作者介绍

@阿泱

一个热爱数据产品的工具人。

“数据人创作者联盟”成员。



引言:复盘针对个人行为、方法、意识、心态,盘点这一年的得到与失去,复盘是从过去找向未来的能力。

时间花费

不停的假设验证、测算收益,直到确认收益足够大停止。

以周为单位做假设验证,一轮完整验证需要3-4个月。策略效果预研3-4周,策略上线取证2~3周,上线后效果复盘2-3周,上线后问题解读2~3周,新策略研究2~3周(总计11周~15周),空档期调整监控。

工作方法论:假设检验分析方法,问题->提出假设->收取证据->验证结论

业务效果:将大目标拆解为小目标,提升算法匹配能力20%,根据匹配能力提升后续转化。

Case简述

问题提出假设取证验证结论(拆解需要彻底,此过程需要不停进行,直到问题到不能拆解,无数据可佐证)

1、问题

背景:互联网增速放缓,新增用户变少。需要保住业务基本盘,尽可能减少用户流失

目标:淘宝用户扫一扫功能,GMV提升10%

问题:通过什么样的动作可以提升扫一扫GMV

2、提出假设

大逻辑:GMV=用户总量*订单量*客单价

用户总量:进入扫一扫页面的用户且最终完成下单的用户

订单量:通过扫一扫页面下单的用户

客单价:通过扫一扫页面下单用户的平均支付价格

假设:

进入扫一扫页面的用户越多,最终完成的下单的用户就会越多,能否在其他渠道引流增加用户总量?

导致扫一扫用户不下单的原因,可能是我们匹配内容欠缺,能否看看匹配推荐提升点有哪些?

客单价与订单量有一定的关系,推荐的内容平均价格是否可以跟随匹配适当上涨?

3、取证

假设验证后优先看哪个方案可落地性强,业务成本低,收益高。

引流增加用户,显然会增加一部分的外投成本,市场环境限制ROI不高。

扫一扫功能不下单的原因,更多是从自身出发看功能有哪些问题,内部资源可控,速度快,见效较快,可行。提升客单价,可以在分析扫一扫用户不下单的原因中延伸分析,是否有更优的推荐策略,可行。

取证:

扫一扫用户下单漏斗


扫一扫北极星指标:UV
扫一扫数据基建:省略一万字
扫一扫结论整理:省略号….
4、验证结论:
大类匹配用户转化出现问题,接近一半UV在这个环节流失
匹配结果页转化出现问题,接近三一分之UV在这个环节流失


个人感悟
数据是润滑剂,通过数据基建对业务假设加以数据验证、通过监控对齐业务认知。数据基建很重要、数据监控次之,用数据基建不停的验证假设获得结论很重要,每一轮的假设验证都需要转换成数据语言。
上面的case只是站在业务角度简单拆解问题,在过程中会发现自己业务的问题,合作方的问题,要以自己的问题为触手,逐渐涉及其他合作方的问题。实现合作共赢。
暴露问题:问题拆解不到位,策略制定时出现很多漏洞,浪费时间。
改善办法:站在更高的维度思考问题,想清楚业务从根本上要解决的问题,再看手上有哪些算法储备,怎么解问题。

点赞(0) 打赏

评论列表 共有 0 条评论

暂无评论
立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部