數據分析:基準比較&CRM 階層分群

「數據分析」這個名稱聽起來很高大上、天生以來具有強大數據能力,但其實沒有大家想這麼遙不可及。透過策略性訓練和經驗累積,能夠來逐漸強大自己分析能力。此篇文章將與大家分享,我如何從數據菜鳥到慢慢建立起自己看數據邏輯,找出更多的商業洞見。

此篇文章適合誰?

文章內容:一、破除迷思:做數據一定要數理很好?
二、初階數據分析概念
a. 了解所有資料庫維度,後定義問題
b. 比較基準點
三、CRM 數據分析概念與方法
a. 分群
b. 標籤化
c. 基準匹配

做數據一定要數理很好?

在開始之前我想要先破除一個迷思,就是做數據的人,應該就是那些數據觀念很好、邏輯很強、必須學過統計人才能做到的事情!Well… 在我個人身上好像不是這樣。在此之前,先容許我分享一段小故事,遙想當年的我,也是數學學測考 5 級分的女人啊(遠目。

大學不好好念書,出社會前根本沒有碰過 Excel,更不知道世界上有這檔高級產物。直到步出這殘酷社會,才發現到 Power Point 和 Excel 叫做基本能力。

還記得畢業後,有幸到一家外商投資銀行當 Internship ,主管要我自己試著做看看報表,然後把兩個資料貫串在一起。但我只會打開表格,之後連凍結視窗都不會,更別說要在那邊 Vlookup V 來 V 去的把資料串聯在一起。

做出來的資料就跟狗啃過沒有兩樣,也幾乎不正確,左轉還向輔大正妹求救,完全被給海放。那時候羨慕別人不只長得正,做事情有邏輯、效率又高,真是後悔以前怎麼都不去上課、學基礎功,怎麼都在玩社團和談戀愛呢?果不其然,不到一個禮拜就跟這家投資銀行說掰掰了,主管說暫時人力凍結。恩,這就是沒實力的下場,隨時準備被市場淘汰。

切記在戰場上永遠不要告訴老闆:「我來這邊學習!(堅定貌)」。Instead of 應該說:「這個之前操作過,或許我們可以用另外一個方式試看看,更加節省時間且整理出更好理解的資料庫。更重要是要有真材實料!」在此告誡在學還有剛出社會的新鮮人,『社會在走,Excel 基本能力要有』。

但因為年幼受到創傷,至此之後痛恨 Excel 至極,發誓我這輩子都不要用這項我掌握不了的工具。殊不知….不小心跳進了精品業做起了 CRM (顧客關係維護)的資料分析,使用 Excel 頻率極高。我也知道很多人想要增進自己的數據思維,所以透過文章讓大家了解到我如何從一隻數據菜鳥,慢慢培養出自己的數據思維,來我們往下看。

世恩大大名言:「不要只會問,你 Google了嗎?」、「你有把問題拿去 Google 嗎?」

💡《如何掌握 Excel 》運用工具的熟練度就是一個門檻,function 要用時方恨少,如果 Google Search 能力不夠好,建議直接看 Excel 的工具書(也就是 Excel 字典),至少看過一次大概知道有什麼 function 可以拿來用,讓在實踐時,有個印象,就算要下關鍵字時,可以更清楚知道有什麼應用機會。文章連結👇 (來自Q Search 周世恩老闆文章補充)

Photo by Carlos Muza on Unsplash

了解所有資料庫維度,後定義問題

怎麼開始這件事情呢?由簡單的三步驟開始 :

第一步、了解所有可運用的工具、資料庫(Salesforce、GA、SEO 關鍵字)

第二步、資料庫裡維度定義、猜想未來的用途(購買時間、品項、年紀等)

第三步、拆解顧客購買歷程(行銷漏斗)

透過資料定義,找出最重要的分析要件,也要釐清這份資料是給「誰」看。所以建立最基礎的知識層面後,最重要一件事情就是『多問問題』和搞清楚那這個數據主要是『解決什麼樣的問題』。

問的問題像是:

What : 現在是遇到什麼難題、顧客的痛點是?

When : 那未來三個月、六個月後想要達成目標為何?

Who : 這份資料給誰看?

How : 那有指標性指標可以做檢驗嗎?

Which Experience : 那過去有做過相關的研究、分析可以跟我分享嗎?

