Cuối cùng tôi đã làm rõ logic cơ bản của tăng trưởng dựa trên dữ liệu là gì

Giới thiệu: Hiệu ứng tăng trưởng luôn khiến con người cảm thấy khó khăn. Bài viết này mô tả phương pháp luận tăng trưởng dựa trên phân tích dữ liệu. Mỗi điểm là một bản tóm tắt sâu sắc về kinh nghiệm trước đây của tác giả. Tôi hy vọng nó sẽ hữu ích cho những ai quan tâm đến phân tích dữ liệu.

“Phân tích dữ liệu phải thúc đẩy tăng trưởng!” là yêu cầu của nhiều công ty. Tuy nhiên, khi bắt tay vào thực hiện, nhiều sinh viên đã gặp khó khăn. Có vẻ như công việc hàng ngày chỉ là tính toán dữ liệu, làm sao điều này có thể phát triển được? Một số trường hợp nói về thử nghiệm AB, nhưng phiên bản được phát hành bởi sản phẩm và hoạt động phân hạch được thực hiện bởi thao tác. Tôi vừa tính toán một dữ liệu.

Hôm nay tôi sẽ giải thích chi tiết cho bạn cách đạt được sự tăng trưởng.

1. Logic cơ bản của sự tăng trưởng

Hãy đặt câu hỏi sâu sắc: Tại sao doanh nghiệp lại phát triển? Nếu bạn muốn phát triển, trước hết, bản thân doanh nghiệp không được quá tệ và thứ hai, doanh nghiệp phải có đủ không gian để phát triển.

Dựa trên hai tiền đề này, bốn logic tăng trưởng cơ bản xuất hiện:

1. Không cần phải thay đổi tình hình hiện tại. Chỉ cần tăng đầu tư sẽ dẫn tới sản lượng cao hơn.
2. Chúng ta cần phải thay đổi hiện tại và lấp đầy những điểm yếu nhất.
3. Chúng ta cần phải thay đổi hiện tại và thúc đẩy những hoạt động hiệu quả nhất ngay bây giờ.
4. Tại sao không ngừng làm những gì bạn đang làm và tìm một lĩnh vực mới có nhiều cơ hội hơn?

Có thể tóm tắt một bức tranh như sau:

Vì vậy, câu hỏi tiếp theo là: Phân tích dữ liệu có thể làm gì trong quá trình này?

2. Logic cơ bản của hỗ trợ dữ liệu

Câu hỏi thứ hai đáng suy ngẫm là: Liệu chúng ta có thực sự không thể kinh doanh nếu không có dữ liệu không? Tất nhiên là không, không có hoạt động kinh doanh dữ liệu nào được thực hiện. Bạn thấy đấy, mọi việc vẫn diễn ra theo cách này trong suốt chiều dài lịch sử. Trong lịch sử, chiến tranh là về “vô số quân địch, vô số người chết”. Trong lịch sử, nấu ăn là việc quan trọng “một chút, một lượng vừa đủ, một chút, trong một khoảnh khắc”. Hoàn toàn có thể kinh doanh mà không cần dữ liệu - chúng ta chỉ không biết mình làm tốt đến mức nào.

Sau đó là câu hỏi thứ ba để tự vấn tâm hồn:

• Bạn thích "vô số quân địch" hay "500 quân địch"?
• Bạn thích "một nhúm muối" hay "5 gam muối (một thìa muối từ lọ muối)" khi nấu ăn?
• Bạn muốn được yêu cầu "Đợi một lát" hay "Đợi 15 phút"?

Mọi người đều thích những phán đoán chính xác, kết quả rõ ràng và quy trình trực quan. Đây chính là lúc dữ liệu phát huy tác dụng.

Do đó, nếu bạn muốn làm tốt công việc hỗ trợ dữ liệu, bạn phải có ý tưởng rõ ràng ngay từ đầu. Đừng mong đợi các nhà phân tích dữ liệu đưa ra một kế hoạch sự kiện siêu tuyệt vời hay một nguyên mẫu sản phẩm siêu tuyệt vời, mà hãy sử dụng dữ liệu để đánh giá chính xác, trực quan hóa quy trình và kiểm tra kết quả. Tốt nhất là xuất ra dưới dạng sản phẩm. Theo cách này, tất cả các đơn vị chiến đấu sẽ được trang bị bản đồ, radar và máy bay không người lái, qua đó cải thiện khả năng chiến đấu tổng thể của họ.

3. Phân tích đầu tư bổ sung

Một số bạn học bắt đầu thắc mắc: đầu tư thêm, việc kinh doanh này cũng tốn tiền, cho em 500.000 em sẽ làm được 2 triệu, cho em 1 triệu em sẽ làm được 4 triệu. Điều này có cần phải phân tích thêm không?

Điều này thực sự cần phải phân tích. Vì bản thân đầu vào bao gồm nhiều loại (như thể hiện trong hình bên dưới), mỗi loại đầu vào có thể làm tăng đầu ra.

