惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Google DeepMind News
Google DeepMind News
aimingoo的专栏
aimingoo的专栏
爱范儿
爱范儿
D
Docker
I
InfoQ
Microsoft Security Blog
Microsoft Security Blog
G
Google Developers Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Vercel News
Vercel News
H
Hackread – Cybersecurity News, Data Breaches, AI and More
T
Tailwind CSS Blog
D
DataBreaches.Net
月光博客
月光博客
N
Netflix TechBlog - Medium
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
V
Visual Studio Blog
MyScale Blog
MyScale Blog
B
Blog
阮一峰的网络日志
阮一峰的网络日志
L
LangChain Blog
Recent Announcements
Recent Announcements
Microsoft Azure Blog
Microsoft Azure Blog
WordPress大学
WordPress大学

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
魔法数字是什么?如何用数据分析找到它
接地气的陈老师 · 2022-11-18 · via 人人都是产品经理

你知道什么是魔法数字吗?在运营中它发挥着怎样的功效?我们跟着作者一起来认识一下它,并了解一下如何通过数据分析找到它,以便帮助我们更好地运营。

花里胡哨的新词,经常给同学们带来困扰。

用户增长概念火了以后,随之而来的一个魔法数字,就搞糊涂了很多人。还闹出很多笑话,比如下边这个。

请听题:

某互联网公司toB业务的销售运营,发现了一个魔法数字:只要销售们打电话100次以上,通话100分钟以上,成交率就会明显飙升(如下图),于是销售运营制定了双100任务,要求人人每天达到这两个指标,还在电话间挂上了“只要没打死,就往死里打”的大标语。

结果搞得销售们叫苦连天,疯狂加班,还屁业绩没有,离职率也上去了。现在请数据分析师找找原因。

魔法数字是什么?如何用数据分析找到它

一、魔法数字的最初含义

魔法数字最初仅仅是用户留存分析中的一种方法:找到影响用户留存的最关键变量,之后改善这个变量的数值,从而达到改善留存的目的。

比如我们发现:一周内点击分享5次及以上的用户,留存率明显高出30%,所以我们就定5次为魔法数字,然后想办法让用户多分享。

具体操作分4步:

  1. 列出可采集数据的用户行为
  2. 分析行为与留存率关系,找出高度相关行为
  3. 剔除其中不适合业务做改善的行为
  4. 得出适合做改善行为的魔法数字

有同学会说,这不就是找关键因素吗!是滴,没错,就是找关键因素。

可就像找关键指标被叫做“北极星指标”一样,互联网行业就是爱造新词,关键因素就被称做“魔法数字”了。

可如同所有新词一样,很快魔法数字的说法就被滥用,于是有了开篇的问题。光抱怨没有用,我们一起看看这个问题是怎么来的。

二、魔法数字的错误做法

最大的错误,就是很多同学把结果当过程,以为只要找到一个有明显差异的分组,就算找到(如下图):

魔法数字是什么?如何用数据分析找到它

这样做,犯了一个统计学上基本错误:把相关当因果。就如同开篇的问题一样,看似拨打100次以上,有效通话100分钟以上的人业绩好,可反问一下:

  1. 是不是因为客户本身愿意聊,所以才能聊到100分钟呢?
  2. 是不是因为他原本的客户就多,所以才需要打100次呢?
  3. 是不是达成100次条件的,每个月就不是同一个人呢?

因果倒置,很有可能发生。很有可能是因为业务员已经谈成了客户,所以才会跟客户聊这么久。

而不是因为他聊得久,所以客户才愿意跟他签约。这里需要有更科学的方法,全面分析“到底是什么让业务员优秀”。而不是简单地做个分组对比了事。

三、找魔法数字的正确姿势

首先思考下:开头的题目是什么类型?

  • 是多少
  • 是什么
  • 为什么
  • 会怎样
  • 又如何

找魔法数据的本质,是找到驱动用户/业务的关键因素。因此想解开头的题目,得先弄清楚:为啥有的销售好,有的销售差。

因此这个题目选C。弄清了原因,才找能关键行动;弄清了行动,才知道用什么数字来衡量,这才是真正魔法数字。按这样的顺序操作,才不至于陷入“就数论数,因果倒置”的错误里。

特别要注意,互联网toB业务的销售有其特殊性:

  • toB业务人际关系很重要,自带资源多的销售就是签约多。
  • toB业务高度依赖个人能力,因此有可能有成功的不传秘方。
  • toB业务的客户有采购周期,因此可能有销售的旺季/淡季。
  • toB业务陌生拜访成交率天生低,销售们有可能是纯碰运气。

基于这些特点,想要找成功原因,就不能偏执的追求“思维觉醒”、“能力提升”、“敢拼就敢赢”、早上喊打鸡血口号、中午群魔乱舞跳工间操、晚上罚裸奔——诸如此类没节操的办法,这是传销窝点常干的事。

客观分析销售业务成功因素,试图区分运气、资源、季节性等原因,才是正道(如下图):

魔法数字是什么?如何用数据分析找到它

这五种情况里,情况1还需要进一步区分:到底是能力还是背景。或者背景起到多大作用。这导致的策略方向会完全不一样:如果背景特别重要,那么就干脆招有背景的人;如果有明显待改进的行为,就努力培养这种行为。

想梳理清楚,先看背景、再看行为会更好。因为销售的行为采集比较难,不见得能采集到完整行为,特别是话术、技巧、语气这种不可量化的因素。但背景信息有简历,有很多结构化数据做分析(如下图)。

魔法数字是什么?如何用数据分析找到它

就像科比可以早上4点起来练球,但早上4点起来练球并不能让你成为科比一样。脱离行为组合,单纯地抓某一两个动作,并不能让普通人达到优秀者的水平。

当然更蠢的做法,是把不同优秀者的行为拼接到一个人身上,是滴,就是我们家老妈子干的事:你咋不像A那样勤奋,你咋不像B那样爱运动,你咋不像C英语讲那么溜……这么干简直能把人气死。

所以分析行为的时候,不要拿每一个指标与结果做交叉,而是先找到标杆,再拆解标杆的行为,总结出一些规律,再拿着标杆的行为与普通人做对比。这样才更容易看到差距,找到一套可复制的打法(如下图):

魔法数字是什么?如何用数据分析找到它

四、从魔法数字到行动策略

经过数据分析,我们摸清了销售成功的原因。基于数据,会衍生出四种基本策略:

  1. 行为培养型:找到影响成单的关键行为,提升关键行为。
  2. 人才引进型:直接找有天生资源的销售,榨干了就换人。
  3. 季节加码型:提前预备人力,在采购季来临之时狂轰烂炸。
  4. 人海战术型:所谓“卖报童效应”,多点人,多干点。

注意,策略2、3、4都跟魔法数字没有关系。策略2是招聘策略,尽可能招聘优质销售。策略3、4都是人海战术,靠大力出奇迹。只有策略1才会用到魔法数字,而且很有可能不是一个数字,而是一个行为组合。

比如:

  • 成交五步法:先说A话术,再说B话术
  • 开门七件事:日工作计划、目标、名单准备
  • 五做五不做:坚决避免的5种错误
  • 二七一十四:2次沟通率,7个切入点,14分钟介绍

总之,能提高业绩的行为就是好行为。

把这些行为、话术、技巧提炼出来,就是数据分析提升业绩的最好办法。

拒绝傻憨憨地打鸡血,才是数据分析师的贡献。至于名字是魔法数字还是关键因素,大家爱听啥就听啥好了,哈哈。

专栏作家

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。