盡量透過大量問題,來定義自己需要資料是什麼等等。

永遠多想一步:但要是沒有人來問你,那我們是否也可以問自己哪些問題這,來找出問題點所在?可以透過下面的比較基準點,來幫助自己找對問題,提出改善策略。

好啦,有人會問:「我是把資料撈出來了,老闆也訂出目標了,也問了很多問題啦!但是怎麼看,對我來說它就是一堆密密麻麻的資訊還有數據,怎麼讀都讀不懂,到底怎麼看出中間細節、老闆說的要有 insight 又是什麼東西?」

以下會有幾個簡單的比較基準點介紹,先把這些東西都做出來了,才能找出跟自己理想狀態的差異化、誤差,有了這些資訊後,可以更深入去探討表現不佳的地方。

比較基準點

來檢查數據的分佈,找到不同類型的特徵,異常值在哪裡,為什麼它們是異常值?對我來說這些異常值為最大、最小或者是去年同期比較有劇烈差異

那如何看出數值異常呢?其實基本上好壞、高低都是透過比較而來的。一些直接描述事物的變數,如長度、數量、高度、寬度等;通過對比得到比率資料,增速、效率、效益等指標,這才是資料分析時常用的。

比較數值時候,大致上能分為四種類型:

圖片來源:帆軟報表

在 Gipi 老師《商業思維》一書中提到:「找出領先指標,像是對業務部門來說,業績就是結果指標,但如果要有效改善業績狀況,就必須深入了解到創造業績的過程,也是就是數據脈絡中的顧客、產品與通路,由不同的維度來探討問題。」

假設今年跟去年比較起來業績成長百分之40,表現比去年強勢。抑或是業績下降百分之5,此時就要向下深挖出哪個管道出了問題,在管道裡面最近做了什麼,跟去年差異又是什麼等等。

透過這樣的數據,再去細細拆解所有可能影響業績的因素,比如說,能知道上游、下游發生什麼事情,或者了解各個渠道的狀況等等。當然如果具有商業思維深度和廣度,更能透過成本、利潤和淨利等等來思考更加細微。所以非常推薦大家去閱讀 Gipi 老師的 《商業思維》。

CRM 數據分析概念與方法:分群、標籤化與精準匹配

為什麼大家一直在倡導 CRM 管理呢? CRM 崛起原因主要是因為獲得一個新顧客的成本太高,基本上新顧客的獲得成本大約是既有顧客的 6 -10 倍左右。

為了降低成本,因此大家開始轉分析、研究既有顧客做更多的開發。但我們要如何觀察、追蹤這些既有顧客呢?像是新客人、舊客,付費流量、非付費流量,A 產品客戶、B 產品客戶,這算是簡易的客戶分群法。

為什麼要做到分群、分類呢?其實就是希望提供給顧客一個更好的服務,或者是更精準來打中顧客痛點,來經營更長期的顧客體驗,進而提高轉換率、顧客忠誠度。

將會透過:

分群的方式:主要分為兩類,一種是按屬性分類,另一種則是以行為分群

屬性分類,又可以分為固定與變動的屬性:

行為分群,相對來說比較複雜,多數的行為分群圍繞著三個面向:消費者行為、使用行為與服務行為。

標籤化:典型的顧客分群法如 RFM ,即透過最近一次的購買時間、消費頻率、消費金額等三個維度,將用戶進行分群,這也是我常用來分群顧客的方式。

R ( Recency ) : 近度,最近一次購買(或者是付費)時間

F ( Frequency ) :頻度,一定時間內購買(或者付費)次數

M ( Monetary ) :值度,一定時間內購買(或者付費)總金額

所以就是 R 越近越好, F 越多越好,M 越大越好。當這指標趨近於 R 越近、F 越多、M 越大,將被歸類為高價值顧客。反之亦然, R 越遠、F 越少、M 越小,代表越容易流失這個顧客。但當然每個產業都自己對於 R 、F、 M 的設定指標來做更細微的分群。

精準配對:藉由分群, RFM 的模型,來替不同的客群客製化服務內容

假設,今天 R > 5次,且頻度 > 4 次和金額超越 > 300K 為高強度的顧客,因此會將分配更多資源,還有邀請到不同的活動等等。當然資料量累積越多,就能更清楚相階層劃分出來,來客製化所有階層的服務、策略還有資源。

總結,上述提的兩種分群, 一旦發展到一定階段,並將走向標籤化。所謂的標籤,即為一堆屬性與行為的結合,例如男性、45 –50歲、資訊業、高階主管、桃園市等。

透過一次又一次不斷的互動,來收集更多用戶的資訊,並在這資訊上滿足特定分群的條件時候,為你打上一個又一個標籤。在藉由 RFM 的階層,來完善整理顧客分層,訂出不同的執行目標和該產出的價值。

小練習:若以下的分群來看,公司應該花費資源在哪個顧客階層呢?以及挑戰自己是否能解釋出原因呢?

圖片來源:數據分析那些事
如果喜歡我的內容,請拍手打賞,讓我賺點咖啡錢,最多可以拍5下唷!