Bán hàng là một quá trình phức tạp ảnh hưởng đến toàn bộ cơ thể. Nếu đầu tư sai hướng, bạn sẽ dễ gặp phải tình trạng tắc nghẽn. Những loại phổ biến như:

1. Bán quá nhiều và sản xuất không đủ dẫn đến hết hàng
2. Đầu tư quá mức vào doanh số, tăng đột biến sản lượng, dẫn đến đánh giá/trả hàng/khiếu nại tiêu cực
3. Đầu tư quá mức vào tiếp thị không mang lại kết quả trực tiếp và lãng phí tiền bạc
4. Đầu tư quá mức vào tiếp thị, trợ cấp chéo nghiêm trọng, sản lượng không đủ và lãng phí nghiêm trọng
5. Đầu tư quá mức vào tiếp thị dẫn đến tình trạng tắc nghẽn ở các kênh bán hàng và không có đầu ra
6. Đầu tư quá mức vào nguồn cung dẫn đến doanh số bán hàng kém và tồn đọng sản phẩm nghiêm trọng
7. Việc đầu tư vào bán hàng, tiếp thị và cung ứng cùng lúc đã dẫn đến chi phí tăng vọt và chuỗi vốn bị phá vỡ.

Vậy thì ngay cả một cách đơn giản: thêm đầu vào. Có một số yếu tố cần phải xem xét:

1. Tiềm năng thị trường mục tiêu
2. Tỷ lệ đầu vào-đầu ra của doanh số
3. Hiệu ứng gia tăng của các hoạt động tiếp thị
4. Khả năng mở rộng chuỗi cung ứng

Mỗi bước tính toán ở đây đều cần sự hỗ trợ từ nhiều điểm phân tích nhỏ. Ví dụ, tiềm năng của thị trường mục tiêu đòi hỏi phải xem xét đến cơ sở người dùng mục tiêu, sức mua của người dùng mục tiêu, mức độ thâm nhập sản phẩm của đối thủ cạnh tranh và tỷ lệ người dùng được thương hiệu bao phủ. Điều này đòi hỏi sự hỗ trợ từ các phương pháp phân tích ngành. Hiệu ứng gia tăng của các hoạt động tiếp thị phải tính đến mức sản lượng khi không hoạt động, hiệu ứng tích lũy của các hoạt động, hiệu ứng của các hoạt động đối với nhu cầu trong tương lai và hiệu ứng kiểm duyệt do các hoạt động mang lại (như thể hiện trong hình bên dưới).

Do đó, rất nhiều công việc phân tích là cần thiết, và nó không phải là một quyết định đơn giản như "cho tôi 50 và tôi sẽ làm 100".

4. Phân tích chuẩn mực/Phân tích vấn đề

Nhiều sinh viên quen thuộc với phương pháp tìm điểm chuẩn/vấn đề trong các doanh nghiệp hiện tại.

• Nếu bạn chỉ xem xét các chỉ số thu nhập, hãy sử dụng phân tích phân tầng để tách biệt cao, trung bình và thấp
• Nếu chúng ta kết hợp các chỉ số thu nhập và chi phí, chúng ta có thể sử dụng phân tích ma trận để sàng lọc ra những cá nhân có cả hiệu suất xuất sắc.
• Sau đó, sử dụng phương pháp phân tích phễu để tìm ra liên kết có hiệu suất kém nhất trong quy trình kinh doanh

Câu hỏi đặt ra là: sau khi phân biệt được điều tốt và điều xấu, chúng ta nên làm gì?

• Đối với chuẩn mực, vấn đề cốt lõi cần giải quyết là: Liệu chuẩn mực đó có thực sự có thể được sao chép không?
• Nếu chuẩn mực có thể sao chép được, hãy lan truyền trải nghiệm;
• Nếu việc đánh giá chuẩn chỉ có thể thành công trong một môi trường thị trường cụ thể thì điều đó phụ thuộc vào nơi mà môi trường đó tồn tại.

Nếu tiêu chuẩn là chỉ một số người/sản phẩm/kênh nhất định mới có thể thành công, thì hãy tìm những người/sản phẩm/kênh cùng loại.

Để xác định khả năng sao chép, trước tiên chúng ta phải tiến hành phân tích vòng đời + phân tích tính năng của chuẩn mực

Theo quan điểm của vòng đời:

• Có môi trường đặc biệt nào trong giai đoạn khởi động chuẩn không?
• Có hỗ trợ đặc biệt nào trong giai đoạn phát triển chuẩn không?
• Sự phát triển của chuẩn mực này có ổn định hay chỉ là nhất thời?

