商业数据分析--思路总结

商业数据分析思路总结 专栏收录该内容
1 篇文章 1 订阅

一、概念

什么是商业 B2B/B2C/B2B2C/C2B/B2VC

什么是商业运作供应链-产品/服务-销售渠道-(营销/风控)-用户-售后客服->财务表现+数据表现

商业运作组织有哪些? 前线(销售/渠道/业务)-中台管理(市场/运营/公关)-后台支持(客服/供应链/开发)-战略决策(总办)

它们关心什么?前线(卖货收钱)-中台(品牌客户产品线助力营销)-后台(供应质量服务)-战略决策(往哪走走多远走多快)

解决商业问题的能力? 权力-魅力-创造力-协调力-执行力-数据分析能力

什么是商业分析? 用数据分析方法,解决产品、销售、运营、营销等数据问题。

解读商业数据的步骤? 找标准-做判断-业务含义-初步假设-预测走势-追踪标准-迭代假设-结论

开展商业分析的步骤?清晰主体-明确概念-确定时间-了解原因-明确标准-审核现状-深入分析-输出结论

怎么深入分析? 梳理问题-明确标准-整体趋势-初步假设-关联业务-深入细节-迭代假设-总结结论

理解商业模式的关键? 业务模式-四大角色(产品/渠道/用户/运营)-部门-KPI

什么是商业决策? 战略类->战术类->创意类->执行类->支撑类

策略类决策流程? 方向->目标->内外部条件->关键行动->执行人->作战计划(数据要求高,关键是决定轻重缓急、先后顺序)

创意类决策流程? 目标->需求洞察->市场评估->原型设计->上线测试->效果评估->优化调整(数据要求中,关键是创造力)

**执行类决策流程?**目标->任务分解->人力物力配置->技巧培训->干->结果评估(数据要求低,关键是执行力)

支撑类决策流程? 服务需求->任务计算->人力物力配置->技巧培训->干->记过评估(数据要求低,关键是执行力)

判断流程? 定方向->定目标->定责任人->定方案->定计划->执行,出问题后,从后往前研究

统计学方法只是工具,不是目的: 是多少->描述性统计;是什么->描述性统计、分组对比、方差分析;为什么->分组对比、相关分析、回归分析、决策树;会怎样->时间序列、回归分析、神经网络、回归树;又如何->层级分析、因子分析、神经网络、聚类、决策树

数据分析的作用 是多少->用数据描述现状(量化);是什么->用数据标准判断好坏(标准);为什么->用数据找出问题原因(定位问题容易,找出真实原因难);会怎样->用数据预测未来趋势(信息越多越容易);又如何->用数据做综合评价(决策层最需要,现状、标准、预测都做好才能评估好)

数据分析不能解决什么? 想不想(主观意愿问题是个人的事情)、能不能(客观限制问题需要研究政策而不是分析数据)、会不会(业务能力问题缺什么补什么,怎么销售怎么运营问销售问运营)

怎么办? 可以将问题进行转化:想不想->用数据支持/否定支撑想法的理由;能不能->用数据预测可能性;会不会->用数据量化过往行为,找标杆

商业分析输出成果有哪些? 取数-报表-专题分析-数据产品-数据模型

二、思维-分析商业问题的思路

数据指标是
用数据表示的指数、规格、标准

怎么制定指标?
确定数据产生环节、确定数据产生系统还是人工记录、确定计算方式(指标包括:数据来源、时间范围、计算公式)交据采集的方式?人工来集(容户满意度、客户体验)、半人工采集(销售保单、库存出单表)、系统采集(系统订单)人工采集主观污染概率大

看不懂指标怎么办?
看指标是什么业务动作产生的,指标背后是具体业务动作与含义

指标类别?
过程指标和结果指标(越接近终极结果,含义越清晰),正向(与结果指标正相关,如商品毛利)、负向(负相关,如成本)、无偏向(无必然联系,如活跃率,不一定是越高收入越高)

如何进一步读懂数据?
计算增长率(发展趋势),计算分解指标后的组成指标的结构(确定重点),计算两相关指标的比值(看是否有相关关系)

什么是指标体系?
解释一个问题需要的多个指标(杜邦分析法),指标间有关系(并行-如加减关系,串行-如购买漏斗)

怎么判断数据好坏?
找标准,数据+标准=判断

标准要符合什么条件?
容易识别、界限清晰、区分度高

如何找标准?
趋势法、对标对比确定、自带标准(增长率、结构分析法(毛利率、成本率)、投产比)

