B端產品數據分析方法論

0 評論 4507 瀏覽 35 收藏 20 分鐘

商業思維是中高級產品經理的分割線,那么如果才能具備商業思維呢?有一個重要的方法,那就是數據分析。本文總結了B端產品數據分析方法論,希望對你有所幫助。

商業思維是中級、高級產品經理的分割線。

產品經理有商業思維,意味著不僅懂業務,還能站在CEO的視角看待業務。

比如,業務的商業目標是什么?

業務發展有哪些機會?

如何抓住機會?等等。

那么,如何才能具備商業思維呢?

閱讀書籍、調研客戶、研究標桿企業都是很好的途徑,但是還有一個很重要的方法,那就是數據分析。

通過分析數據,產品經理能夠洞察企業的經營方式、經營狀態;

通過分析數據,產品經理能夠找到業務發展的機會,推動業務實現經營目標。

因此,數據分析能力是B端產品經理必備的核心能力。

你可能會說:商業思維、數據分析是管理層的工作,B端產品經理老老實實滿足業務需求不就行了嗎?

但現實是:高管往往沒有時間去分析一個具體的功能數據。

業務部門則可能受制于職責和眼界,看不到,或者無法獲取到有價值的數據。

反之,產品經理不但方便獲取數據,還可以把數據分析融入到產品設計,讓業務產生數據,再通過數據驅動業務。

這將是B端產品經理巨大的機會。

01 數據分析的三個階段

B端產品的數據分析,一共包含三個階段。

分別是數據衡量業務、數據洞察業務,以及數據指導業務。

1、數據衡量業務

通過管理報表,我們可以快速衡量業務發展的狀態。

也就是所謂的管理信息化——數據分析最基礎的功能。

不過,在很多企業,這一項基本功能也存在很大問題。

比如,數據準確性、實時性存在問題,以至于報表輔助決策的能力大大被削弱。

要做到準確、實時的衡量業務,產品經理首先要理解數據的業務邏輯。

比如,對于CRM系統來說:

線索數*轉化率*客單價=成交額

對于財務管理系統來說:

收入-直接成本=毛利

在梳理清楚業務邏輯后,產品經理最重要的工作就是確保系統按邏輯運行,并正確產生數據。

這里有很多細節問題。

比如,在計算毛利時,是否要含稅?贈品是否計入直接成本?

它們往往是左右數據準確性、實時性的關鍵。

有時候,要解決這些問題,產品經理還需要協同業務部門,對業務流程和系統功能進行調整。

曾經,我咨詢的一家企業,董事長堅持投入了數百萬建設CRM系統,然而COO根本就不用系統生成的報表。

原因在于, CRM系統的管理報表與門店的手工報表始終存在差異。

在用三個月集中處理掉這些問題后,COO終于可以放心使用CRM系統報表。

結果,公司經營會議的召開頻率大大提高,從“一月一開”提升到“一周一開”。

同時,由于不再需要人工統計數據,各個門店、總部都減少了行政崗位,為公司節省了一大筆開支。

2、用數據洞察業務

通過數據分析,可以找到業務發展的機會。

這里的關鍵在于,我們不僅要有準確的結果數據,還要有必要的過程數據。

比如,分析CRM數據,最簡單的方法就是分析各個渠道的線索轉化率和ROI,對于ROI較高的渠道,可以加大投入。

但是,這樣的分析還遠遠不夠。

因為,各個渠道的ROI并不是固定不變的。

比如,我們在某廣告平臺投放了廣告帖子,用戶如果對帖子名稱等信息感興趣,就會點擊查看帖子詳情。

如果服務符合客戶的要求,他們就會主動聯系我們,從而生成CRM系統的線索。

經過分析,我們發現“帖子點擊量”與“有效線索數量”的比例是相對固定的關系。

這就意味著,只要我們想辦法提高“帖子點擊量”,就可以提高“有效線索數量”,從而提升成交數量和金額。

在這個實際案例中,通過優化帖子名稱、定期刷新帖子等方式,該廣告平臺的成交金額提升了整整一倍。

在B端業務中,用數據洞察業務的難點,在于缺乏過程數據。

這時候就需要我們主動創造數據。

比如,在廣告平臺的案例中,我們是通過什么數據篩選出更有效的“帖子名稱”呢?。

答案就是AB測試。

保持其他內容不變,僅僅修改一部分帖子的名稱。

1個月后,將修改后的點擊量與修改之前的點擊量比較,以及與其他未做變更的帖子比較,從而篩查出點擊數量明顯上升的帖子名稱。

在這個過程中,我們實際上通過AB測試創造了新的數據。

再比如,一個傳統的線下經營企業,如何通過數據分析提升“轉介紹成交金額”呢?

