这8种数据思维模型好用至极(含案例)

wyd969
wyd969 这家伙很懒,还没有设置简介...

0 人点赞了该文章 · 28 浏览

这8种数据思维模型好用至极(含案例)

如今在这个大数据时代,数据在我们的工作中占据很大的作用,企业中的各个岗位对数据都有一定的依赖性;并且在日常工作中,数据也是我们提高工作效率的一个方法;本文作者分享了8种数据思维模型及案例,我们一起来了解一下。

数据运营,在运营里是中流砥柱的作用,细分到各个岗位都离不开数据;不仅是工作,生活中也是。

工作上,拥有数据化思维,对于工作效率能有极大提升,适用于产品、运营及营销。

生活中,拥有数据化思维,对于决策和判断也很有帮助,帮我们更好的掌控生活而不是被生活所掌控。

分享对我影响比较大的8种数据相关思维模型,希望对您有所启发;前4种是宏观想象和规划,后4种是微观实操和演练。

01 漏斗思维模型

漏斗分析模型是一套流程式数据分析模型。反映用户行为状态,以及从起点到终点各阶段指标。对于用户行为分析、流量监控、目标动作转化都很好用。

漏斗思维前后关联性极强,从首到尾是弱化和递减。

常用漏斗模型3种,AIDMA模型应用于品牌营销占领用户心智;AISAS模型帮助消费决策和分析购买路径,AARRR模型分析用户行为轨迹提高关键指标。

漏斗模型除了在互联网产品,及电商用户分析上得以应用外,在其他处也能巧妙应用。如销售漏斗:它是按照“线索-意向-客户”层层筛选,逐渐递减。

02 结构化拆解数据模型

拆解,源自结构化思维金字塔原理,两个要点:相互独立、无穷无尽。面对数据的时候,可以分析相关的模块并拆解,研究不变的单一模块。

举个栗子:GMV=流量*转化率*客单价*复购率。常应用于电商销量的拆解,继续拆流量=流量渠道1+流量渠道2+流量渠道3。

影响流量渠道1的来源有投放时间选择、首页视觉优化、文案优化、活动形式、产品体验流畅度等,继续拆解时间选择是上午好?还是晚上好?继续拆解直到最小颗粒度;此处拆解原则,可结合5WHY溯源原理和A/B测试模型。

结构化拆解,需要记住4个要点,很大程度上这4点和其他思维有共同之处。

核心论点:寻找金字塔的塔点。

结构拆解:自上而下将核心论点层层拆解成分论点,上下之间呈因果,依赖关系。

MECE:相互独立,完全穷尽(免交叉重复)。

验证:核心论点/分论点都是可量化、可验证的,要用数据说话。类A/B测试。

03 事实数据≠主观判断模型

也许你听过“事实”和“观点”理论。事实。就是可视化数据,没有对错,不带情感;而观点是主观的感受和判断,观点表达了个人的价值观和兴趣偏好。

我喜欢打篮球,以NBA篮球举例。看表大师利拉德,总是奉献各种神奇3分球。很多球迷都说,利拉德3分球真准、联盟佼佼者。真的是这样吗?

这是球迷观点,为什么呢?因为,你脑海中总是他一次次不讲理的3分球,峰终定律影响下被加深印象。但是事实和数据呢?本赛季利拉德3分球命中率38.5%,排名联盟第74位。

从数据角度看,在400人+的NBA联盟里74的排名其实并不高,所以主观判断是错误。用事实数据做支撑,一定程度上可以避免臆想的主观判断。

再看一个例子:比如说一个医院两个科室,一个科室,治愈率高,死亡率低啊,另外一个科室呢,治愈率相对较低,死亡人数呢,也相对比例高一些,那你能说第一个科室就比第二个科室优秀吗?

你说难道不是吗?他治愈率高。死亡率更低,这么直观说服力难道不是更不优秀吗?

不一定!!你有考虑过他们接的都是什么病人吗?如果我们评谁更优秀,只看死亡率。不看哪些医院接了重症病例,那简直太荒谬了。数据背后的环境和场景,切勿忽视。

04 量化指标+标准思维模型

凡事好不好都是相对,只有建立标准,可用数据衡量的标准后,才能予以评判。标准就像一杆尺子,有刻度、能度量。

同样拿NBA利拉德安利来举例,38.5%的3分球命中率高吗?

如果定义标准3分球命中率低于40%就算低,那么他的命中率就不高;如果定义标准是超过38%是高,那么利拉德命中率就算高。是高还是低?取决于手里尺子的刻度值。

有了刻度,在生活和工作上怎样能加强我们量化指标的意识呢?

继续以篮球举例。我每次训练时候会对流程量化会高效很多,不至于无目标感。

比如:训练时长1小时,做20分钟对抗训练,做10分钟突破训练,做10分钟三分球训练,做10分钟罚球训练,做10分钟热身训练。

把随意的一场打球,量化到各个指标用数据体现,然后刻意练习;同样,对于3分球训练我会10个一组,默认记录数据标准,心里的刻度是35%命中率,有了量化指标,更好的引导我们精进。

05 5WHY溯源模型

5WHY溯源分析,来自丰田企业管理,对于深度思考,看清事物的本质,找到数据背后隐藏的真像很有帮助。

5WHY分析法,又称“5问法”,也就是对一个问题点连续以5个“为什么”来自问,以追究其根本原因。这里回顾一个经典案例,看清事物本质。

杰斐逊大厦墙有裂痕,为什么?

