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

腾讯CDC
Microsoft Azure Blog
Microsoft Azure Blog
B
Blog
S
SegmentFault 最新的问题
WordPress大学
WordPress大学
P
Proofpoint News Feed
Hugging Face - Blog
Hugging Face - Blog
MyScale Blog
MyScale Blog
A
About on SuperTechFans
雷峰网
雷峰网
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
T
The Blog of Author Tim Ferriss
MongoDB | Blog
MongoDB | Blog
博客园 - 【当耐特】
The Cloudflare Blog
F
Fortinet All Blogs
小众软件
小众软件
博客园 - 三生石上(FineUI控件)
宝玉的分享
宝玉的分享
罗磊的独立博客
量子位
有赞技术团队
有赞技术团队
V
V2EX
Engineering at Meta
Engineering at Meta

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,
运营技能分享:学会判断事项优先级(二)
啥都要运营 · 2024-09-14 · via 人人都是产品经理

我们总是吐槽运营的工作又多又杂,经常是做了这件忘记那件,就需要借助一些工具、模型来管理自己的工作和任务。本文作者分享了两个工具,希望可以帮到大家。

今天想给大家分享2个小工具,帮助大家高效且相对科学地【确认事项优先级】。

聊这个话题的背景是:

有个朋友在国外开了一家咖啡甜品店,近期店铺销售额持续下降。他请了一个本地的职业营销专家,经过初步的背景/问题及诉求沟通,对方给他拟定了一份方案。方案要价3000元,但方案内的策略执行下来,预算接近10万块。他不确定这10万营销费用是否要花,所以他想请我帮忙把把关。

我看对方的方案内容比较简单,三个部分:背景目的、12条策略、执行时间。关于策略部分,取得朋友同意,我截取了对方首推的第一个策略供大家了解。

说实话,看完整个方案,我发现最大的一个问题就在于:没有对销售额下降这件事做任何分析,直接围绕提升销售额给了12条策略,而这12条策略没有对应任何可解决的问题或者对应的拆解目标。就整个过程你会发现,这些玩法你可能在很多地方都看到过,但是你又会内心打鼓,自己用这些方法是不是就一定可以提升销售额呢?

所以这里进入工具分享主题:TAGS和DIVE。为了便于大家理解,我就直接拿我朋友“提升销售额”的诉求来举例了。(数据是举例所需,非真实数据)

一、TAGS

TAGS(T-趋势/A-实际/G-差距/S-目标),这个小工具,主要是帮助我们快速明确现状和目标的差距详情。具体可以看我通过模拟数据展示的表格内容。

这一步很简单,但是正因为简单,可能容易被遗忘掉;这一步也很重要,因为你只看到销售额在下降,你是否知道销售额需要回升到多少,才符合预期?明确知道销售额的标准目标后,那咱们再看现状和目标的差距,差距10%和差距50%的情况是完全不一样的。所以这一步一定不能省掉,且一定要重视。

二、DIVE

DIVE(D-确认问题/I-分析问题根因/V-验证与执行/E-确保维持),这个小工具,简单来说就是帮助我们在对的时间,做对的事情,促成目标达成并维持。

依然还是借用前面的模拟数据来进行案例解析。

1. 确认问题

通过前面的TASG小工具,我们已经可以清晰的看到,当前店铺最大的问题就是:销售额单月目标是15000,1~8月累计销售额目标是12000,但从4月开始每月持续下降,1~8月全年累计销售额已经与目标存在24000的差距。

2. 分析问题根因

这部分涉及到店铺具体的SKU单价,及其月度销售额等情况,信息比较多,暂时也没有现成的数据。所以我是给他搭建了一个简单的数据分析框架,便于他可以快速分析,定位问题。

如果在数据有限的情况下,想快速知道一些关键问题并做些行动,我给到的一级分析维度建议是:

① 店铺当前的SKU数量是否不合理?如果过多,可以对销量、销售额不理想的进行下架处理;如果过少,可以基于销量、销售额排名靠前的属性,进行补充。

② 单品的价格是否不合理?基于单品的特色,及其销售趋势和利润空间,决定是否需要调价,是否可以组合套餐,或配套营销活动;

③ 当前门店的营销重点是否不合理?结合销售趋势,判断过往的营销动作是否达到预期。比如当前店铺主推的单品是否符合预期?是否可以规划一些组合套餐?店铺菜单、海报等宣传物料是否需要调整?

3. 验证与执行

到了这一步,就需要结合第二步分析的情况去行动了。我同样假设前面提到的三点,正好就是最有可能造成销售下滑的根因,那我们需要做两件事情:验证与执行。

这里要注意的是,验证为什么在执行的前面呢?因为我们要先验证根因是否成立,再基于锁定的根因,去给到解决方案。

① 关于验证:我给到的建议是,务必请他本人去到店铺现场,观察。

  • 店铺单日路过人次、门口翻阅菜单或看广告物料的人次、进店人次、询问打折的人次、下单人次……
  • 被消费者主动看到或者被咨询的单品有哪些,成功下单的单品有哪些,复购的单品有哪些,现场被拍摄的单品有哪些……

② 关于执行:我给到的建议是,请一定基于数据和现场观察到的内容,先做一些现场小调研,再落地解决方案。

  • 建议尽量一个方案解决一个问题,以“天”为维度,监测方案有效性,及时调整;
  • 建议每个解决方案,都可以尽量收集相关角色的反馈,不断优化;
  • 对有效的和无效的小方案,做好详细记录,便于后续复制扩大或者排雷。

4. 确保维持

这里其实就是字面意思了,如果问题得到解决,肯定是希望可以维持预期,甚至是稳步提升的。但是更多靠的是一些执行经验和专业能力的加持了。我朋友是初次尝试传统行业的店铺经营,所以前面提到的有效和无效方案的记录,对他来说很重要。

到这里,其实再回过头来看看方案里面的内容,心里面多少会有答案了。在当前是否要去做VIP折扣,是否要去做一些事件营销类的活动,关键在于,当下这些策略能否解决核心问题。而要做好这个判断,就需要用到前面的两个小工具,首先了解当前的现状及趋势,然后确定造成销售额下降的根因。

以上就是这次想给大家分享和交流的2个小工具,也希望同行的伙伴可以多多指教,大家共同进步。

本文由 @平平无奇小运营 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。