編輯導語：在我們的日常工作中經常會用到數據分析的方法，數據分析可幫助人們做出判斷，以便采取适當行動，提高工作效率；并且不論是什麼崗位或者行業，數據分析都可以是一項基本的技能；本文作者分享了關于優秀的數據分析應該怎麼做，我們一起來學習一下。

今天來講一個優秀的數據分析實戰案例，全文硬核幹貨，大家做好扶穩慢慢看哦。

問題場景：某互聯網大廠TOB業務線，可以向平台商家提供SaaS/Paas類服務，但苦于銷售水平不高，溝通話術質量不佳，轉化率不足；現計劃做話術培訓，提升客戶轉化率。

一、原始模型

最簡單的做法，定義話術A，話術B，倆版本。直接看轉化率，哪個高了用哪個就好了！（如下圖）

那麼，這麼做有啥問題不？

二、高級建築

最簡單的做法，可能有幾層問題：

問題1：未考慮銷售本身的影響；有可能銷售本身能力強，所以才賣得好；因此，需要針對不同層級的銷售，比如S級、A級、B級、C級，單獨分析話術效果。

問題2：未考慮客戶的影響；有可能特定客戶就是容易成交，因此需要區分客戶等級，比如VIP1，VIP2，VIP3，分别看效果。

問題3：未考慮話術實際影響大小；有可能有的客戶就是說啥都行，有的客戶不管說啥都沒用，隻看價格；因此要做交叉測試，找到能受話術影響的客群（如下圖）。

最後，得到的結果可能如下圖，為每一類銷售，每一種客戶配置合理的話術，最大化産出。

三、第一層地基

問個簡單的問題：銷售的SABC級别是咋來的？

既然有分級，那麼得有判定标準。

而構建判斷标準本身，就是一個大工程。

比如：

• 是否業績表現好的，就是好銷售？
• 意向、簽約、回款、複購，哪個方面能證明他是好銷售？
• 以上四個方面，每個都至少有數量和金額兩個指标……
• 如果選簽約和回款，兩個指标交叉就是一個矩陣，怎麼定義好？（如下圖）
• 如果是三個指标呢？如果是四個指标呢？

以上所有問題，都有的一番糾結，才有産出。

現在簡化問題，假設就考察簽約金額。簽約金額高的就是好銷售，那麼問題又來了：考察多長時間内的表現？一加入時間維度，新的糾結又開始了：

比如：

考察1個月算不算數？3個月？半年？

考察1個月，這個月好，下個月不好，到底算不算好？

考察3個月，是考察總量，平均值，還是單月達标次數？

考察6個月，穩定性好，越來越好，先好後差的，要不要作區分？（如下圖）

以上所有問題的處理，都是為了得出一個簡單的業務員分級标簽。

同樣的問題，在客戶那裡也存在，一模一樣的糾結。

比如評定客戶等級：

• 考察哪些指标？
• 考察多長時間？
• 指标到什麼水平算好？
• 考察期波動怎麼處理？
• 在未簽約前要不要做預測？咋預？
• 要不要在簽約進度中修正預測？咋修正？

都分析清楚了，才能有準确的客戶評級，特别是售前評級。

正是因為以上工作太過糾結。所以衍生出3種常見的處理辦法：

• 從簡單到複雜：先做單指标分類，再慢慢加，叠代幾次。
• 先抓典型再總結：比如先讓業務方标注幾個正樣本，然後研究他們的特點。
• 從結果倒推：比如業務方KPI是簽約額，那為了達成這個目标，得做到多少。

