怎樣通過項目中的數據分析去決定資源的分配?

這是我在InfoQ分享過關于"怎樣通過項目中的數據分析去決定資源的分配"的話題,整理成文章了。最后的部分還有Q&A環節的內容。

數據分析 vs. 未來預測

首先,不管哪一位互聯網營銷大神、牛人、達人,其實人家都是數據分析/挖據高手!

我不知道大家平時在工作中,生活中是怎么用數據的。但是在工作中,如果不看數據就去做決定,那只是一個發表意見的人,這個叫做opinion,如果在工作中經常用opinion,而不是數據,就很難在互聯網環境的企業里去說服開發給你干點事,或者讓產品經理說服開發去拿開發資源。

上圖有一個處于右下角的角色,上面有很多高層,該如何說服上面的高層區分配資源來支持這個idea,在大型互聯網企業肯定是個難點。高層各有各的考慮和想法,結果很有可能是,決策者最終否定了這個idea,或者這個idea還未到決策者的時候就被否定了。

如果互聯網企業的老板是從傳統行業轉型而來,他們很有可能不理解網站數據分析師角色是什么,他們很可能會認為數據分析師是算命的。什么是算命的?可能是一些科幻美劇(比如,Harry Potter)里一個人對著一只水晶球,替你問你的未來是什么。當然,數據分析師不可能是算命師。

如果經常去猜測而不真正去看數據,那會造成什么問題呢。有可能一個產品經理已經為一個電商網站設計好一套完整的用戶轉化流程,從選擇商品到走到完成訂單支付通通齊全。結果一個用戶進來說,“我只是想找個洗手間,可是找不到呢”。原來她是個免費用戶嘛。沒去從數據去理解,我們就不會知道用戶真正想要什么。

數據、想法、執行

這個圖是個理想狀態。通過數據驅動,產生想法(idea),并把idea最終執行和實現出來,再不斷按照三角形循環重復。這就是個數據驅動的優化過程。

但一般很多企業像更像第二張圖。

不基于任何數據提出一個想法(Idea),或者是看到行業排名第一的互聯網公司的想法是怎樣,就去直接拷貝。有時候是猜對的,但有時候結果會很糟糕,執行下來并不知道會有什么結果。

正確的做法是需要用數據驅動決策。

一個數據驅動決策的案例

接下來我們看一個案例,看在SEM中如何用數據驅動決策。

案例是一個搜索引擎SEM廣告的投放計劃,你可以在上圖中看到預算,消費,產出等指標。

這個是一個理想狀態的數據報告,你可以看到兩個標紅的箭頭,消費按照預算預估,所以預算和消費是一樣的,產出的比例是按照歷史數據中以前投放過的產出比例計算的。利潤是按照圖里的黃色部分公式計算出來的。

案例很簡單,并不需要涉及到大數據,只需要用到一個常用的二八原理(Pareto)。我們用兩成的時間去產出八成的效益。

圖中是實際情況投放出來的結果,5個廣告計劃中,有些廣告計劃的預算和消費最后是不一樣的,為什么會不一樣呢,因為實際投放后,某些廣告計劃里的關鍵詞由于檢索量或點擊量沒有我們預想的足夠,所以會消耗不掉預算。

我們當時是需要做效果營銷,我們的績效考核和獎金都是與利潤直接掛鉤的,所以做廣告投放的時候就必須拼命的把利潤做出最大化。有幾個方法可以把利潤做到最大:

1.把消費做到級低。就是被用戶點到廣告的次數幾乎沒有白費的,這時就會達到很高的轉化率,可能10%,即每10次廣告點擊里就要轉化一次,比如賣掉一臺手機。

2.把產出做到級高。總有某些商品利潤很高,我們會嘗試把利潤高的商品多賣幾件。

3.把預算移到對的地方。廣告計劃ABCDE中,如果你發現廣告計劃A的ROI最大,就盡量把更多的預算都花到A里。但不一定A都能把預算花得出去,比如說A里有一些關鍵詞搜索量相對低,展現量也比較低,所以你看到實際的情況是A的消費并沒有達到預算。

圖中我們換個排序方式,把廣告計劃按照ROI從高到低排序,所以ROI最高的就是廣告計劃D,其次是廣告計劃A。排序之后,我們就知道應該把更高的預算放到哪個廣告計劃中。