如何找结论?
梳理指标->构建指标体系->找标准->单维度判断->综合判断->结论

看趋势怎么下结论?
找数据背后的驱动因素(周期性因素、周中周末因素、业务因素等)

分析维度和指标变多怎么办?
先梳理商业模式,确认业务流程,然后运用分析方法进行分析

分析方法有哪些?
漏斗分析法,但会产生更多指标,如多个渠道如何评价好坏,可以引入整体水平做参考;结构分析法,如投入结构与产出结构进行对比,可以判断ROI、效率,结构是否可以改变、流程是否可以优化、流量是否可以增加

分析完怎么提建议?
先了解现状、清晰问题目标、探索可行空间、推算ROI、提供渠道评级和流程数据、提出具体业务动作建议

什么叫单维度分类?
在某个维度上进行范围切割,如年龄段

什么是两维度分类?
就是矩阵法或分组对比法,即列联表

什么是商业含义标签?
虽然只有时间,但是可以根据场景分为工作日休息日、上下班高峰期等,赋予数据商业标签,因此要利用社会生活常识进行分析,才能给出更多建议

分析时要按什么顺序? 先看宏观再看细节

多维度、多时间下怎么提建议?
从大到小、从尾(结果)到头(供给需求)->观测整体形态、再联系具体时间;多个信息结合才能更深入理解问题

高级分析方法是什么?
构建分析思路的基本方法:先解析题目,确定需要我们解决什么问题(常见问题:是多少、是什么、为什么、会怎样、又如何、想不想、能不能、会不会),然后找到常规方法(家人、要钱、优化流程),然后拆分成单维度进行分析(涉及部门越少越容易落地)

销售分析基本原理是什么?
一是加人加客(因为销售不能定价),但是新员工能力不足,新客源质量参差,因此要监控转化率;
二是提高转化率,提高客源质量,提高销售能力

用户分析基本原理是什么?
找优质用户(需求强烈,价格不敏感,买了还买),不同渠道挖掘,但是要考虑渠道增长瓶颈

促销分析基本原理是什么?
以利润换数量(薄利多销),但是要预防薄利不多销情况,促销可以提高用户购买积极性(转化率)、提高用户数量、但是减低了客单价;分为全员促销和精准营销;精准营销需要条件(封闭的信息渠道、即时响应、个人参与,更适合互联网应用内开展,APP、会员券);促销敏感型人群

综合性策略建议的基本原理是什么?
如果预测了四种方案,按投产比挑选;基于此还可以提综合性方案(可同步执行的融合性方案)

如何梳理问题现状?
5w2h分析方法,标准的核心是共识
在这里插入图片描述

如何找原因?
构建分析逻辑(逻辑树法),将假设归类,形成判断逻辑(如内部问题or外部问题),排除顺序(从宏观到微观、从外到内、从大到小),找到支撑/否定假设的数据

如何分析宏观因素?
趋势分析法,宏观因素影响巨大(pest,特别是p和t),数据表现有断崖式下跌和温没式下跌(缓慢);时间发生顺序非常重要,如果是在数据下跌滞后,可能还有其它因素;从局部看应该大家都下跌,如果不是,则宏观因素不是唯一或最重要的因素,找到不下跌的对象进行学习研究

多因素下如何解析内部原因?
外部因素的挑战在于难以量化其对内部的影响,因此主要从粗粒度的方向来判断,也拒绝用宏观因素作为借口;内部的挑战主要是因素相互叠加。通过单维度观测,看群体间的差异(用户、促销、渠道);要看整体发展趋势。

什么是假设检验与趋势预测?
分组做测试,但是测试效果是哪一方带来的效果?解决办法:不纠结一个点的效果,而是看整体目标是什么。假设越简单,越容易验证清楚。进一步解决方法:从大到小,确认测试输出(排除法)。第三步:设定目标。第四部:观察结果,推动决策。

综合性汇报的方法是什么?
首先回答是多少、是什么;然后回答为什么;第三回答又如何(打算什么方向);第四回答会怎样(怎么做)

最高级的分析是什么?
是体系化作战。最好的商业分析是简单的(目标确定、方法清晰、结果明确);要掌握每次行动后的变化;要找到合适的标准来源(推翻难度高:KPI考核法、老板期望法、整体目标分解法,推翻难度低:环比趋势法(季节因素)、走势分析法(会反弹)、同比趋势法(今年都差)、同类相比法(城市结构不同),推翻难度中:投入反推法(城市成本不同)、投入产出比法(整体成本提高))

