数据分析项目流程数据分析

网易电商数据分析师——学习笔记

2019-02-15  本文已影响53人  译本吐司

2019/2/14-星期四-阴晴天

最近陆陆续续看完了网易电商数据分析师的相关课程,看完课程后的感受我的天一套一套的方法论,跟体验课说的一样这门微专业的课程偏向于理论内功心法的教导,也有很多分析报告的中观方法框架套路。可能我只是看视频,没有到直播现场以及社群交流互动提交作业所以效果还是大打折扣的。这一门课程其实真的像“鸡汤”,只有有了相关的工作经验才能更好的评论这门课是否有用。对于目前的我来说,这门课程没有手把手地教我如何工作,只是给我建立了一个大纲。

所以接下来我应该整理这些课的学习笔记以及在接下来的时间找一个题目输出一份数据分析报告才能真正理解这门数据分析课程。大白话的说数据分析师的学习还有好一段路要走。共勉!

网易电商数据分析师微专业的课程大纲

1、什么是数据分析师

高大上地说数据分析师是连接数据世界和商业世界的桥梁;既要懂商业需求,也要懂数据逻辑分析,将两者进行转义和价值应用。

数据分析师的痛点常被称为马后炮,取数机、表哥/表姐。

2、数据分析应该掌握什么技能

网易电商数据分析师需要掌握的技能,里面的少辰老师起码两次说到工作中常用的是Excel和PPT,SQL常用于取数查询。但是要成为终身学习的学霸型优秀人才,要掌握必不可少的算法和数据挖掘的相关知识。

3、数据分析师的行业分析

关于行业研究,20年代制约行业发展是生产,50年代是顾客;现在是竞争。

1、观察行业需要选取恰当的切入点。

四个观察行业的切入点

①看现状:主要是看目前行业参与者,各参与者的市场份额以及经营状况。

②看发展条件:主要是看行业的环境,政策

③看趋势:行业的空间,增长率

④看模式:看上下游、产业链的发展情况

行业研究侧重研究行业与环境的研究,是一种相对宏观的研究。关注大的趋势而不是具体、短暂的行为;对某些问题解决能力有限:很难从外部环境的变化直接推导到具体业务决策,行业研究的帮助反而不如研究内部经营数据来得大;行业研究能够得到的启发、指引是定性的,而不是定量的。

2、观察行业的三类视角

①分类视角:优点:全面,方便快速把握行业总图景,知悉参与者所处位置。

②产业链的视角:两种产业链视角类型:围绕明确最终产品的产业链,侧重梳理各环节的参与者侧重解读产业链不同环节间的关系,以及价值传递链条。

③比较视角:这种视角帮助我们对不同行业参与者的现状或发展动态,更有助于帮我们看清楚竞争态势。这类视角比较灵活,根据目的不同也有很多不同的具体场景。

3、观察行业四种分析框架

①PEST模型:针对于新兴行业,分析其发展环境,进入条件是否成熟;注意分析内容的相关性。其中6大因素:政治因素(Political)、经济因素(Economic)、社会因素(Social)、技术因素(Technological)、环境因素(Environmental)和法律因素(Legal)。

②波士顿矩阵:市场增长率---相对市场份额矩阵

按照波士顿矩阵的原理,产品市场占有率越高,创造利润的能力越大;另一方面,销售增长率越高,为了维持其增长及扩大市场占有率所需的资金亦越多。

(1)明星产品(stars)。它是指处于高增长率、高市场占有率象限内的产品群。

(2)现金牛产品(cash cow)又称厚利产品。

(3)问题产品(question marks),它是处于高增长率、低市场占有率象限内的产品群。

(4)瘦狗产品(dogs),也称衰退类产品。

③Five Forces模型(波特五力):波特五力模型将大量不同的因素汇集在一个简便的模型中,以此分析一个行业的基本竞争态势。

④SWOT模型:SWOT分析模型,又称为态势分析法。就是将与研究对象密切相关的各种主要内部优势、劣势和外部的机会和威胁等,通过调查列举出来,并依照矩阵形式排列,然后用系统分析的思想,把各种因素相互匹配起来加以分析,从中得出一系列相应的结论,而结论通常带有一定的决策性。

4、数据分析师的用户分析

1、全链路用户分析中关注的指标

2、用户数据分析的三板斧

第一板斧:用户分新老

新用户--在平台进行用户生命周期

老用户

第二板斧:RFM要用好

衡量客户价值和创利能力

最近消费、消费频率、消费金额

第三板斧:完整分析人货场

3、用户数据分析产品化实战--CRM产品为例

CRM客户关系管理系统:企业利用相应的信息技术以及互联网技术协调企业与顾客间在销售、营销和服务上的交互,从而提升其管理方式,向客户提供创新式的个性化的客户交互和服务过程。最终吸引客户、保留旧客户以及将已有用户转化为忠实客户。

闭环MVP实验步骤

     1、目标明确:选人

     2、方式明确:选品-->选场

     3、上线测试:指标体系构建,A/B测试框架

     4、复盘沉淀:策略整合

用户场景的下钻:

5、数据分析的商品分析

电商的核心要素是人、货、场

①商品品类的拆分

②打造爆款商品

③商品销售评价

6、数据分析师的活动分析

活动分析分为三个阶段:预热准备阶段、主场监控阶段、活动复盘阶段。

活动分析典型分析框架——以双十一“红包”项目为例

1、预热——活动数值策划中的套路

①目标制定——预测未来

1、基于活动爆发度预估法(小体量快速发展阶段)

活动GMV = 活动前平销GMV × 爆发倍率

【注意】:

      1、活动促销力度需接近

      2、不同时间阶段需进行一定加权或近期为准

      3、平销对比基数需保证一致

      4、构建嵌套公式的Excel调节模板

      5、结合资源、人群、类目侧重等拆分的预估

2、基于已有用户表现预估法(大体量用户稳定阶段)

活动GMV = 活动支付用户 × 用户支付arpu

用户购买概率预测:加购物车、收藏、搜索、近期访问详情页、是否消费、用户消费频次。

用户购买金额预测:类目/商品偏好、日常订单价、促销期订单价、优惠敏感度、近期商品偏好。

2、监控——实现有价值的监控

用户视角、流量视角、商品视角、arpu视角

3、复盘——Insight是如何炼成的

7、数据分析师的商品品牌分析

1、品牌定位,如何准确定位

消费者心智特征:

①消费者喜欢简单、讨厌复杂

②消费者缺乏安全感

③消费者对品牌的印象不会轻易改变

2、量化品牌的分析方法

①Graveyard模型

②品牌发展指数模型

③金字塔气泡联想

3、品牌的情感属性定位

4、品牌建立检测机制

品牌检测需要关注的方面:心智占领、品牌高度、溢价能力、关联度、认知程度、品牌区隔

8、总结数据分析师

9、职场中更好的未来——终生学习

上一篇下一篇

猜你喜欢

热点阅读