệu về ý tưởng, phương pháp và kết luận phân tích.

Hôm nay chúng ta sẽ xem xét một trong những vấn đề lớn nhất. Có nhiều loại công việc vận hành (như thể hiện trong hình bên dưới), trong đó vận hành sự kiện là công việc mang tính chiến lược nhất, liên quan chặt chẽ nhất đến phân tích dữ liệu và cũng là vị trí nhận được nhiều chỉ trích nhất. Hôm nay tôi sẽ dùng nó làm ví dụ.

Vui lòng lắng nghe câu hỏi: Đối với một ứng dụng trò chơi nhất định, tỷ lệ hoạt động của người dùng đã giảm nhẹ vào tháng 5. Nhóm vận hành hoạt động đã quyết định tổ chức hoạt động đăng nhập và chấm công để tăng cường hoạt động của người dùng (mức tăng cụ thể không được nêu rõ). Dữ liệu trước và sau hoạt động được hiển thị ở hình bên dưới.

Nhóm điều hành sự kiện khẳng định rằng nếu không có sự kiện nào diễn ra, mức tăng trưởng tự nhiên trong tháng 5 sẽ giảm. Ông chủ nghĩ đây là chuyện nhảm nhí. Nhóm điều hành sự kiện cho biết: Các nhà phân tích dữ liệu nên sử dụng dữ liệu lớn trí tuệ nhân tạo để phân tích chính xác tốc độ tăng trưởng tự nhiên.

H: Bạn là nhà phân tích dữ liệu, bạn nên làm gì?

1. Những điều vô lý dưới danh nghĩa khoa học

Trước hết, điểm chính của câu hỏi này là gì?

A. Giảm tỷ lệ hoạt động của người dùng

B. Tỷ lệ tăng trưởng tự nhiên

C. Trí tuệ nhân tạo và dữ liệu lớn

Hãy suy nghĩ về điều đó một giây.

Hãy đặt lại một câu hỏi: Một ngày nọ, một người đàn ông đến gặp bạn với một cây cung và hỏi: "Xin hãy sử dụng trí tuệ nhân tạo và dữ liệu lớn để phân tích chính xác tỷ lệ trúng đích của tôi cao hơn bao nhiêu so với tỷ lệ tự nhiên". Bạn sẽ làm gì? Bạn có nhấc bàn phím lên và bắt đầu gõ mã không? --Không được! Đầu tiên bạn sẽ hỏi anh ta: "Anh đã chụp cái gì?"

Nếu anh ấy nói: Tôi không biết mình đã bắn cái gì, bạn có thể giúp tôi phân tích không? Bạn sẽ làm gì? Bạn có sử dụng dữ liệu lớn của trí tuệ nhân tạo để phân tích thứ anh ấy sắp bắn không? ——Dĩ nhiên là không! Nếu bạn lịch sự, bạn sẽ để anh ta tìm thấy mũi tên mà anh ta bắn trước; nếu bạn bất lịch sự, bạn có thể chửi rủa anh ta. Bởi vì ngay cả trẻ mẫu giáo cũng biết rằng trước khi bắn tên, bạn phải xác định mục tiêu. Đây là lẽ thường tình.

Vậy thì điểm mấu chốt chung của câu hỏi là: nó không nói rõ mức độ cải thiện cụ thể là bao nhiêu. Ngay cả tiêu đề cũng có vấn đề. Lưu ý rằng nguyên nhân của vấn đề là do số lượng người dùng hoạt động giảm. Do đó, khi đặt mục tiêu, hoạt động sẽ chuyển sang hoạt động của người dùng. Chỉ cần một từ khác biệt thì ý nghĩa sẽ chuyển từ rõ ràng sang mơ hồ.

• “Bằng cấp” là gì?
• Nghĩa là số lượng người dùng đang hoạt động. Tại sao không sử dụng trực tiếp?
• Tỷ lệ hoạt động của người dùng có nghĩa là gì? Công thức này có giống nhau đối với mọi người không?
• Nghĩa là tính toán toàn diện, công thức tính toán và trọng số là gì?

Bản thân các chỉ số không rõ ràng và không chỉ rõ cần cải thiện bao nhiêu, đây là một thảm họa cho việc phân tích sau hoạt động . Đây chỉ là bản sao của câu chuyện bắn cung. Câu hỏi đặt ra là: tại sao chuyện kỳ ​​lạ như vậy lại xảy ra?