整体总结:看什么指标:什么维度细分;什么时间周期观测:树立什么标准;做出判断后怎么行动:记录哪些关键结果;常见的问题原因积累。

三、工具篇-分析商业问题的六种工具

内部数据如何分析?
内部数据是非常有限的,目前问题的原因可能有周期性波动(看趋势线)、行业问题(行业研究)、竞品问题(竞品研究)、用户问题(用户调研)、产品问题(看产品用户的饱和度)

怎么寻找问题原因?
一般可以从内部、外部、态度、行为等方向进行研究;内部行为(数据报表、专题分析、数据模型),外部行为(行业研究、定性定量研究),内部态度(定性访谈定量调研)一六大工具

什么是数据报表?
报表的基本要素是指标、维度(时间等),常见趋势(生命周期、自然周期、突发事件):用途是监控情况、发现问题、简单分析,看是计划内(正常变化、检查过程)还是计划外(持续观察、解决问题)

什么是专题分析?
专题分析往往是一问一答的形式(问题是什么以及针对问题回答),题目往往是“行业+业务名+分析内容”,常见的三种形式:无假设(定位问题找假设),有假设但不确定(论证先验假设),有确定的假设(直接验证真伪)

什么是定性访谈?
就是有目的有规矩地问问题,是快速找到原因、快速形成思路的最好办法。分为内部访谈(掌握内部动向、数据背后的真实情况、驱动业绩的真正原因)和外部访谈(掌握竞品动向、找到参考样本、掌握用户需求、找到痛点场景、找到解决灵感);访谈步骤:了解数据->明确对象->设计问题->回收反馈->建立假设->验证假设

怎么做好用户访谈?
访谈前先做好用户分群(控制分群数量,8类是极限)、贴好标签,按照标签建立假设,保证每个群体有代表性人物(经验数据表明每群人数3-9人即可);设计问题时候开始以一个具体事件入手,不提概念(如你玩过xx游戏没有),然后深入问题(先讲事实再讲感受最后讲评价);回收反馈时尽量多打标签(如果没有年龄标签,可以考虑通过渠道识别);建立假设(通过人群标签建立假设,按照标签进行验证,比如年龄大的用户比年轻用户更可能在xx关卡失败,渠道来源一般为xx);数据验证,用数据情况验证假设是否正确,访谈的用户是个案还是大多数情况。

用户访谈注意事项:
不把自己当用户、不把想象当用户、不随便捞个人当用户:不做数据分析就去问,没有做分类,把所有人当成一类用户;提问不具体,不统一名词,不具象化形容词;提问预设立场,诱导回答;听到什么信什么,不做验证;验证不拆标签,数据一锅炖。

如何通过访谈收集竞品信息?
如店铺分布、产品、活动等素材,最终分析竞品对我们的影响;研究目的:竟品是不是最大影响?
步骤:建立假设->收集信息->业务判断->验证假设(证伪更容易)。本质上不是关注产品,而是要关注用户需求。更广泛的宏观影响因素,用排除法证伪,找到短期内逆势的标杆。

什么是定量分析?
定量问卷《市场研究方法实务》,目前埋点数据可以取代很多定量问卷的用途;问卷本身的问题:样本数不够、代表性不够、抽样维度不够。所以要做问卷,先与想看结果的人一起谈好方案。用户有可能乱填。执行问题,填的人样本有偏,不能代表真实总体情况。

什么时候用问卷?
问卷更适合在采集不到数据的场景:用户(潜在用户、竞品用户、流失用户、潜水用户)、产品(概念收集、新产品测试、改版测试)、渠道(线下商品铺货、线下门店陈列、线下销售执行、服务流程监督)。问卷不适合用于探索性分析(用内部数据做较好)。能用系统数据不用调研数据、能用产品测试不做调研。一般只有没数据的传统零售企业大量依赖问卷。调研问卷更多是拿来背书用的。

什么是行业研究?
行业研究难度大,主要考虑的是如何利用行业研究报告数据。行业研究一般是政府机关、第三方机构、券商等发布的,有关整体行业发展情况信息。行业研究最核心问题:数据来源(一是自上而下,把行业里企业数据加总:二是自下而上抽样调研、反推整体情况);弊端(自上而下可能造假,未上市难以统计;自下而上可能抽样数据量小,反推可能过于夸张、幸存者偏差)。

