一、没用的报告长这样
一提到用户画像,很多同学的报告都长这样:
往往这种报告写的很辛苦,跑的数据很多。最后收获一句“我早知道了,你能讲点有意义的不?”
于是有些人认为:光提供描述性数据不行,那必须模型走起呀。最直接能想到的就是RFM,于是抽出R、F、M三个维度数据,每个砍成五段,5*5*5分成125个分类,再用聚类,搞成5大类,125小类,每一类都细心标注上:“这个用户买了1次500元,5天没卖了,所以得让他买!”
最后收获一连串连珠炮似的追问:
……被轰的晕头转向……
到底问题出在哪里?
二、报告没用的核心原因
核心原因就一条:无判断标准。
通通没有判断标准
让人看了觉得不着四六
有意思的是:监控数据是自带标准的。我们看一条曲线,即使没有定义一个“目标值”,曲线本身的变动也能成为判断标准。对于销售额,利润,用户数这种正向指标(越多越好的指标),增长本身就是好的,增长的速度越快越好,绝对数越大越好。对于成本、风险损失、投诉这种负向指标而言,下降本身就是好的,下降速度越好越好,绝对数越小越好。当然这样判断是鲁莽的,有可能出现大涨大落的情况,但粗略的看是没问题的。
但大部分静态数据,没有标准可言。比如男女4:6,就一定好/不好?不一定。因此看到这种数据,无法形成判断,就很难产生价值。况且业务部门本身对用户情况是有一定感觉的。比如:“我们服务的用户以女性为主”,即使不看4:6,他也知道是女性多,看到6和感觉差不多,自然会说:“我早知道了”。
至于那种“因为用户消费了1次500,所以得让他消费600 ”的判断,就更是就数论数,毫无头脑。数字只是一个记录,数字背后是一个真实的、活生生的场景。脱离业务场景空谈数字是没意义的。
就像你去吃面,进了面馆喊一声:“老板一碗牛肉面”,老板大喝一声:“不!你不要一碗!我们的人工智能高级大数据分析师说你需要2碗!给我吃!”
请问这时候你是啥心情……
所以破局的关键只有1个,就是:找标准。让数据表达含义,不仅仅是一串数字。
三、提高报告有用性的方法
首先要区分场景。注意,如果是第一次汇报,是可以用开头被猛烈吐槽的方式的。可能因为新换了领导,可能因为刚上CRM系统,总之之前业务方对用户情况毫无了解。这时候事无巨细的列一堆数据,是很有帮助的。能够让大家详细了解情况,建立认知。
但是从第二次汇报开始,就不能这么平铺直叙了;对那些已经了解情况的业务方,也不能直接这么丢大白话,我们找判断标准。常见的找法有这三种:
1、从问题找标准。如下图所示
2、从目标找标准。如下图所示
3、从业务找标准。如下图所示
当然,这三种方法都需要做到以下三点:
但是在很多企业,这三个条件不具备。有可能是因为业务部门把自己当上帝,觉得自己全知全能,就差一个跑数的小哥了,招进来的不是数据分析师而是sql编写员;也有可能是因为企业把数据分析师当上帝,觉得只要他做数据分析工作,他就全知全能,企业里其他人不张嘴,做数据的只凭一道金光闪过就无所不知……
总之,数据报告没用,数据与业务脱节,只能说明这个企业不行,业务和数据都有责任。与其相互甩锅,不如老老实实做好沟通,达到更好效果。然而有的同学又说了:老师,明明是同一份报告,为啥有的人看了说做得真好,有的看了就喷没水平。感觉好难呀。那是因为说者无意,听者有心。能让全国人民开心的只有赵本山,你换了郭德纲都有人嫌他三俗,所以看菜吃饭是必须的。
联系客服