圖中顯示我們在預算上做了調整,比如說把ROI表現最好的廣告計劃(D和A)的預算調整到高于100(現在甚至150了),另外兩個表現不好的C和E的預算被調到低于100(80和20),我們可能甚至也不愿意它們花到80和20,因為它們利潤已經是負的了。

優化一輪后總消費從350增加到390,多花了40塊。但總利潤從20提升到了160,共增長了140塊,這就是一個SEM快速優化調整的方式。

在哪里用到了二八原理呢?從圖里我們可以看到SEM推廣賬號的結構(比如一個百度推廣帳號),第一層是SEM賬號,第二層是廣告計劃。我們剛剛在優化的就在第二層做的調整,我們花了20%的時間去做80%的事情,就是二八。

把這個做完了,下一步主要的就是第四層(level 4),需要花大量的時間(所謂的80%的時間)。

數據驅動所以渠道、數據驅動所有項目

國內的大電商SEM賬號里通常會有至少幾十萬關鍵詞甚至100萬關鍵詞。我們以前做Google的SEM時,一個電商會需要把SEM廣告投放到多個國家,所以每個電商很容易就會有至少100萬個關鍵詞要管理/優化。每個優化師管理至少7個這樣的電商賬號,所有的優化師都很容易很快就能完成第二層的優化(二八),而消耗上最時間的優化工作都是在第四層。

剛剛說的SEM廣告優化方法其實可以套用到更高的管理級別。比如你是一個大型電商網站的營銷負責人(Chief Marketing Officer / CMO),你掌握著所有營銷預算,你部門會有營銷人員和營銷預算,你就可以按照這個方法把預算分配到各個的渠道,再把營銷人員分配到不同項目上去。

所以在一個電商網站里的營銷部門,可以把每一個人的預算(和消費),產出和利潤都數據化。當然并不是每一個人都有廣告預算,比如設計師的預算可以等于他的工資,或者他的加班費也算作預算。

很久以前我在國外上班的時候的那個公司也是類型這種結構,當時我還不是最上面的Marketing Director。我們大家會貪好玩,會在結果沒出來之前,猜測部門里誰的產出最高,誰的產出最低,我們都開著玩笑說是Marketing Director產出最低,因為他不做任何具體事情,他的職能最多是個做跨部門溝通的純溝通角色。

互聯網甲方公司里有很多部門,比如在營銷部門里,有SEM,SEO,運營,產品經理等很多角色,一個員工最先做SEO,需要跟產品經理爭取開發資源,做了兩年SEO后,又做一年SEM,又做了運營,然后做了兩年產品經理,或者像現在更多情況。或者一個員工一開始只做PC端網站,后來又做了移動H5網站,再后來有做了APP,那么這個員工了知識面就很廣了。

為什么要知識的廣度呢,這不是因為一件事情做膩了。其實在同一個公司里一直做一個崗位時,當你做SEM的時候你不知道產品經理的痛苦,當你做產品經理的時候你不知道SEO的痛苦,你做開發的時候你不知道產品經理痛苦,等等。你做的事情廣了,你會發現你是個什么都懂一些的人,你的技能里總有一、兩項能達到8分9分,剩下的幾項可能會有4分到6分。或者說是事情都懂多了后,無論是做跨職能的事,做跨部門的溝通;或者當企業有需要一位能夠勝任多職能工作的人的時候,或者管理不同角色的人員,你都能夠勝任,并且可以適合不同類型的企業,這樣就能站得穩了。

一般我們說到網絡營銷干得好的人,我們會認為他們是一些大神,大牛,高手、等等。在他們營銷成功的背后到底是什么呢?其實他們都是數據挖掘,數據分析的高手,他們把數據挖出來之后,加上他們對數據的理解/分析能力,他們能夠判斷用多少預算會得出多少結果,用多少IT資源,或者接下來會發生什么事情。

做營銷如果你把數據挖掘的能力,數據分析的能力練到很強,你就是營銷高手,數據高手。通過把自己的數據挖掘能力,數據分析能力變強這條路是走得通的,很多營銷人實際上都是搞數據的。