常见行业数据发布者的数据来源是什么?
国家统计局:汇总大规模企业,中小企业抽样统计;券商:上市企业用财报,未上市凭经验估算;BAT:汇总自己产品的数据,补充调研数据:第三方机构:大企业财报汇总,从自己的样本库里抽样。

行业数据的价值是什么?
对整体趋势的判断。做行业基础情况的了解(用户、政策、环境);做整体发展趋势的判断(发展空间,速度);做竞争关系的了解。参考意义大于实战价值。一般只有大型垄断企业、大型金融机构有精力自己做行研(一方面有能力搞到内部数据,另一方面本身对政策敏感)。如果内部数据分析不出来,也不用指望行业研究能解决问题。

什么是数据模型?
逻辑模型(PEST,SWOT),经营分析模型(杜邦分析法拆解指标),查询模型(RFM,AARRR,按固定逻辑从数据库查询指标),算法模型(时间序列-基于统计原理计算,机器学习-真正的算法模型)

算法模型类别有哪些?
有监督(预测(回归,神经网络)、分类(决策树,相似度)、二元响应(逻辑回归)),无监督(分类(K均值聚类),关联关系(关联分析));
模型的最大用处不是分析,而是替代人工劳动,替代大量重复劳动(图像识别:安防、医疗影像、自动驾驶;语义识别:智能客服、自动翻译;推荐系统、搜索系统、风险等级评估等等)。

特点:特征多、评估标准客观、人工判断未必比机器准。

如何应用算法模型到商业分析上?
局限非常大,商业分析的特点是数据少、评估标准不确定、结果受人影响大。本质上商业发展是人做出来的,不是算出来的。

算法模型有哪些应用场景?
有监督:预测/分类-业绩预测,逻辑回归-外呼/短信/推送响应/风险评分卡;
无监督:分类/关联关系-找分类的感觉;统计方法:相关(相关系数/回归分析)-需进一步验证因果关系,时间序列-需假设业务保持不变

如何正确使用模型?
事前:探索性分析,比如用户聚类,商品聚类,找业务规律
事中:人力无能为力/已经尽力的条件下,再做优化(人力管控足够的情况下)
事后:总结经验,形成固定套路。如时间序列预测业绩,客服外呼响应模型。

六种工具的适用场景是什么?
1、报表更适合发现问题;2、专题分析“专”在一问一答;3、模型适合特殊场景,固化经验;4、访谈适合深度分析,但要结合数据验证得到支持,否则是个案;5、定量分析不好用,除非特别缺数据,人力资源耗费不必建模低;6、行业研究基本少用,一般是已有结论后用来背书。

常见的工作开展方法是什么?
一是由表及里:报表发现问题,进行定性分析,然后开展专题分析,利用行业报告和定量分析辅助,输出结论,通过模型固化经验。
二是由内而外:定性发现问题,分别通过报表和专题分析进行验证,可能还要行业报告和定量分析,伪命题则持续监控,真命题则深入分析,用模型固化经验。

商业分析的要点是什么?
掌握真实情况,将所有内外部信息用数据表现出来。

影响分析的铁三角
时间、成本、质量

如何利用工具分析?
利用报表监控过程,不要干等专题分析,在具体场景下谈模型,把数据融入定性访谈中,收集定量问卷和行业研究但不依赖于此。透过数据看本质。

四、套路篇-常用商业分析指标与分析套路

什么是商业分析体系?

就是企业的导航:锁定目标->提供多种方案->提供合理预测->及时跟踪行程->用上就忘不了。

目标:用数据量化目标,验证目标可行性;现状:数据量化现状,发现问题/机会点;

战术:数据指导战术设计,促成目标;预测:预测走势,选择合适战术;

监控:监控执行进度,发现问题;

复盘:数据总结、沉淀经验,指导后续工作。

传统企业如何设计?

杜邦分析法拆解,基于眼前和长远,风险和收益来设计整体战略。基于行为分析、基于特征(固定属性)分析、基于模型分析。

互联网企业如何设计

AARRR。重要的是增长率和发展态势(我明天能挣钱)。中介模式就是供需匹配成功率。明确核心指标(北极星指标),明确方向(增长or收益)。活跃指标、付费指标等。

经营分析的含义?

对经营状况宏观指标进行的分析。关注的是:目标、趋势、策略、责任、结果。核心是轻急缓重、大小多少。关键点:部门KPI。

销售分析的含义?

