业务数据分析知识

呵呵呵呵贺
94 阅读11分钟

快速系统、清晰、无遗漏地梳理业务

什么是业务流程？

为了达到业务目标，而人为规划的业务执行步骤。

两种大厂顶级业务流程方法

泳道流程图：单/多/复杂

核心拆解逻辑

1）部门维度： 通过部门或责任来区分，明确每个部门负责完成的任务环节。

2）阶段维度： 通过任务阶段来区分，明确明个阶段需要处理的任务环节。如：销售前-销售中-销售后。

3）活动维度： 可以理解为流程图上的一个个任务。 注意事项：确定目标和愿景，及时更新，明确优先级和里程碑

绘制流程
准备工作

明确问题：

  1. 都有哪些部门或者角色会参与到流程？
  2. 这些部门或者角色的关系是什么？
  3. 流程从哪里开始，到哪里结束？
  4. 流程的最终结果是什么？
  5. 主线流程和顺序是什么？
  6. 是否需要增加阶段维度？
开始绘制

前期准备

  • 明确绘制泳道图的目标和范围：这有助于更好地理解流程，并将其准确地呈现在泳道图中。
  • 梳理系统关键逻辑：确定所涉相关系统及其各自职责、任务，梳理各系统间关系，以及各任务及其执行过程。
  • 确立功能模块与核心流程：核心流程一定要清晰明了。

绘制泳道图

  • 确定泳道数量：根据流程中涉及的角色或部门的数量来确定需要多少泳道。每个泳道代表一个角色或部门。
  • 标识每个泳道：为每个泳道分配一个名称或标签，以便清楚地识别每个角色或部门。
  • 分配流程步骤：确定流程中的每个步骤，并将其分配给相应的泳道。每个泳道应只包含与其相关的步骤。
  • 添加任务和责任：为每个步骤分配一个或多个任务，并将其分配给相应的泳道。确保每个任务和责任都清晰明确，以避免混淆。

1）设计泳道图框架：

  1. 使用图形库或绘图软件中的符号来绘制泳道框架。
  2. 使用不同的颜色或样式来区分不同的泳道，同时确保泳道的宽度适中，既不过于拥挤也不过于空旷。
  3. 选中图形符号，在【样式】中给泳道添加颜色区分。

2）绘制细节：

  1. 在泳道图中添加流程的具体细节，如箭头和文本框。
  2. 在每个泳道内，按照流程的顺序绘制箭头和文本框，描述每个步骤的具体操作、输入输出等信息。
  3. 输入内容尽量使用简洁明了的语言描述流程细节，避免冗余和模糊。

检查和优化

  • 检查泳道图：查看是否所有的对象和活动都已经被正确地添加到了他们应该在的泳道中，是否所有的箭头都指向了正确的方向，以及是否所有的标注都准确地反映了对象或活动的内容。
  • 优化泳道图：根据检查的结果对泳道图进行优化，使其更加清晰、准确和易读。

WBS(work breakdown structure)

核心拆解逻辑

创建WBS是把项目可交付成果和项目工作分解成较小的，更易于管理的组成部分的过程。 最后将过程清晰结构化地分配给各负责人。

新手实用拆解法

用户行为支持法

核心拆解逻辑

用户行为路径+内部执行分工 先从用户视角拆解用户行为，梳理出清晰地路径，找到可优化地单元 再从执行视角拆分内部分工，具体分析如何执行或解决问题 注意事项：完整详细地梳理用户行为是此方法的关键前提。

指标

什么是指标？ 分析的目的是为了通过客观的数据去发现业务存在的问题，而业务指标是衡量业务好坏的标准。 示例1： 离职率：反映企业员工稳定性的一个衡量指标 离职率高：员工流动性大 离职率低：养老 离职率适中：既有新鲜血液的注入，又有实力员工 示例2：销售额是反映一个销售公司经营情况的核心指标。示例3：日活跃用户是反映一款APP是否受欢迎的核心指标。 了解业务：1.公司是做什么的，卖什么产品，服务对象，有哪些业务2.业务的好坏、了解相关核心指标3.业务的流程：确定哪个环节出现问题