如果我們不創造新的數據,僅僅憑借碎片化、難收集的線下數據,是很難找到突破口的。

這個案例的破局點在于,我們開發了一套基于微信的轉介紹小程序,再通過運營手段,讓客戶通過小程序進行轉介紹操作。

這樣,我們就可以收集到必要的過程數據。

比如,我們發現,轉介紹的潛在客戶只要進店體驗,成交率就很高。

但是,很多潛在客戶在收到老客戶的優惠券后,并沒有及時進店體驗。

在這種情況下,我們就可以通過運營手段,促進轉介紹渠道的潛在客戶進店體驗,并監控轉化效果。

3、用數據指導業務

不管是用數據衡量業務,還是用數據洞察業務,其形式仍然是傳統的報表工具。

數據分析的效果也主要體現為事后判斷,并不能實時指導業務。

在數據分析的第三個階段,我們要跳出“報表工具”的形式,把數據分析融入到業務流程和系統功能。

同時,通過“前置”數據分析,起到實時(real time)、適時(right time)指導業務的作用。

比如,通過數據分析,我們發現天氣對便利店飲料的銷量有很大影響。

太陽天的飲料銷量,是雨天銷量的2倍。

那么,當業務員在拜訪便利店時,我們就可以結合天氣預報等數據,提醒業務員加大飲料的推銷的力度。

再比如,線下門店的案例中,當有潛在客戶進店體驗,在輸入客戶的手機號后,APP就可以提醒服務人員:

該客戶來自張姐的轉介紹,成交概率很大。

而且推薦張姐評價最高的X項目最有可能成交。

對于B端業務來說,這個階段最難的一點,在于業務流程的在線化不足。

這就導致我們很難拿到全面、準確的過程數據,以達到“指導業務”的效果。

就是我們常說的:B端沒有“大數據”,只有“小數據”。

不過,“數據指導業務”是數據分析的必然發展方向,B端業務也不例外。

我相信,B端產品在這個方向有著巨大機會。

02 如何培養數據分析能力

阿里巴巴前數據委員會會長車品覺老師,曾經提出過一個“混、通、曬”的能力框架,我覺得也非常適合B端產品經理提升數據分析能力。

  • 所謂“混”,就是和業務混在一起;
  • 所謂“通”,就是打通數據孤島;
  • 所謂“曬”,就是展示數據分析成果。

1、混

和業務混在一起,一方面是混“業務知識”,另一方面則是混“人際關系”。

不懂業務玩法,不了解業務痛點,就不可能有的放矢的分析數據;

和業務部門關系不好,就很難充分協作,合力攻克難題。

很多時候,我們為什么缺乏商業敏感、數據敏感,就是和業務混得不夠。

曾經,SaaS星球有一位甲方B端產品經理提問:

剛入職新公司,領導安排她去業務部門輪崗1個月,但是她覺得自己身為產品經理,天天做的工作卻和產品設計沒有關系。

她想知道自己應該怎么做,才能體現出一位產品經理應有的價值。

我提醒她:你做產品設計的機會很多,但是你到業務部門輪崗1個月的機會卻不多。

抓住這個機會,切身感受業務的難點和痛點,同時和業務部門同事搞好關系,對今后的工作開展會有很大的好處。

這位員工其實很幸運,遇到一位懂行的領導。

我曾經見到一種情況,某領導安排一位產品經理牽頭設計SaaS產品,并且同意他出差拜訪客戶。

但是,僅僅在拜訪過一次客戶后,領導就要求產出成果!

很顯然,該領導低估了“混”所需要的時間和頻次。

我在負責SaaS產品的時候,經常和客戶成功部門負責人、銷售部門負責人混在一起。

這不但讓我了解到更多業務數據,也讓我有機會與其他部門一起推動產品的發展。

比如,我曾經和客戶成功部門負責人一起分析“活躍度”與“續約率”的關系。

我們發現:

非核心功能的活躍度,與續約率不存在相關關系;

核心功能的活躍度,與續約率存在強相關關系。

同時還發現:

只要在3個月內,新上線客戶的核心功能實現了活躍,那么這個客戶的存活幾率就很大,而且續費率也很高。

反之,如果3個月未實現核心功能活躍,這個客戶就很可能流失。

這些數據洞察,對我的產品設計工作,以及客戶成功部門的服務工作都有很大的啟發。

在負責甲方產品團隊的時候,我也要求產品經理每個月必須有2天時間外出,和業務同事一起去拜訪客戶。

實際上,我并沒有指望幾次拜訪能夠產生了不起的突破。

但是,外出拜訪可以讓產品經理更多的與業務同事、與客戶混在一期,這對于他們的工作和成長會有很大幫助。

2、通

在實際工作中,由于業務分工明確,也由于部門墻的存在,商業與數據之間、數據與數據之間存在很多阻斷。

比如,市場部門購買了很多線索,認為自己功勞很大。

銷售部門卻覺得這些線索質量不高,不但很難成交,還無謂占用了自己的時間。

解決的關鍵是市場和銷售的數據要打通,同時兩個部門坐到一起來討論:

哪些線索的轉化率低?

