就一个指标,也能写分析报告?

本文来源于公众号数据不吹牛

数据分析报告我们都经常写,不管三七二十一,先把数据堆叠罗列上

但如果数据量很少,指标也寥寥无几呢,就看你的数据思维了

这篇文章以一个例子说明

正文

我是小z

混迹于各群,经常能看到这样的对话场景:

A:“老板提了个需求,但是数据只有这几个指标,我分析个屁啊!”

B:“是啊,是啊!”

C:“怼回去!怼他!”

D:“+1”

我也经常拱火,因为很多异想天开不切实际的需求苗头,就得在早期扑灭。不然,这类需求就会一生二,二生三,三生离职。

写这篇文章不拱火,而是换个角度,从“现有指标我们到底充分利用了吗”和“如何在有限指标限制下做更深的分析”来思考。

下面,我们模拟一个极限的需求场景。

需求背景

电商公司的老板提了个非常标准的模糊需求:“结合后台玩具的搜索相关指标,写一篇搜索分析吧。现在才17:58,明天前给我吧”。

说完之后,还不忘补充一句“至于分析什么,从哪方面分析,你也不要问我,这个是对你思维的锻炼”。

由于他给的实在太多,我们没理由质疑和拒绝。

翻遍后台数据,搜索相关指标,能拿到的只有:玩具行业的关键词和对应搜索人数。

正常情况下,我们应该打开Word,再打开百度,搜索“离职申请模板”。

但是在这个场景,大门关上了。我们没有退路,必须绞尽胆汁地处理这个需求。

数据概况

导入数据,数据有月份、关键词、搜索人数三个字段。

严格意义上说,只有搜索人数是可计算的指标。

数据源没有空值,一共区区240行数据。

数据涉及到的月份是2020年7月到2021年6月(最近一年),每个月20个关键词。

简单算一下汇总值和均值,最近一年玩具行业搜索人数共计510.7万,月均42.6万。

这,就是我们拥有的全部源数据了。

趋势分析

有指标,有时间,最简单粗暴的莫过于趋势分析。

先按月汇总,看看月度趋势图:

可视化一下更加直观:

从近一年的搜索趋势图,可以很明显看出:

  • 搜索人数受下半年大促影响较强,双11爆发特征显著,当月搜索人数高达77.7万,占比超15%。

  • 搜索玩具的人数近半年趋于平稳,618无明显涨幅,月均在40万左右徘徊。

品牌心智分析

通过上面的分析,我们知道玩具行业每月有40多万人通过搜索来访问。

搜索行为本身,具有极强的目的性。消费者是搜索什么词进行访问的,意义重大。

但是搜索词太多(案例每个月只有20个,但总体看起来还是不少),需要我们基于经验,有一些预设的分析逻辑,品牌心智分析是一个简单易用的经典分析思路。

一个行业,品牌心智强不强,和消费者搜索词中有多少品牌相关词关系密切。

大家在线上买套套,大概率是会搜索“杜某斯”、“杰某邦”、“冈某本”这些熟悉的品牌,而不会搜套套本身,这种行业具有强品牌心智。

而买手机壳的时候,绝大部分人会搜“手机壳”这个词本身,或者加上一些动漫、性别等修饰词。这样的行业品牌心智很弱,甚至没有品牌心智。

从刚才的搜索关键字,我们发现玩具行业品牌相关的搜索词,只有“乐高”,这里品牌打标变得非常简单:

注:0表示是关键词,-1表示非关键词。

有搜索行为的消费者,其中43%是通过搜索品牌词来访问的,也就是说,这43%的消费者,在心中已经有了意向品牌,或者是至少受到意向品牌的影响。

这一步如果有更丰富的其他行业品牌搜索占比做横向对比,结论体感会更强。

品牌词搜索占比稳中有进,虽然近半年搜索人数趋于平稳,远不如有双11大促的2020年7月-2020年12月。但品牌词占比却稳步抬升,21年5月品牌搜索占比高达51%。

综合分析

再回顾刚才的搜索词:

可以进行IP分析:

如果不把乐高算作IP,玩具只有“哆啦A梦”、“我的世界”两个IP苦苦支撑,搜索人数占比仅1.08%,相当惨淡。

成人玩具:

这里的成人玩具,是指成年人玩的玩具,可别想歪了:

从搜索占比来看,只有1.66%。这个成人玩具的市场潜力,还是不如那个成人玩具啊。

我们还可以通过购买诉求,比如“益智”相关是开发智力;以及安全性等角度做延展。

总结

在极其有限的指标限制下,我们基于经验,把搜索词赋予不同的分组,结合搜索人数,从趋势、品牌心智、IP、成人几个维度做了分析。

实际业务场景中,上面所涉及到的每个模块,都可以,也应该做更丰富的横向对比,以及对搜索词占比、趋势背后所代表的消费行为变化做深入下钻分析,找到真正的驱动点和机会。

注:搜索词的分析维度远不止上述,感兴趣的朋友可自行下载

链接:https://pan.baidu.com/s/1jkP8rNEMTJTDRa94yWW9ZA

提取码:bc6s

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当然可以,但是在开始编代码之前,需要先确定一些数据来源和指标,才能更准确地分析餐饮行业的发展状况。以下是一些可能有用的数据和指标: 数据来源: 1. 国家统计局发布的餐饮业数据 2. 各大餐饮平台的数据报告 3. 各大城市餐饮协会或商会的行业报告 指标: 1. 餐饮业整体收入增长率 2. 餐饮业分市场收入增长率(例如快餐市场、高端餐饮市场等) 3. 餐饮业分品类收入增长率(例如中餐、西餐等) 4. 餐饮业分渠道收入增长率(例如线上、线下等) 5. 餐饮业人均消费水平 6. 餐饮业从业人员数量 7. 餐饮业用餐场所数量和类型 8. 餐饮业用餐场所经营情况(例如开业时间、客流量等) 接下来是一个简单的 Python 代码,用于分析上述指标: ``` import pandas as pd import matplotlib.pyplot as plt # 读取数据 data = pd.read_csv('data.csv') # 统计整体收入增长率 income_growth_rate = (data['income'].iloc[-1] - data['income'].iloc[0]) / data['income'].iloc[0] print('整体收入增长率:%.2f%%' % (income_growth_rate * 100)) # 统计分市场收入增长率 market_income = data.groupby('market')['income'].agg(['first', 'last']) market_income['growth_rate'] = (market_income['last'] - market_income['first']) / market_income['first'] market_income.plot(kind='bar', y='growth_rate', title='分市场收入增长率') # 统计分品类收入增长率 category_income = data.groupby('category')['income'].agg(['first', 'last']) category_income['growth_rate'] = (category_income['last'] - category_income['first']) / category_income['first'] category_income.plot(kind='bar', y='growth_rate', title='分品类收入增长率') # 统计人均消费水平 per_capita = data['income'] / data['population'] per_capita.plot(title='人均消费水平') # 统计从业人员数量 employee = data['employee'] employee.plot(title='从业人员数量') # 统计用餐场所数量和类型 place = data['place'] place.plot(kind='pie', title='用餐场所数量和类型') # 统计用餐场所经营情况 open_time = data['open_time'] customer_flow = data['customer_flow'] plt.scatter(open_time, customer_flow) plt.title('用餐场所经营情况') plt.xlabel('开业时间') plt.ylabel('客流量') plt.show() ``` 以上代码仅供参考,实际分析中需要根据具体情况进行修改和优化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
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、付费专栏及课程。

余额充值