数据指标类型

用户数据指标

日新增用户数：拉新效果
活跃用户数：为网站带来价值的用户。分类为打开应用就算、登录才算（游戏类）、产生某种特定的行为（阅读类，完善信息）
活跃用户数分类：日活（DAU），周活（WAU），月活（MAU）
活跃率: 活跃用户数/总用户数
留存率：反映产品留住会员的能力
次日留存：第一日访问的用户在第二日仍然访问的数量/第一日访问用户数
七日留存：第一日访问的用户在第七日仍然访问的数量/第一日访问用户数
月留存：第一日访问的用户在第一个月仍然访问的数量/第一日访问用户数
行业标准：40-20-10
单位获客成本： 广告活动产生的投放费用/广告活动带来的独立访客数；单位访客成本最好与平均每个访客带来的收入以及这些访客带来的转化率进行关联分析。若单位访客成本上升，但方访客转化率和单位访客收入不变或下降，则很可能出现流量推广问题，尤其要关注渠道推广的作弊问题。 客单价：每个用户平均购买产品的金额。订单总额/订单数量，应用场景为零售，电商。 ARPU（Average Revenue Per User）：总收入/总用户数。应用场景为游戏类，APP引用。 ARPPU（Average Revenue Per Paying User）：总收入/付费用户数

行为数据指标

PV（页面访问量，也叫页面点击量）：用户每次点击页面都算一次，刷新也算一次访问量。
UV（独立访客数）：一段时间内访问网页的人数。用cookie或IP来标记用户访问，只要是同一个设备，无论访问多少次都算一次。
IP：某IP地址的计算机访问网站的次数
平均访问时长：总访问时长/访问次数（点击次数），用于衡量用户体验的指标。
跳出率：进入网站后只访问一个页面的访问次数/总访问次数，是反映网站流量质量的重要指标。
转化率：潜在用户在网站上完成一次期望的行为，就叫做一次转化，转化次数/访问次数。电商网站的转化率=网站下单次数/网站访问总次数。
复购率：购买两次以上的顾客/总购买顾客数

产品数据指标

成交总额（GMV）：即流水，成交总额包含销售、取消订单金额、拒收订单金额和退订订单金额。 SKU（Stock Keeping Unit）:库存量单位，SPU是商品信息聚合的最小单位，例如：一款商品多色，即包含多个SKU。
SPU（Standard Product Unit）:标准化产品单元，SPU是商品信息聚合的最小单位，是一组可复用、易检索的标准化信息的集合，该集合描述了一个产品的特性。例如iphone16是一个SPU，它包含产品配置，颜色等特性。每个配置or颜色是一个SKU。
ROI（Return On Inverstment）:投资回报率=产生的交易金额/活动投放成本金额

常见分析方法

mindmap
      分析方法
          逻辑树分析法
          多维度拆解分析法
          对比分析法
          归因分析法
          相关分析法
          RFM分析法
          漏斗分析模型
          杜邦分析法

费米问题

胡同口煎饼摊子一年能卖多少个煎饼?
问题拆解：一天卖的煎饼数*365，一天卖的煎饼数=工作时长/每个煎饼的平均时间。接下来确定一天工作时长，以及摊煎饼的平均时间。

多维度拆解分析法

从指标构成拆解

例子：boss说公司8月总体销售额下降了，分析以下什么原因（逻辑树分析法） 销售额=销售数量X单价 总体销售额下降，从销售数量和单价分别入手。 第一个拆解维度：按产品拆解，是某个产品销售额下降，还是所有产品。 第二个拆解维度：若是某个产品销售额下降，按照产品拆解，是这个产品下所有商品的销售额下降还是个别商品。

