业务数据分析体系是如何构建的?
作者介绍
@小宇
专注流量数据分析,就职过360和58。
主要负责流量分析和商业变现等相关数据分析工作。
00 BEGIN
提及 “体系” 二字,我的脑海里浮现出老板说的 “对于工作的规划要从全局出发,内容要全面、要成体系!” 那么对于一个数据分析师而言我们的体系是什么?是 “目标监控体系?”,是 “运营分析体系?” ,还是 “APP 指标体系?” 到底该如何构建数据分析体系赋能业务呢?今天就来跟大家聊聊体系构建的话题。
构建业务数据分析体系,对于分析师同学有两个方面的要求:第一,要了解业务模式,能够解释数据背后的业务含义,找到业务的问题点、提升点,驱动业务向前发展;第二,不能只做数据、图表的堆砌,需要根据业务的流程链路有目标、有逻辑、有顺序的分模块分专题展现数据。满足这两个方面的要求才是真正意义上的数据分析体系。
下面结合我的工作场景,给大家讲讲业务数据分析体系搭建的基本思路。
01 明确业务逻辑
分析师同学要明确自己服务的业务是什么?业务逻辑是什么?业务核心是什么?在业务的基础上构建分析体系,才能让分析结果更接地气,更好的应用到业务中。
以流量外采业务为例,梳理业务逻辑(如下图):各业务线发起流量需求 → 多渠道进行流量采买 → 流量引入落地页 → 落地页产生流量转化 → 流量变现、效果转化,这一系列步骤决定采买目标是否达成。
02 拆解分析模块
明确了业务逻辑后,根据目标和事件顺序进行分析模块拆解,明确各个目标分析的专题及关注核心。流量外采业务拆解分析模块如下:
采买效率关注核心:有多少预算?现在以什么样的价格买了多少流量?当前出价能否实现目标最大化?预算、价格、采买流量无论调节哪一项,只有三者维持平衡,才能实现流量供给相对稳定。
广告填充直接影响流量变现。因此,在保证广告主预算合理消耗、效果满足预期的前提下,不断提升页面广告填充率,从而提升流量变现效率。
用户行为既能够决定收入转化又能够决定效果转化。细致研究收入、效果转化用户在单页面中有哪些行为、访问了几层页面、点—面—点—转化/跳出的访问路径是什么。根据转化用户特征优化产品策略从而帮助业务提升流量转化。
以上各个模块的优化目的是为了达成共同的业务目标,目标达成的数据监控基础且重要。收入、效果、投入产出的数据表现直观的描述了业务现状和目标达成情况,及时的监控目标达成有助于业务稳定健康发展。
03 确定分析指标
确定了分析模块后,开始选定各个模块的分析指标,指标基本分为:结果量、转化率两类。结果量描述规模和目标达成,转化率描述效果。根据业务路径选取关键节点的转化和重要结果达成作为分析指标。按照路径的先后顺序列出指标,形成了核心数据看板,完成了数据体系的搭建。
基于流量外采业务分析模块,可拆解出如下数据看板:
04 洞察走势与业务同步发展
有了清晰业务结构、模块拆解,数据看板就可以跟踪业务走势。在跟踪的时候,首先关注的是:目标达成情况。目标达成决定了后续一系列行动判断,根据业务走势的波动情况定位异常问题、发现业务提升点。产品、运营同学根据数据结论制定每个阶段的行动计划,同时分析师也要不断变换分析视角与业务联动实现同步发展。
如下示例:
根据业务阶段性动作,明确阶段核心,定制专题分析方向:
-
增收阶段关注
-
阶段核心:流量需求、广告填充、商业帖效果转化;
-
专题分析方向:客户数、预算消耗率、落地页 PVR、商业化率;
-
提效阶段关注
-
阶段核心:效果转化;
-
专题分析方向:CVR、效果量/UV、客户效果成本;
-
控成本阶段关注
-
阶段核心:采买效率、效果转化;
-
专题分析方向:投放 CTR、ACP、站内 C/站外 C、CVR、效果量/UV。
05 驱动业务增长
驱动业务增长是高阶数据分析要实现的目标之一。想要改善业务,就必须了解业务细节,发现问题,找出关键点,给出科学合理的优化方案,推动方案落地,才能实现业务增长。其中发现问题、找关键点、优化方案、推动落地都属于数据驱动的范畴。
如流量采买业务中需求与供给匹配的问题:
-
发现问题
-
优化方案
具体应该如何分配流量?这就找到了数据分析在项目中可以为项目实践提供价值的地方。
-
数据帮助项
根据规划求解的原理解决业务中流量分配的问题。
项目实践测试的过程中,分析师需要不断跟进评估实验效果、推全后复盘项目的目标达成和可迭代升级的内容。实现全流程的参与、评估、决策才能称之为数据分析驱动业务增长。
06 形成数据体系
构建数据分析体系的本质是:满足业务需求,解决业务问题,驱动业务增长。在满足需求、发现问题、解决问题、跟进项目、落地复盘的过程中分析师同学要不断的提炼总结,进而形成自己的数据分析体系。
它可以是个思维导图,可以是个表格,也可以是个文档。无论哪种形式只要实现了数据分析体系本质,发挥了它应有的作用,落在了具体业务中,就是一个优秀的业务数据分析体系。
回到流量采买业务的示例,总结提炼形成的数据体系如下:
现实中,很多分析师同学掌握了专业的统计分析方法、分析工具、算法模型,但在与业务配合的过程中,总是很关注自己的理论深度、难度、专业度,却忽略了与业务的贴合度,因此分析结构就没有办法形成体系化的分析结构,分析技能也只能停留在初级水平。
用专业的方法服务个性化需求,将分析结果推广至业务中,只要这样才能真正的实现分析师价值,同时你也从初级成长为高级。
希望对你有所启发!
-End-
白丁学者 » 业务数据分析体系是如何构建的?