2. Những khó khăn đằng sau sự phi lý

Nếu bạn đã từng làm việc trong một công ty, bạn sẽ biết rằng không phải mọi quyết định đều có lý trí cao, ví dụ:

• Đây là một hoạt động thường xuyên. Hoạt động này chỉ cần sửa đổi mẫu và đưa lên mạng.
• Việc này được thực hiện dưới sự chỉ đạo trực tiếp của ông chủ. Tôi không hiểu và cũng không dám hỏi.
• Đây là trực giác kinh doanh: Tôi cảm thấy có điều gì đó không ổn! Sẽ quá muộn để thay đổi sau khi bạn thực sự quan sát nó.
• Đây là một dạng mê tín: Bạn không có trí tuệ nhân tạo và dữ liệu lớn sao? Bạn nên đi duang! Nó sẽ có ở đó ngay thôi.

Tóm lại, trong các doanh nghiệp thực tế, có thể:

• 30% kế hoạch hoạt động không được viết rõ ràng, chỉ có một tuyên bố mơ hồ: "Tăng tiêu thụ/tăng hoạt động"
• 30% kế hoạch hoạt động sử dụng các thuật ngữ không chính xác, với nhiều khái niệm xa vời như hoạt động, giá trị hoạt động và sức mạnh hoạt động.
• 30% kế hoạch hoạt động chưa được tính toán và được quyết định một cách vội vã. Một số người thậm chí còn đặt mục tiêu 100 triệu chỉ để khẩu hiệu trở nên hấp dẫn hơn.
• Chỉ có khoảng 10% kế hoạch có thể được viết rõ ràng: tăng số lượng người dùng hoạt động và duy trì DAU trên mức XX vào tháng 5

Tất nhiên, ở những công ty lớn có hệ thống quản lý chuẩn hóa, tình trạng hỗn loạn này ít xảy ra hơn nhiều. Tuy nhiên, hầu hết các công ty đều gặp phải những vấn đề tương tự khi họ không viết mục tiêu rõ ràng trước và dựa vào dữ liệu lớn để phân tích sau đó. Họ thậm chí còn cố gắng thoát tội bằng cách tạo ra một tỷ lệ tăng trưởng tự nhiên âm rất thấp . Tôi phải làm gì nếu điều này thực sự xảy ra?

Trước hết, chúng ta không bao giờ được nói về “tỷ lệ tăng trưởng tự nhiên”. Đặc biệt là trong một ngành kinh doanh như thế này, nơi các hoạt động ngắn hạn có cường độ rất cao. Nếu bạn thực sự phải tranh luận, hãy áp dụng cơ chế mua rồi bỏ qua : thống nhất về tỷ lệ tăng trưởng tự nhiên trước, sau đó xem xét con số này và không điều chỉnh. Điều này cũng giống như việc không hối tiếc về một nước đi khi chơi cờ vua.

1. Hãy làm rõ mục tiêu của bạn trước và tăng mục tiêu đó từ X% lên y%;
2. Tìm mục tiêu rõ ràng, trực quan và tránh những khái niệm phức tạp/ảo tưởng;
3. Tìm các mục tiêu liên quan đến KPI cốt lõi và tránh sự can thiệp khác nhau.

Đây là ba nguyên tắc để giải quyết vấn đề một cách triệt để.

Tất nhiên, có hai thách thức khi thực hiện việc này:

Thử thách 1: Một số hoạt động không biết cách đặt mục tiêu, bạn có thể giúp không?

Thử thách 2: Một số hoạt động không có mục tiêu được đặt ra trước, chúng ta có thể khắc phục điều này như thế nào?

3. Các phương pháp cơ bản để thiết lập mục tiêu

Có ba cách tiếp cận cơ bản để đặt mục tiêu:

1. Phương pháp phân tích KPI
2. Phương pháp tính toán ngược KPI
3. Phương pháp kịch bản KPI

Tương ứng với ba tình huống:

1. Mục tiêu hoạt động là các chỉ số KPI
2. Mục tiêu hoạt động là các chỉ số quy trình KPI
3. Mục tiêu hoạt động là các chỉ số liên quan đến KPI

Một số sinh viên có thể hỏi: Tại sao tất cả chúng đều liên quan đến KPI? Trả lời: Nếu những gì bạn đang làm không liên quan gì đến KPI thì bạn cũng biết tầm quan trọng và tính cấp bách của vấn đề này. Việc làm quá lên về những thứ không liên quan đến KPI có thể chính là lý do ảnh hưởng đến KPI.