对销售状况进行的分析,辅助销售。销售的分类主要靠“谁来卖”(销售主体)区分。销售目标层层分解。监控最重要。明确流程,分解流程定位问题。从产品、用户、对手、运营等角度进行深入对比分析。确定是否宏观问题、是否市场营销运营配合活动支持、是否价格问题、是否门店问题、推哪个产品线哪个组合更容易达标(先大到小,先外再内,先看战术再看细节)。应对方法是从一线队伍里找标杆,复制战术。

用户运营分析的含义?

用户(拉新、促活、留存、转化)问题进行分析。

输出成果:目前现状如何、哪里有问题、能做什么去改善。对于转化,互联网企业与产品有关,传统企业与销售有关。

用户分析两层意义:用户运营本身的需求,了解用户活跃留存转化状况,为制定用户运营计划,会员规则等提供支持;作为基础分析,支持其它工作,如活动设计、文案创作、销售策略等。掌握业务基础运营数据(RFM)、定义核心用户/核心场景(特征、行为、消费,确定后引导用户向核心迁移)、识别业务发展阶段&主要问题(不同阶段关注的指标不同:孵化期(产品体验、种子用户)、扩张期(新增用户、用户活跃)、补贴退出期(用户转化、用户活跃)、常规运营期(用户留存、核心用户))、关注核心指标组合、控制非关键指标、先判断轻重缓急再考虑对策、掌握业务动向形成预判、重点问题深入分析(优先把控自己可以控制的,防范其它白犀牛问题;事件型波动大、系统型可把控、持续型要持续积累和关注)、活跃留存流失联合观测。

活动分析的含义?

针对短期活动(促销、推广、拉新等)进行分析,

输出成果:活动效果、用户有什么问题、能改善什么怎么办?快速理解营销活动的三个核心问题:是否考核销售(是则品牌类)、是否全公司参与(是则大促类)、是否封闭信息(是则精准营销类)、服务对象(商品、用户)。

活动要素:规则(目标群体、参与条件、达标要求、奖励力度)、组织(礼品选择、物料准备、系统上线、活动运作、物流售后)、宣传(宣传渠道、宣传主体、发布节奏、内容制作、落地页面、转化路径)、费用(预算范围、成本使用、效益估算、投产比)。

活动分析类重点:为了特定目标开展的、短期、大力度的行动,整个分析围绕目标展开(是否达成目标、未达成原因、达成的话是否效率可以优化、达成目标后对整体经营有何影响)。活动分析,定好目标是成功的一半、做好监控是另一半。

活动分析步骤?

步骤:目标达成率(达成总结经验、未达成找原因)

​ ->先复盘活动执行过程(设定目标、洞察用户需求->选择产品->包装卖点->设计传播内容->选择投放渠道->投放用户响应->响应后服务跟进,分析时从后往前看,先看执行问题(上线时间问题、系统问题等等)、再看投放策略问题(渠道优化等))

​ ->后复盘活动策略问题(事前Abtest或者事后同类活动对比)

​ ->多活动叠加分析(分散计算剥离每个活动的效益是不切实际的,将活动按目的分类,观测对宏观指标的影响)

​ ->关注整体效果(除了单次活动分析,要关注整体营销费用投入产出比,业绩是否过度依赖营销,隐藏的其它经营问题是更深入分析的起点)。

内容分析的含义?

针对公司发布内容(公众号、短信)回收(客服、评论)的内容。

输出成果:主动推送-是否达成目标、被动接收-说明了什么问题。

推送信息:推哪些内容关注点高、哪些内容吸引人注册、哪些内容带货效果好。接收信息:反映了客户、产品、品牌出现了什么问题。

分析关键:打标签、分类别。

内容如何打标签?

硬推:主体、产品/行动、奖励、转化链接;

软推:主题、内容、奖励;接收:咨询(产品信息、活动信息、门店地址)、建议、投诉(产品质量、售后服务、业务流程)。

主动推送如何分析?

  • 第一步:清晰目标:硬推:信息到达多少用户、多大比例响应、转化率;软推:信息到达多少用户、引发二次传播、口碑。量化目标是分析的关键。

  • 第二步:检讨目标:是否达成目标?利用漏斗分析法判定是否达成目标,哪一个环节出问题。

  • 第三步:贴标签,分类深度分析问题(拆解标签:时间、卖点、内容、产品)。

被动接受如何分析?