每一種方法都有各自的工作辦法，這裡先不一一展開。隻是為了讓大家感受到：為了獲取一個準确的分類，需要勞民傷财的大量工作，不然你就隻能做最簡單的，充滿bug的模型。

然而，就算這樣，問題解決了嗎？

四、第二層地基

問：話術A 這個分類又是怎麼來的？

實際上銷售賣東西很少隻說一句話，特别是toB類銷售，前前後後得說很多東西。

這裡至少有四個部分：

• 開場問候：開場寒暄，引入話題
• 産品介紹：主動介紹産品特點，優勢，對客戶的好處
• 問題答疑：針對客戶的問題，解答客戶疑惑
• 促單話術：催着客戶趕緊下單

這裡又衍生出來兩個問題：

第一， 這四個部分的話術如何分類，上标簽，加入到分析之中。

第二， 如何知道銷售說了什麼。

針對問題一，話術本身如何打标簽，如何分類。可以做以下動作：

• 産品介紹的版本
• 客戶問題點：功能、價格、體驗、案例、系統接口
• 促單的話術分類：按項目進度、按優惠、按資源控制

總之，有了這些紮實的基礎工作，才能有最初的話術A這一個分類标簽。這是比較好處理的。

問題二，更糾結。

五、第三層地基

針對問題二，核心在于：數據怎麼采集。

• 如果有SCRM系統，那麼交易流程可以系統化實現，可以一定程度補足數據，比如展示了哪些案例（産品介紹環節）調用了哪些資料（問答環節）查詢了哪些優惠（促單環節）。
• 如果沒有系統支持，那就隻能從其他行為反推，比如銷售培訓，比如銷售策略，比如申請體驗demo類型、數量，比如申請的優惠。

那麼，又衍生出：

• 銷售培訓記錄，培訓類型标簽庫；
• 銷售策略記錄，策略分類标簽庫；
• 申請demo記錄，申請類型标簽庫；
• 價格申請記錄，産品價格折扣标簽庫。

沒有這些記錄和标簽，整個銷售過程處于失控狀态，一不知道幹了什麼，二關聯不到工作結果，根本無法深入分析。總之，一有記錄，二有标簽，這樣分析起來才得心應手。

六、經驗小結

如果孤立地看怎麼找一個好的話術，似乎在地表建築階段，就已經做得很完美了；可實際上，如果脫離了下層大量的地基建設，再華麗的地表建築也蓋不起來。

整個流程串起來，就是用一個龐大的體系，解決了一點點業務上問題；雖然工作量大，但是它真的有效（如下圖）：

注意：這套體系搭建完了，可以起個很好聽的名字，比如CST模型（Customer Success Test），配合架構圖聽起來也是很唬人的。

七、常見問題

為啥實際工作中很難做出有用的分析？本質在于：缺少基建，脫離業務。

做數據的同學，過于指望統計學、算法本身，缺少基礎業務标簽建設，缺少受業務認可的标準結果，不會推動業務去改善流程，多收集數據。

做業務的同學，忽視流程對數據的影響，不重視流程規範與數據采集；以為數據是天上掉下來的，對數據建設漫不經心，卻指望一個“來着頭騰阿公司的大神”一炮搞掂。

兩者一結合，就是盲人騎瞎馬。實際情況是：

就隻會拿着交易結果做交叉，然後無腦輸出：

• 甲行業話術A轉化率高14個點
• 乙行業話術B轉化率高5個點
• ……

當銷售部門來質疑“到底是銷售本身不行、還是話術不行、還是産品不行、還是促銷力度不夠、還是外界因素？”的時候，一個問題都答不上來。最後隻會顫顫巍巍地：“我們找幾個銷售調研下？？？”

八、場景擴展

有同學可能會說：銷售過程本身數字化難度大，如果是線上交易就容易了，每一步都有數據記錄呀。是滴，線上交易是有數據記錄，是能畫出轉化漏鬥，可真遇到最後轉化率不高，咋分析？

• 要不要對推廣渠道評級？
• 要不要預估各渠道響應率？
• 要不要對推廣内容打标簽？
• 要不要對CTA動作打标簽？
• 要不要對轉化産品打标簽？
• 要不要對推送客群打标簽？

這些都是同樣的基礎建設。這些東西不做，遇到最終轉化率低，運營來質疑：到底是渠道本身不行、還是文案不行、還是産品不行、還是促銷力度不夠、還是外界因素？

• 又是隻會拿着渠道類型，客戶類型和轉化流程拉交叉表。
• 又是隻會叨叨：“因為第三步轉化率低了”。
• 又是顫顫巍巍的：“我們找個用戶調研下？”

所以呀，漏鬥圖和漏鬥分析是兩碼事。做漏鬥圖容易，做漏鬥分析，就得認認真真設計思路，做好基礎，排除雜糅因素。

很多同學問：有沒有比漏鬥模型更高級的分析方法，其實隻要做得好，漏鬥圖分分鐘變成UJM模型。

#專欄作家#

接地氣的陳老師，接地氣學堂，人人都是産品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是産品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議。

,