从业务流程拆解

例子：网站订单转化率低，该怎么分析？
业务流程角度：用户进入网站--浏览商品--加入购物车--下单--付款
如果是网站订单转化率低，分析每个流程的转化率，到底是哪个环节出现了问题。

对比分析法

将两个事物进行对比，没有对比就没有好坏。

  1. 同比：在同一时间跟其他事物比，指今年某月或某季度和去年某月或某季度相比eg.2019年3月销售比2018年3月销售额增长10%
  2. 环比：在时间维度跟自己比，也就是某个事物随着时间的推移，发生了哪些变化。eg.某产品第二季度比第一季度销售增长8%

假设检验法（归因分析法）

假设检验法是针对某个问题，根据一些因素大胆提出自己的假设，然后通过搜集证据，去印证自己的假设。如果成立，则可得出结论，如果不成立，则可排除此假设。
假设检验的流程：

  1. 提出假设
  2. 搜集证据
  3. 得出结论
    例子：某款产品销量上升
graph TD
某款产品销量上升 --> 产品 -->假设新品 -->搜集证据没有新品 -->结论不成立
某款产品销量上升 --> 渠道 -->假设新增渠道 -->搜集证据没有新增渠道 -->结论不成立
某款产品销量上升 --> 运营 -->假设搞活动 -->搜集证据正在促销 -->结论成立

相关分析方法

当我们想要研究两种或两种以上的变量有什么关系的时候，就会用到相关分析法。相关性分为，正相关和负相关。相关系数r的取值分为是[-1,1]。|r|>0.6就代表相关性很强。
相关分析注意事项：
如果A和B相关，有至少五种可能： A导致B，B导致A，C导致A和B，A和B互为因果，小样本引起的巧合

RFM分析模型

RFM是3个指标的缩写，最近一次消费时间间隔（recency），消费频率（Frequency），消费金额（Monetary），通过这3个指标对用户分类。
近度（Recency）：最近一次消费到当前的时间间隔。(客户粘性)
频度（Frequency）：最近一段时间内的消费次数。（忠诚度）
额度（Monetary）：最近一段时间内的消费金额。（消费力）
对结果进行应用：
方法一：评分法，按照一定的评分标准进行评分。
方法二：均值对比法，高于均值的标记为1，低于均值的标记为0
结果分为：重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户。

漏斗分析模型

漏斗分析模型是将一个总体按照一定顺序分解成不同的阶段，对于每个阶段的数据（转化率）进行量化，根据计算的结果来分析发现问题，常用于电商分析用户购物行为转化率的分析。
AARRR模型:Acquisition：获取用户；Activation：激活用户，提高活跃度；Retention：提高留存率；Revenue：获取收入；Refer：自传播，用户会告诉其他人吗。\

  1. 获取用户：展示广告位（按展示次数付费CPM,Cost per Mille），搜索广告(按点击次数付费CPC, Cost per Click)，信息流广告(CPC/CPA Cost Per Action实际效果)
    关注的指标：渠道曝光量，渠道转化率，日新增用户数，日应用下载量，获客成本\
  2. 激活用户：让用户愿意使用产品，提高活跃度
    关注的指标：日活率DAU,页面浏览量PV，独立访客数UV\
  3. 留存用户：让用户变成回头客，使用户养成习惯。
    关注的指标：留存率，复购率，人均购买次数，召回率等\
  4. 获取收入：变现，如何赚更多的钱
    关注的指标：客单价，付费用户占比PUR，付费用户平均收入ARPPU，生命周期价值（LTV），复购率，销售额
  5. 用户自传播（病毒传播） 关注的指标：转发率（转发用户数/看到该产品的用户数），转化率，K因子（每个用户向朋友发出邀请的数量）x(接受到邀请的人转化为新用户的转化率)\

reference: 知乎：七七聊数分

avatar
文章
阅读
粉丝