Theo góc nhìn đặc điểm: Chỉ những người ở vị trí đặc biệt/loại hàng hóa đặc biệt/đặc điểm sinh lý đặc biệt mới có thể thành công? Việc thu thập thông tin tình báo này rất quan trọng. Cần phải xem xét dữ liệu lịch sử, thu thập thông tin thị trường và thu thập các hoạt động kinh doanh trong quá khứ. Chỉ bằng cách dán nhãn cửa hàng/sản phẩm/con người, chúng ta mới có thể phân tích đầy đủ.

Phân tích vấn đề: Sau khi tìm ra vấn đề, điều quan trọng cần giải quyết là: liệu vấn đề đó có thể khắc phục được hay không. Trong ngắn hạn, nhiều khả năng là nhiều vấn đề không thể cải thiện được. Vậy có kế hoạch nào để cải thiện vấn đề này không? Những cải tiến cụ thể nào đã được thực hiện? Kết quả sau khi cải thiện là gì? Cần lưu giữ hồ sơ dữ liệu chi tiết để có thể xác định liệu vấn đề có thể được cải thiện hay không thông qua nhiều vòng so sánh. Nếu có thể cải thiện, phá vỡ nút thắt; nếu không, hãy cân nhắc bỏ qua nó.

5. Phân tích để khám phá những cơ hội mới

Những cơ hội mới là gì?

1. Mặc dù một kênh có ít lưu lượng truy cập hơn, tỷ lệ chuyển đổi của nó cao hơn các kênh khác
2. Mặc dù một số loại khách hàng có số lượng ít nhưng khả năng thanh toán của họ lại mạnh hơn những loại khác
3. Mặc dù một khu vực hoặc danh mục mới vừa bắt đầu, tốc độ tăng trưởng của nó lại nhanh hơn những khu vực hoặc danh mục khác.

Đây đều là những cơ hội tiềm năng. Không khó để tìm ra điều đó. Có thể thấy điều này thông qua phân tích phân tầng + phân tích nhóm.

Cái khó của vấn đề là: phải làm gì sau khi tìm ra? Liệu những cơ hội mới có thực sự có thể phát triển lớn hơn không? Các phương pháp hiện tại có thực sự hiệu quả không? Liệu lợi ích có bị giảm đi khi doanh nghiệp lớn mạnh hơn không? Tôi không biết gì cả. Do đó, vẫn cần có những phân tích sâu hơn.

Ở đây, có hai cách tiếp cận: doanh nghiệp đã có chiến lược và doanh nghiệp không có chiến lược. Nếu bạn đã có chiến lược, bạn có thể trực tiếp theo dõi kết quả để xem liệu chiến lược có ngày càng phát triển hơn không và liệu có những lợi ích cận biên đang giảm dần hay không. Nếu không có chiến lược, bạn cần kết hợp các tình huống lịch sử và nắm bắt đầy đủ các cơ hội. Ví dụ, để tìm kiếm cơ hội trong một nhóm người dùng nhất định, chúng ta cần xem xét:

• Có bao nhiêu người dùng trong nhóm này có thể được tiếp cận thông qua các kênh hiện có?
• Những kênh nào có lượng người dùng tập trung cao trong nhóm này?
• Kênh có nồng độ cao có đặc biệt không? Có chỗ nào cần cải thiện không?
• Đối với các hoạt động hiện tại, tỷ lệ phản hồi của nhóm có đủ cao không?
• Đối với các sản phẩm hiện có, nhóm nào sau đây có tỷ lệ mua lần đầu hoặc tỷ lệ mua lần tiếp theo cao hơn?

Chỉ khi có đủ tiềm năng + sản ​​phẩm/hoạt động có khả năng phản hồi cao thì "điểm cơ hội" mới được hỗ trợ. Nếu không, chỉ có thể chuyển giao cho doanh nghiệp xem xét có nên sắp xếp kế hoạch thử nghiệm và bắt đầu bằng kết quả thử nghiệm hay không.

bản tóm tắt

Từ những điều trên, chúng ta có thể thấy rằng nếu thực sự muốn thúc đẩy cải thiện hiệu suất, chúng ta cần phân tích dữ liệu xung quanh "tăng trưởng", thực hiện nhiều công việc hỗ trợ, kết hợp dữ liệu ngành, dữ liệu lịch sử, hiệu suất hiện tại, kết quả thử nghiệm, thực sự diễn giải chìa khóa cho tăng trưởng, tích lũy kinh nghiệm/bài học và sau đó chúng ta có thể đạt được mục tiêu.

Ở nhiều công ty, cái gọi là phân tích dữ liệu chỉ đơn giản là tính toán ROI của kênh, so sánh các thành phố/cửa hàng với doanh số để xem thành phố/cửa hàng nào cao hơn và thành phố nào thấp hơn. Điều đó chắc chắn là vô ích. Để biết thêm các phương pháp kinh doanh dựa trên dữ liệu, chào mừng bạn đến với Knowledge Planet để học sâu.

Tác giả: Thầy giáo thực tế Chen

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