為什么轉換率低?

是市場部門的線索質量把關不嚴,還是銷售部門的跟進存在問題?

曾經,某門店連鎖企業把線下活動作為主要的獲客方式。

這種拓客方式最大的問題,就是線索質量不高。

同時,由于活動拓客帶來的客戶進店很集中,這就大量擠壓了服務人員服務老客戶的時間。

即便服務人員和部分客戶都怨聲載道——受限于過去的成功經驗——市場負責人一直堅持這種獲客方式,以至于忽略了其他可能性。

于是,我讓產品部門對所有獲客、成交和復購數據拉通進行分析,計算各渠道線索的獲客成本、轉化率、客單價以及復購率。

結果發現線下活動是最低效的獲客方式。

同時,產品部門還發現轉介紹的效率是最高的。

但是市場部門卻從來沒有系統運營過轉介紹活動。

最終,經過協商,市場部門同意拿出一個月時間來主打轉介紹。

結果,運營活動取得巨大成功。

不久,市場部門開始常態化運營轉介紹活動,僅僅第一年,就給公司帶來了30%的收入增長。

在這個案例中,產品經理其實就起到了“通”的作用,不但將業務與數據打通,實現通過數據驅動業務,還打通了部門墻,促進了部門之間的協作。

提升“通”的能力,需要產品經理有系統化的思考。

很多B端產品經理工作了十幾年,經驗積累了很多,但是只能解決一些單點問題,無法站在全局去梳理業務和發現問題。

這就是他們平時只是被動應付工作,很少主動去思考,從而形成系統化的思考框架。

比如,營銷相關的產品經理,就應該熟悉客戶的全生命周期階段,包括:

潛客-新客-老客-沉默客-流失客

這些類型的客戶如何定義?

有哪些衡量指標?

有哪些運營策略?

有哪些實踐案例?

只有拉通理解了整個過程,在工作中去實際應用,才能提升“通”的能力。

3、曬

所謂“曬”,是通過展示數據分析的成果,讓用戶愛上數據工具,愛上數據分析。

比如,梳理出對業務最重要的核心數據,在APP首頁進行展現,就可以顯著提高用戶使用數據的頻率。

曾經,我咨詢的一家公司所有數據報表都在PC端。

雖然報表功能強大,但是管理者的使用率并不高,更不要說門店員工了。

后來,我們梳理了報表的核心數據,把那些影響門店業績、影響個人收入的指標提取出來,放在員工端APP首頁,并確保數據的準確性和實時性。

結果,公司CEO告訴我:門店店長每天都要刷十幾遍APP數據,晚上睡覺前還必須刷一次,如果業績不好還會影響睡眠。

除了店長,下至一線員工,上至總部領導也都養成了刷APP的習慣。

“曬”數據的關鍵,是要把數據分析“產品化”,或者說,像設計產品一樣設計數據分析。

這樣才能讓用戶高頻使用數據,甚至讓用戶愛上使用數據。

首先,“曬”數據要從痛點出發。

對用戶沒有價值的數據,哪怕你做得再精美、使用再方便,都不會用人查看。

第二,要確保數據工具的高可用、可解釋

高可用,就是用戶可以通過簡單的操作進行數據分析;

可解釋,則是當用戶對某個數據產生疑問,系統能做好數據定義的解釋工作,同時提供源頭數據,方便用戶追溯與核對。

第三,數據分析要嵌入業務流程,融入日常業務

“曬”的最終目標是脫離報表的形式,讓數據分析融入到產品功能中,融入到日常業務中。

比如前面提到的“根據天氣預報,提醒業務員加大飲料推銷力度”的案例,就是通過數據解決了業務問題,但用戶并不需要刻意使用數據工具。

產品經理平時要有“曬”的意識,時刻思考數據分析可以應用于哪些場景?如何設計數據分析功能,才能讓用戶愛上數據分析?

帶著這樣的思考去工作,就可以提升我們“曬”的能力。

03 數據分析無處不在

很多B端產品經理會抱怨沒有數據,無法進行數據分析。

但有時候我們缺的不是數據,而是思路。

比如,給CEO匯報方案,如何預判CEO的態度?

我的經驗是:

如果CEO微微點頭,那說明方案得到了CEO的認可;

如果CEO開始翻閱iPad,那說明他認為這部分內容不是重點;

如果CEO開始記筆記,那說明他可能就會對這部分內容提問。

只要我們有心,到處都是有價值的數據,人人都是數據分析師。

專欄作家

王戴明,微信公眾號:To B老人家,人人都是產品經理專欄作家,多年互聯網產品與信息化管理經驗。

本文原創發布于人人都是產品經理,未經許可,禁止轉載。

題圖來自 Unsplash,基于 CC0 協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!