數據策略擬定行動方案五步驟

Step 1 : 依據策略提出數據需求
Step 2 : 確認數據處理標的
Step 3 : 盤點和彙整既有數據
Step 4 : 盤點新數據採集需求
Step 5 : 擬定數據行動方案

透過上述的方式,來定義需要深入探討的問題,找出數據目標為何。因此剛剛一直提到學會定義問題是一項很重要的能力。很多人會有疑問,在剛剛開始學數據時候,如何開始找到對的方向?我覺得一開始是先與相關人溝通、清楚定義問題,找出現實狀況與期望中間的落差。

再來寫出每個過程的步驟(產品、通路還有受眾是誰);盡可能透過流程,找出各種數據的維度,搜集能縮短期望差距之間的任何數據,來加以觀察、佐證,最後就只能透過不斷嘗試來累積經驗值。

以下將再透過 Gipi 老師的 《商業思維》數據策略擬定架構,來跟大家分享我過去數據分析經驗。

Step 1 : 依據策略提出數據需求

首先、定義命題。假如我接受到 GM 或者是店經理的要求時候,第一步會思考他們想要拿到這份資料目的是為什麼?第一步我會先釐清目的,是為了向更大老闆要資源,還是說需要找到對的顧客來做店上活動的邀請等等。

如果是希望做到比去年成長 10 % 新女裝顧客成長、還有增加既有女裝顧客的平均消費能力,或者是增加交叉購買的機會。

Step 2 : 找出資料& 發現問題點

再來,了解現在在後台裡面所有資料,且定義分別為何,有沒有哪些資料是可以符合這些需求的,可以先抓出來研究看看;再來把流程寫出來,透過顧客在購買旅程來拆解,會不會有什麼環節是可以多加研究的。

延續上述問題,這時候我們要思考這些顧客過去大致上過買過什麼的產品,來參加過多少次活動促使他們轉單等等。以及這些客人光顧的近度、頻次、和金額等等,都能成為佐證、成長的數據。

當然有時候做一做就會卡點,這時候可以回到剛剛提到的把消費者的購物流程寫出來。這樣可以進行一個漏斗行銷,來檢驗是否哪個環節被遺漏了。

假設一、電商平台的路徑就會像是:

a. 用戶登錄/註冊》搜索關鍵詞》查看商品詳情》加入購物車》點擊下單》確認付款》確認收貨

b. 用戶搜索關鍵詞》類目和店鋪》賣家交流》點擊下單》確認付款》確認收貨

通過這種關鍵路徑,能對於每層漏斗分析,從而進行流量的轉化分析,找出影響到達最終結果的關鍵環節。

圖片來源:捷人科技顧問 (行銷漏斗)

假設二、對於既有顧客的後續追蹤,過去購買狀況如何,多少顧客只有做一次的回訪 ( Repurchase Rate ),是為了參加活動而購買,是對於產品忠誠對還是對品牌的忠誠度等等。也可以對於既有的會員做年齡的分層、性別、購買頻率、還有購買力等,從不同的角度作切入。

Step 3 : 盤點和彙整既有數據 &Step 4 : 盤點新數據採集需求

開始整理所有的資料,另外還有沒有可能遇到無法收集的資料等等,有沒有辦法透過其他的方式來獲取他。如果有需求,希望採集的資料為何?從哪裡採集等。

Step 5 : 擬定數據行動方案

數據結果出來後,如何透過量化圖表的方向,清楚顯示這些資訊。在設下清楚行動方式,還有如何檢驗的 KPI,在未來可以清楚追蹤成效。像是 SMART 的制定目標方式。

總結

步驟一:明確目的(爭論、提問)

步驟二:針對目的(提問)建立假說(故事、情境)

步驟三:實際搜集資訊

步驟四:現存資料量不足,如何透過蒐集額外資料輔助

步驟五:透過分析驗證和確定是否合乎假說

最後,數據分析要發揮價值,有兩個面向。第一,從資料的分析中,看出問題。第二,從資料、別人的闡述中發現問題、大膽假設,再透過大數據找答案。

「數據分析」主要是著重在思考邏輯,最重要是形成獨特的見解,這就必須來自於人不斷的學習、挑戰和思考,所以很多人開始強調跨領域知識和專業加疊,能創出獨特價值。

- 那請大力幫我鼓掌,給我動力往下走,10-40拍手對我文章內容的肯定;50拍手,證明鋼鐵V鐵粉忠誠度- 鋼鐵V社團開張:歡迎大家加入鋼鐵V·職場思領域一起討論新鮮人職場問題、英文學習、個人品牌還有活動發佈等消息,想要參加我所舉辦的活動,千萬不要錯過這個社團。- 鋼鐵V粉絲頁也開張了:鋼鐵 V 。 薇琪職場學,歡迎大家 Follow 來獲取每天最即時的商業訊息、英文學習(面試、簡報還有寫作等)、個人品牌經營、新書推薦(還有送書活動)!

精品業數據分析師 | 不斷敲打和錘鍊後,造就了鋼鐵般的品質,於是『鋼鐵V』就此誕生。| 用有限生命的知識力量,來衝撞舊有社會體系。關鍵評論網、XChange、CakeResume和面試趣專欄作家。歡迎加入來信一起交流、邀稿。Email : vickyhsu9168@gmail.com

精品業數據分析師 | 不斷敲打和錘鍊後,造就了鋼鐵般的品質,於是『鋼鐵V』就此誕生。| 用有限生命的知識力量,來衝撞舊有社會體系。關鍵評論網、XChange、CakeResume和面試趣專欄作家。歡迎加入來信一起交流、邀稿。Email : vickyhsu9168@gmail.com