因为墙面经常冲洗,被腐蚀了。

为什么冲洗?冲洗是因为鸟粪多。

为什么会有鸟粪?因为蜘蛛多,鸟过来觅食。

为什么蜘蛛多?因为这里阳光好利于繁殖。

怎么解决墙面问题,不是用环保清洗剂,也不是用电网防蜘蛛,拉上窗帘就行。

生活中,常会出现抓不住问题本质的情况,只是“肤浅”看到表面问题。

多一点深度思考,看看各个维度数据变化,总有拨云见日的时候。

06 A/B测试思维模型

A/B测试在产品及技术上经常应用,指在产品迭代发布之前,制定两个(A/B)或多个(A/B/n)版本;在同一时间维度,分别让特征相同(相似)的访客群组(目标人群)随机的访问这些版本,并收集每个群组用户的数据,最后通过分析数据,评估出最好版本去承载全部流量。

多组开花,找到数据最好的一组,予以选用。

A/B测试的理念和假设验证思维模型类似,实操过程中,通常AB测试都是围绕着某一个目标进行,比如:提升新用户下单率。围绕该目标,我们可以设置相应的运营动作。

PlanA设置优惠券A并全渠道触发,PlanB设置优惠券B全渠道触发,一个周期后分析A/B两种运营动作下,目标数据(新用户下单率)的变化;此处样本数量要足够大,测试周期要足够长才有说服力,否则很大程度上是小概率事件。

07 RFM分析思维模型

RFM是3个指标的缩写,最近一次消费时间间隔(Recency),消费频率(Frequency),消费金额(Monetary),通过这3个指标对用户分类。

RFM通过3个维度数据对用户进行评估分类,从而实现精细化运营,根据不同用户的属性做不同营销策略。

此处,也是淘宝千人千面、字节智能算法的前身,量身定制。RFM分析方法把用户分为8类,这样可对不同价值用户使用不同的营销决策。

冯仑讲过:正常情况下,人一生交往的关系是三个数:10%、30%和60%。

这句话是什么意思呢?

其实正好对应我们刚讲的三种人脉关系,RFM模型里的前三种重要价值、重要发展、重要保持用户,对于3类用户我们需要采取不同应对策略。

对于不同用户类型,有对应不同运营策略。高价值享受VIP待遇,需挽留采用促活方案定时触达。

1)重要价值关系:对你生活和工作非常有价值。他几乎是你最亲密的亲戚、朋友、客户。面对这些人,你应该经常联系,彼此帮助,时不时约出来聊聊天。

2)重要发展关系:联系比较多、一起做过点事,但聊天是有一句没一句的,这种要重点发展关系。比如把你的困惑或者小秘密和他分享,产生情感连接。

3)重要保持的关系:所谓熟人,也就是打起电话来记得住这个人,而且也大概了解他的背景,可能很长时间都没有见的那种“朋友”。要主动联系,利用节假日登门拜访、共同的朋友持续保持沟通。

08 北极星数据指标思维

北极星指标,也叫做唯一重要的指标,之所以叫做北极星指标是指这个指标一经制定,像北极星一样,高高的闪耀在天空中,指引着团队向同一个方向前进。

北极星指标,随产品生命周期在动态变化,但是有两个大前提不会变。第一,对规模的追求(用户规模或收入规模);第二,对用户长期价值的考量。

我看来看常见产品的北极星指标,并做拆解:

  • Airbnb北极星指标是交易总额,分解目标:用户总数+订房次数。
  • 知乎北极星指标是问答总数,分解目标:用户总数+单用户问答贡献数。
  • 简书北极星指标是文章总数,分解目标:用户总数+单用户文章贡献数。
  • 滴滴北极星指标是月活跃用户,分解目标:月活跃司机+月活跃乘客。

北极星指标是风向标,能避免我们陷入数据陷阱。

与之对应,是虚荣性指标,盘点下常见产品虚荣型数据指标。

电商类:GMV和订单量。

要知道脱离利润的GMV并没有用,如果毛利不够甚至亏本,带来的结果是买的越多亏得越多;订单量也一样,如果只是低客单的薅羊毛订单,只会起反作用。

电商,更多要关注转化率、客单价、复购率等北极星指标。

内容类:曝光量和点击PV。

拿现在的抖音来说,一些粉丝量上百万的抖音号没有商业价值就是这原因,某单条视频点赞量过百万依然不能变现,也很好的说明这个问题。

抖音,更多要关注停留时长、完播率、评论人次及标签用户量等北极星指标。

 

本文由 @炏的黑匣子 授权发布于运营派,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

发布于 2023-01-13 14:04

免责声明:

本文由 wyd969 原创或收集发布于 火鲤鱼 ,著作权归作者所有,如有侵权可联系本站删除。

火鲤鱼 © 2024 专注小微企业服务 冀ICP备09002609号-8