我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。
作者介绍:TigerHu,某在线教育企业大数据营销产品负责人,主导数据产品线和营销 CRM 产品线。
本文内容均从作者真实实践过程出发,结合在线教育业务背景和当时的客观条件,深入分析大数据营销平台实战,尽可能详细地为大家阐述企业数据化之路由底层建设到 MVP 方案,再到推广落地的完整过程。
接上篇大数据营销平台搭建后,本文将侧重于数据产品推广应用。以下为正文。
数据产品部署完成后相当于找到了鱼竿和钓鱼的方法,但是能不能拿着鱼竿钓到鱼这就不太好说了。每个人的认知和实践能力是不一样的,怎么让用户将方法和工具融会贯通,真正达到授人以渔?
不仅仅是数据产品,所有的 B 端产品都会面临实施效果问题,这里所说的 B 端产品不仅包括 To B 企业服务的商业化 B 端产品,也包括企业内部自建的 B 端产品。
有位运营小伙伴曾经讲过一个笑话:他上家公司老板拍板买了某家企业的数据分析工具,结果一年过去了所有运营同学都不知道系统登录地址是啥,可能只有老板自己在用吧。换个角度来看,想要达到实施效果最大化,需要甲乙双方共同努力,而内因在很大程度上是主要因素。
在数据产品方案全面推广实施初期,该在线教育企业也曾面临挑战:
虽然汇报工作时,大多数人都把数据化运营挂在嘴边,但是真到落地环节,又会因为工作惯性不愿意改变。提供一个系统让员工自己去用,在入门阶段其实就增加了工作成本,也就出现了“从入门到放弃”的场景。
在该在线教育企业数据平台应用前期,自觉使用的人聚集在投放、网站运营等团队,不足 10 人;而且这些团队只关注他们 KPI 的核心指标:名片量、注册用户数、PV、UV 等,分析模型的使用集中在事件分析、漏斗分析、用户属性分析。
在第一次全员培训时,大家热情较高,但后来其实并未大范围使用。通过调研发现,大部分人
其实对基础功能了解不多,有的是看过教程但上手较难,有的在使用过程遇到困难、发现问题等,却不好意思提问,还有的是事务性工作太多没时间使用等。
前面也提到,前期自觉使用起来的运营人员集中在几个常见的分析模型功能,且分析的指标也是盯着自己的 KPI,对影响最终 KPI 结果的各环节指标分析不足,缺乏对业务流程梳理和量化分析的能力。
如何熟练使用系统功能,并融会贯通地应用在业务场景中,确实难度较大。
统计口径不一主要体现在两个层面:第一种是业务同学在神策分析上查看的数据与内部业务系统对不上,这里面存在埋点误差的情况,在本文中作者强调人为原因导致的情况,因为有些运营小伙伴对原子指标和维度理解不透彻,在不同系统查询的过程中原子指标选择、或者维度选择不一致造成的。
另一种情况是,同一系统上(都在神策分析上查询)不同人员对同一指标(名字叫法相同)定义不同造成的。
基于以上分析,可以对大体问题做到心中有数,那如何解决呢?请看下图:
从上面的解决思路我们可以看到,处于核心位置的是阿尔法行动,这个行动的“质”是培养核心用户(后面会做具体说明),有利于提升使用氛围,探索公司对数据系统使用的培训考核机制,纳入新人入职的培训体系。
当核心用户的培养进行过几次之后,不出意外的话企业的数据化运营氛围会提升,核心用户也会扩大,需求自然增多,系统便步入正向迭代阶段。
核心用户扩大后,拥有分析师角色权限的人员会增多,使用不规范情况会随之增多,需要对使用环节进行治理避免陷入无序,也就是要对使用关键环节进行规范化。
组织阿尔法行动的目的是为了
培养并扩大核心用户群体,宣传并提升数据化运营氛围,
在行动的多轮实施和迭代中建立常规化的培训考核机制。
(1)组建行动小队
:
行动的发起需要征求到公司高层的支持。高层的赋权不仅明确了其合法性,也会决定其在公司内部的影响力和受关注程度。
-
-
业务顾问,熟悉公司运营业务的骨干人员,在行动过程中提供业务指导;
-
技术支持,这里的技术支持是指熟悉系统功能的人员,可以是内部的产品经理,当然如果能邀请到分析师会更好;
-
参培人员,即被培训对象,建议前几期选择成长型年轻人,学习能力、接受新事物能力相对较强。
(2)制定实战训练课程:
课程方案的制定需要和公司业务相结合,从参培人的实际工作内容中找主题,这样既能达到实战化效果,也不会给参培人增加额外工作负担;建议设定两个主题,由易到难;每周定期开会小复盘,总结规律反思不足,时间建议 3~5 周。
(3)复盘分享 & 评优:
此环节是活动最后高潮部分,全员对本次行动进行公开复盘总结,向全公司运营人发出邀请,分享案例、收获、心得。复盘分享完毕后,评选优秀学员,由公司领导颁奖,借此进行内部新闻宣传,进一步强调数据化运营理念。
虽然阿尔法行动不涉及软件开发,只是一个培训活动,但是我们也要用项目管理的思维来看待,采用 PDCA 的项目管理思路,可以有效降低翻车风险,毕竟组织一次不容易。
(1)P (Plan) 计划,包括方针和目标的确定,以及活动规划的制定。
(2)D (Do) 执行,根据已知的信息,设计具体的方法、方案和计划布局;再根据设计和布局,进行具体运作,实现计划中的内容。
(3)C (Check) 检查,不仅要对最终的结果进行 check,过程中也要设定检查节点,及时发现问题。比如在阿尔法行动执行过程中,每个主题可能为期 2 周左右,差不多 1 周的时候可以在群里询问各位参培人员的进度,让他们发思维导图并 check 他们的分析思路是否正确。
(4)A (Action)行动,对阶段性结果进行处理,对成功的经验加以肯定,并予以标准化;对于失败的教训也要总结,引起重视;对于没有解决的问题,应提交给下一个 PDCA 循环中去解决。
以上四个过程不是运行一次就结束,而是要在多次行动中周而复始的进行,一次行动完了,解决一些问题,未解决的问题进入下一次行动中,阶梯式上升。
这与神策数据提出的
基于数据流的企业运营框架 SDAF
的本质类似,
集感知(Sense)、决策(Decision)、行动(Action)、反馈(Feedback)为一体。
在《精益生产》中的 PDCA 落地过程中,生产制造的目标往往是确定的,而互联网是一个快速迭代的行业,需要不断做决策、不断执行与反馈。
相比较而言,
神策的 SDAF 更适合数字化转型期间的互联网企业,从观察到动作,全方位释放价值。
神策数据全面升级的 SDAF 运营框架要做的是帮着客户把整个闭环建立起来,并让它高效运转。
在规范使用、治理等方面,可以通过以下五大机制入手:
-
用户分层责权分明,将参与阿尔法行动培训的人员制定为分析师角色
-
以上便是数据平台搭建与应用的分享,接下来作者将会针对在线教育企业线索标签体系搭建及培育做全流程解析,敬请期待!