大数据时代,各行各业的数据驱动意识空前增长,但不少企业在如何运用数据驱动理念实现业务有效增长仍存在困惑。

下面本文将通过一个经典的数据驱动闭环模型(如下图)结合实际案例进行解读,帮你缓解焦虑,洞悉实现数据驱动的秘诀。

一、发现问题

某教育公司 M 一直希望提高课程的付费转化率,且为实现这个目标在 4 月初增加了拉新投入,但是在加大投入的 1 个月后,营销人员通过数据分析发现,虽然注册用户量有上升,但课程的实际付费人数并无明显增长,付费率基本持平甚至有下降趋势。

小贴士
数据驱动在“发现问题”中的作用:

l 数据监控预警,实时、快速的提醒和反馈问题,降低对业务的损失;

l 主动进行数据挖掘和分析,结合用户反馈、调研等情况,及时发现业务缺陷。

二、原因诊断

M 公司通过多维度的数据分析,如渠道分析、漏斗分析、留存分析等,最终发现加大投入后渠道引流量确实有明显增加,但是大量用户在使用新手奖励后就变为沉默用户或流失用户,在再次发送优惠券时,这些用户部分会继续付费,基本可定位为因为薅羊毛用户过多导致付费率过低。

小贴士
数据驱动在“原因诊断”中的作用:

l 多维度、多模型下钻分析,精准定位原因。

三、解决方案

目前,M 公司已经将利润值降到最低,无法支持长期的优惠券补贴,为了加强新用户的有效转化,M 公司计划变更新用户拉新体系,在拉新初期过滤掉一部分薅羊毛用户,并缩短新注册用户首次下单时间,提高对真正有购买意愿和购买能力的用户转化,促进高价值客户的沉淀。

针对该措施,M 公司策划了一个新的测试方案,并准备与原有方案进行 A/B 测试(如下图):

注:文中所涉数据均为虚拟,仅供参考。

背景补充:M 公司的课程主要分为三种价格:99 元、199 元、299 元,99 元课程销量最好,目前的营销策略是主推 99 元课程。

在进行 A/B 测试前,M 公司欲根据解决方案制定效果评估的具体衡量指标,但此时不同职能的人有不同的呼声,如下:

市场推广人员:用户量增加才有价值(业务量变化)

产品人员:转化率提高了才好(转化率)

运营人员:用户复购率高才是真的好(客群质量特征)

那么到底看哪个呢?事实上,数据驱动的思维,需要对多个指标综合评估,而不是看单一指标。

小贴士
数据驱动在“解决方案”中的作用:

l 定位到原因后,根据数据表现设计对应的解决方案;

Ⅱ通过数据的量化指标,来做对比方案和制定评估效果指标等。

四、业务实践

M 公司实施新方案后与原方案的效果对比如下:

通过上表我们能很明显的发现,新方案实施后,日均注册人数、日均消费金额均明显下降,效果还不如原方案呢!事实上也是这样的吗?答案见下一步效果评估。

小贴士
数据驱动在“业务实践”中的作用:

l 数据提供实时的效果监控和问题反馈,边做边调整,形成实践的过程管理。(本文案例主要运用在 A/B 测试的控制变量中)

五、效果评估

M 公司为了进一步评估新方案的效果,使用了神策数据的漏斗分析、留存分析等分析模型进行了多维下钻分析,对比了客户的长期价值,对比结果如下图:

上表中,新方案付费转化率和付费留存率有了明显的提升,长期来看,很显然新方案显著更优。

小贴士
数据驱动在“效果评估”中的作用:

l 多种分析模型、多维度、多视角提供客观准确的评估,为正确决策提供坚实的基础。

六、复盘总结

A/B 测试结束后,M 公司对整个过程进行了复盘,并得出以下结论:

通过数据分析发现,新方案更优,能在初始设置中筛选出有价值用户,未来将按照该方案迭代;

市场、产品、运营在未来进行方案评估时,需要通过多维下钻分析进一步评估方案效果;

M 公司解决了新手用户转化的问题,下一步准备优化渠道投放,获取更多优质客户。

小贴士
数据驱动在“复盘总结”中的作用:

l 根据效果数据反向复盘业务实践,及时发现问题,调整策略,推进业务螺旋式向上发展,进入下一个完整的业务闭环。

写在最后的话

本文通过一个简单的案例分析了数据驱动在教育行业中拉新效果评估的运用,事实上,商业行为本身是通过“数据”的流通实现,比如货币金额大小、商品的数量多少等,学会数据驱动的思维来发现问题、解决问题将事半功倍,希望本文内容对你有帮助!