Google Analytics (GA) 的早期用戶

Google Analytics(GA)是目前使用最多的免費網站分析工具,如果你想獲取網站內部用戶行為數據,可以安裝一個Google Analytics。需要把一段JS代碼添加到你的網站上。國內一直有很多電商網站都在用它。

這個工具我用的比較早,Google在05年底的時候發布了它,06年我就開始把它裝在我的博客上。我的GA ID是6位數的,你可以看到國內有使用GA的電商網站中,它們的GA ID大部分都是8位數的。

Q&A問答環節

問題1:我想提問一個問題如何挖掘用戶行為包括站內搜索關鍵字和站外關鍵字如何分析用戶所感興趣內容?

挖掘用戶行為,網站的點擊流就是一個重要數據,分為:每個用戶的點擊流,和每“類/組”用戶的點擊流。

信息內容網站與電商的優化點不同,電商的你要用戶盡快完成訂單,支付,離開(或者再買第二次)信息內容網站你要他多瀏覽。

網站每張網頁,都有一個“價值”,比如商品賣掉值300塊,商品詳情可以被分配到X%(of 300), 列表頁,類目頁也可以算出各自的值用用戶點擊流的數據得出“值”,以后按每張網頁的“值”去判斷重要性(優先級/資源分配)。

問題2:哪一些H5頁面獨特的功能,值得額外做追蹤的?

可以關注網頁加載速度,H5網站每類網頁都可以優化下載速度。可以關注服務器端的數據,和前端的數據。起碼有15個大類可以優化。參考:

問題3:老師你好,零基礎如何學?

有幾個方法。

  • 最好進去互聯網/電商/大型信息內容網站/app企業里上班,盡量在獲取。
  • 找大牛(不過大牛都好忙的… 你們要理解,大牛也是人,也有老婆孩子,要上班加班,大家都為了要吃飯嘛呵呵)。
  • 參加一些大牛的培訓項目,最好是那種給你“功課”的,給你方法,要你去研究。你研究后寫完后把功課發給大牛,大牛還會替你看看的,給個打分之類的(這樣感覺不錯嘛,呵呵)。
  • 自薦去替大牛做點項目(可能大牛會教你拉個數據報告之類的,但你已經跟著大牛了,有機會學習他的想法,比好多人都要開心啊呵呵,我從前很跟著過大牛人…)。
  • 多看書。少看微信上太碎片化信息(真的)呵呵。

問題4:移動監測和pc監測的方法差異和由此帶來的數據差異是什么?

H5/PC站沒區別網站通過JavaScript或服務器log記錄用戶數據,或者兩者一起用,判斷用戶用cookie。APP通過SDK記錄用戶數據,判斷用戶用設備上OS/軟件配置的ID。參考:

產生的問題很多,當中包括:多屏的時候,比如一個人用PC瀏覽器,用手機瀏覽器,用手機app方案同一個電商,會很容易在數據里被認為是3個人。

問題5:什么樣的數據選擇hbase?什么樣的數據選擇hive?

hbase優勢是拉小量,但比較real-time的數據,速度會比較快。Hive是適合處理大量數據,但并非real-time數據。他們應該可以是互補關系。

問題6:您好,請問如何從根源上去保證數據的有效性,比如說,加大數據的精準性和可用性。有很多數據,在長時間之后,都是冗余的。我是一名沒有基礎的新手,但是對大數據很感興趣,我想知道一個大概的學習方向。

需要看什么,其實主要看你的角色。大老板偏關注”預算“,”產出“,”利潤“的數據。大老板關系今年跟去年同比,這季度跟上季度同比,等。多年前的可能就暫時無用了。

過程數據(能從過程中看出一些大中小問題)是干活的使用。過程嘛,干活的看看上周的,上幾個月的就足夠了。

本周、本月、本季度、本年”產出“數據,尤其同比、環比,是manager給每個負責不同廣告渠道/產品頻道干活的人員,作為判斷表現業績的。

China Mobile SEO Book

過去我寫過的一本SEO書:

相關閱讀

假如對數據分析技術有興趣,推薦閱讀我寫的書,可以免費網上閱讀數據分析技術白皮書

我的個人微信號二維碼

需要聯系,就請掃二維碼。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。

推薦閱讀更多精彩內容