做数据分析十年,第一次见到靠谱的归因模型鸳鸯的鸳怎么组词

来源:接地气的陈老师“要深度分析问题原因,不能只统计数字,流于表面!”每次写原因分析类报告,都有领导这么咆哮道。而听到这个要求,很多新手同学又是眉头一皱眼睛一闭:妈耶,咋整啊。

来源:接地气的陈老师

“要深度分析问题原因,不能只统计数字,流于表面!”

每次写原因分析类报告,都有领导这么咆哮道。而听到这个要求,很多新手同学又是眉头一皱眼睛一闭:妈耶,咋整啊。今天我们系统讲解下。

问题场景:某硬件+服务的大企业,正在推微信服务小程序,目标是降低人工客服工作量。可全力推进一段时间后,人工客服未见减少。客户服务中心(一级部门,很有权势)领导大为不满,要求做数据分析,为啥推广小程序没有减少人工客服量。一、核心难点

归因问题首先难在:领导期望太细、太具体,而数据分析给不到。

数据分析产出的:30%的来电用户未绑定小程序,所以应该加强绑定。40%用户绑定了但是近1个月不登录,所以应该加强运营。

领导期望的:用户为什么不绑定?是不知道绑?不会绑?不想绑?为什么又不想绑?是我们没宣传?宣传了还是话术没说对?话说对了但是客人没认真听?

是滴,领导们期望的是这些具体的原因,这样才能针对性做改善。可这些具体的原因往往涉及用户心理、业务动作、用户与一线业务互动,根本没有数据记录,很难量化分析。

可如果只给一个很粗的“加强绑定”的建议,肯定业务方不买单。谁来加强,加强哪里,加强到什么程度,一共十三步操作绑定排第几,这些具体问题都没有答案,自然会抗拒这种结果。

然而,即使是再做细致拆分,还有另一个核心难题:用户绑定了不登录,到底是因为用户太蠢,但是我们没做好?这个问题深挖下去是个无底洞,因为本身这两者就是相辅相成,很难完全剥离某一方面理由。然而却总被人拿来甩锅。咋办呢?

二、破局思路

想破局,关键在于:不要企图把所有的问题,都用数据分出来原因。人的情绪都有感性、复杂、冲动的部分,不可能全部用理性、逻辑的数字来量化。

第一步:要把原因和具体的业务动作对应起来,然后搞成一个政治正确的行为,让业务方不得不接受。

比如:公司今年的大方向是数字化升级,所以在营业厅办理过业务的客户,必须绑定小程序,没有绑定的就是营业厅没做好!虽然有可能是因为客户自己不想绑,但是不管这么多,他不想绑,可以想各种办法,给好处,帮客户操作,总之搞掂他!不要扯什么客户意愿、什么操作习惯。这就叫政治正确。

第二步,要合理地提目标。

当然,真这么强硬要求,结果肯定是逼死一线(所有的政治正确都会逼死人,不止这个)。因此,第二步,要合理地提目标。比如大目标是:减少人工客服量。我们要做的是通过数据优化,让整体趋势下行即可(如下图)。

做数据分析十年,第一次见到靠谱的归因模型

第三步就可以打数据标签。

有了前两步铺垫,第三步就可以打数据标签。用户的行为、客服服务内容、业务动作,都可以归纳为标签,有了标签,就能把感性的,场景化的,难以量化的行为,部分转化为数据可记录的内容,从而为分析铺路(如下图)。

做数据分析十年,第一次见到靠谱的归因模型

第四步,就能利用数据标签进行归因了。

比如“营业厅没有做好指引,所以新用户在营业厅注册报装后,还是没有绑定小程序”这种感性的原因就能被简单归为:新用户+已注册+未安装+未绑定。有了这个标签,能够识别哪些用户是因为营业厅没有引导到位而咨询客服,从而进一步思考对策。

当然,实际操作中标签可能很多,因此有必要梳理好标签之间逻辑,从而清晰地进行分层归因,这就是从找一个原因到梳理归因模型的过程。

三、模型构建

构建模型过程,本质上是梳理逻辑,形成系统化解释的过程。因此可以按照用户生命周期,进行分类构建。

从经验上来看:投诉类来电,在业务上性质特殊,属于高风险行为。别的来电都能用小程序替代,唯独怒气冲冲的客户,必须用人工来服务,至少让人家消消气。不然一怒之下弄上新闻媒体,客服领导面子也挂不住。因此在梳理逻辑的时候可以单独分类处理。

做数据分析十年,第一次见到靠谱的归因模型

非投诉用户可以分为:潜在用户、新用户、已开户用户三类人。三类人需求差异明显,客服服务政策也有区别。比如潜在用户咨询,本身属于有潜在收益行为,因此是可以作为销售线索转营销系统跟进的。

真正要关注的,是常规操作、进度知会、活动咨询等等。这些信息发布、用户互动,没有风险、没有收益、纯粹是用户自己操作还是客服代为操作的问题,甚至在小程序更简单。因此可以想各种办法分流。(如下图)

做数据分析十年,第一次见到靠谱的归因模型

梳理完逻辑以后,可以将数据填入模型,观察问题大小。解决问题,可以从大到小安排,优先考虑当前占比高的问题,也可以从简单到复杂解决,优先落实容易执行的。

总之各个击破,逐步降低人工客服的工作量,只要整个曲线走势是持续向下的,就能证明工作成效。且对比建立模型之前,归因的细节极大丰富,很容易在领导那里过关(如下图)。

做数据分析十年,第一次见到靠谱的归因模型

当然,以上示例只是一个解题思路,还可以从其他维度入手构建模型。业务流程不同,目标不同,归因方法肯定也有差异。只要业务看到数据以后,能很清晰的知道自己做什么,就算达到目的了。

四、小结

很多人会很纠结:到底原因是什么。其实就跟谈恋爱一样,分手以后追着前女友/前男友苦苦问:为什么!为什么!到底是为什么!一点意义都没有。

企业经营也是同理,我们不是搞科学研究的,而是来挣钱的,所以真实原因可能永远无法知道,但是只要经营指标是向好发展,业务能不断改善,目的就达到了。

可惜即使讲到这里,还是有很多人不明白,甚至一些做数据的老鸟也会踩这个坑。非要纠结于细节原因,甚至丢下数据,去搞用户访谈,去做1对1深度沟通。结果嘛,自然像你拖着前女友/前男友,痛哭流涕的问:“为什么!为什么!到底为什么!”一样,人家回答:

渣男:你很好,我们只是没缘分

渣女:你很好,我只是不喜欢男人

你信吗?!……你最好不要信!万一真信了,女的天天求神拜佛苦等渣男回头,男的胯下一刀胸口一填重新做人,那就真把自己整完蛋了。哈哈哈哈。

原文链接:http://www.wanshiruyi.cc/news/17908.html,转载和复制请保留此链接。
以上就是关于做数据分析十年,第一次见到靠谱的归因模型鸳鸯的鸳怎么组词全部的内容,关注我们,带您了解更多相关内容。

特别提示:本信息由相关用户自行提供,真实性未证实,仅供参考。请谨慎采用,风险自负。



上一篇:拥抱科技深化品牌建设:从短视行为到长远战略的转变隐晦是什么意思

下一篇:「华为影业」又拍电影了,这一次是功夫舞蹈洛阳好玩吗

相关推荐