  • 第一步:将信息数量与业务行为关联(本质上被动接受的信息是由各种业务行为产生的客户意见,单看信息难以区分是个案还是普遍问题,一定要联系业务);
  • 第二步:整体解读信息,形成假设(先看整体、再归纳假设);
  • 第三步:分类验证,输出结论(孤证不立)。重点:从大到小的多级分类

商品分析的含义?

商品的进销存。输出成果:有没有货卖、有多少库存还要卖。

  • 服装:SKU多,换季速度快,库存压力大(生命周期6-8周);手机/电子产品:单价高、资金占用多、降价速度快;
  • 生鲜:SKU多、库存成本高、腐败速度快;
  • 医药:同生鲜。商品生命周期:导入期(铺货)、成长期(走量赚利润)、成熟期(控制库存、逐步退出)、尾货期(甩货、清库存、减少库存损失)。
  • 产品类别:未来爆款(培育)、防守型产品(人有我有)、交叉类(和爆款交叉销售)、引流类(入门级销量大、利润薄)。不同分级决定了生命周期不同。

管理基本原则是什么?

畅销品不断货、不畅销少积压、资金动起来——基本做不到。往往是争取眼前毛利最大化+全生命周期价值最大化。常规监测、积累经验(对关键指标进行监控:商品生命周期、热销成都排行、补货周期、库龄、售罄率、库销比、周转率)。根据经验为每一类产品的指标设置预警值。问题预警,提示风险(:针对新品产品评级如何、如何配货,针对老品生命周期如何、进货节奏是否要控制;:热销还能持续多久,对其它品类是否有帮助,滞销商品是否有细分市场机会、进货/库存得控制在什么水平;:哪些已经库存警报,需要立即清货/控制进货)。

找出路:配合业务需求,提供分析思路(前期:Abtest,测试用户需求;后期:哪些客群还没买、哪些地区还有需求、哪些产品可以搭配着带一点货、全生命周期赚了多少还能让多少利润来打折)。

流量分析的含义?

针对网站、网店、APP流量进行分析。输出成果:花了多少钱获了多少流量,流量质量如何。流量来源(开店位置)、流量入口展示(门店装修)、CTA(call to action,门店促销)。

流量分析是:在哪里以什么形式展示(站外渠道、创意展示),用户进来后要做什么动作(注册、购买、转发……)(落地页,CTA),做完动作后获得什么(产品页、购买转化)。

流量分析基本思路是什么?

流量计价:CPM(mile)/CPS(sale)/CPA(action)/CPT(time)/CPC(click),因此要了解花钱是否起作用,常用漏斗分析法。

流量分析难点:渠道创意产品三者交织,难以区分;流量造假严重。

思路:关注整体目标,不断迭代降低成本,总结成功案例。

第一步:整体需求测算(用户增长:要多少系用户、每用户成本、投入多少钱;电商运营:要多少流量,除了自然流量还要买多少,总投入),先设定宏观标准(总流量、单位或可成本、总成本),面对众多渠道时就有了分解目标的标准,考核最终成果时先关注整体目标是否达成。

第二步:渠道分类&流量分配(根据历史数据找到渠道特点,细分渠道目标,配置资源投入)。

第三步:创意&活动优化(步骤多的能否优化,能否提升环节转化率,对页面、流程、活动改进可结合abtest进行)。

第四步:执行&调优(根据数据表现动态优化,减少劣质渠道投入,调整创意,观察效果)。

第五步:总结&积累经验(优先关注整体目标&整体效率,再谈执行细节)。关注细节但不要陷入细节,数据分析的价值是:通过不断迭代,积累经验,长期降低成本,达成整体目标。

如何从0搭建分析体系?

五个要点:业务目标(为什么做)、相关责任(谁负责谁配合)、业务流程(步骤)、数据流程(哪里产生哪里记录)、管理流程(我可以做什么改变业务效果)。

数据监控指标(从大到小的顺序):总销售任务是多少、分解任务(杜邦分析法)、过程指标(转化漏斗)、分类标签(竞争策略标签,方案/demo质量标签,跟进频次标签)。

分析思路:是多少(做到了多少)、是什么(是否达标、趋势是否向好)、为什么(线索问题还是跟进问题)、会怎样(按目前转化率,是否能达标,做什么能达标)、又如何(核心问题在产品、营销、销售)。

  • 6
    点赞
  • 1
    评论
  • 37
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

©️2021 CSDN 皮肤主题: 数字20 设计师:CSDN官方博客 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值