Ví dụ về phương pháp phân tích KPI:

Ví dụ tính toán ngược KPI:

Ví dụ về phương pháp kịch bản KPI:

Việc duy trì liên lạc tốt với bộ phận vận hành vào thời điểm bình thường là rất cần thiết để các nhà phân tích dữ liệu có thể can thiệp sớm vào quá trình lập kế hoạch. Nó không chỉ hỗ trợ hoạt động làm rõ ý tưởng mà còn giúp hoạt động tính toán mục tiêu và có thể chuẩn bị cho việc giám sát sau khi ra mắt và đánh giá sau sự kiện, do đó đạt được ba mục tiêu cùng một lúc. Tình huống tốt nhất là hoàn thành công việc trước để không cần phải tranh cãi sau đó và mọi người có thể hợp tác và cùng nhau giành chiến thắng.

4. Các phương pháp cơ bản để khắc phục hậu quả sự cố

Nếu bạn không đặt ra mục tiêu trước và phải khắc phục sau đó, hãy nhớ rằng: cốt lõi không phải là tốc độ tăng trưởng tự nhiên mà là "những chỉ số nào doanh nghiệp cần đạt được". Đặc biệt là trong trường hợp lúc đầu. Khi mục tiêu chung đã đạt được, việc lo lắng về tốc độ tăng trưởng tự nhiên sau đó thường sẽ chuyển thành trò đổ lỗi . Điều này có thể được thực hiện theo ba bước:

Bước 1: Thiết lập hướng

Bước 2: Tìm cách

Bước 3: Xem xét chi tiết

Thông qua các hoạt động như vậy, ít nhất chúng ta có thể chấm dứt trạng thái bối rối và làm rõ: chúng ta muốn tạo ra loại đường cong nào. Phương pháp đánh giá thời điểm này nên được thay đổi theo cách đó. Trong phần chi tiết, hãy tìm hướng tối ưu hóa cho lần lặp tiếp theo.

Lưu ý rằng điều này được thực hiện chủ yếu dựa trên phán đoán rằng "nó đã thất bại vào thời điểm này". Đây không phải là cách khoa học để đánh giá hiệu quả của một hoạt động. Nếu bạn muốn đánh giá một hoạt động một cách khoa học, bạn phải thiết kế thí nghiệm trước, chia thành nhóm thử nghiệm và nhóm tham chiếu, đồng thời kiểm tra hiệu ứng phản ứng của người dùng. Như câu nói cũ: chuẩn bị nhiều hơn trước và lo lắng ít hơn sau đó.

Nhiều sinh viên cho rằng: Kể cả chúng tôi có làm như vậy thì lãnh đạo công ty vẫn còn rất mê tín, hoạt động vẫn còn rất thiếu sáng suốt, khi có vấn đề xảy ra vẫn đổ lỗi cho người khác. Chúng ta phải làm gì đây! Mặc dù vậy, cô giáo Trần cũng khuyên mọi người trước tiên nên hiểu cách thực hiện việc này.

Theo cách này, khi chúng ta gặp phải vấn đề, ít nhất mọi người có thể phán đoán được đó là vấn đề của mình hay của người khác. Ít nhất thì bạn cũng biết nên làm việc theo hướng nào. Đây cũng là sự khác biệt giữa các tình huống kinh doanh thực tế và phòng thí nghiệm khoa học: bạn phải chấp nhận rủi ro và đi trên dây giữa dữ liệu hạn chế, nhiều loại đồng nghiệp và kỳ vọng quá cao hoặc quá thấp.

Một số học sinh sẽ nói: Hả? Tại sao chỉ thiếu một nửa cảnh chiến đấu, vậy nửa còn lại là gì? A: Đây là một câu hỏi muôn thuở khác trong quá trình phân tích hậu sự kiện: Vậy thì sao nếu bạn làm điều này! Tại sao số lượng người dùng hoạt động không thể cao hơn? Vậy nếu nó cao hơn nhiều thì sao? Chúng ta nên làm gì nếu một chỉ số cao và các chỉ số khác thấp?

Đây là những gì chúng ta thường gọi là vấn đề đánh giá toàn diện.

Tác giả: Thầy giáo thực tế Chen

Nguồn: Tài khoản công khai WeChat "Giáo viên thực tế Trần"