需求篇:需求的来源-数据分析
编辑导语:数据分析是目前互联网必备的一项基本技能,那么数据分析该怎么做呢?本文作者从需求的来源谈论其数据分析方法,我们一起来看下。
今天给大家带来的是需求来源的第二篇,也是我特别想和大家唠唠的一篇——数据分析。
一、数据是什么
要想搞懂数据分析,首先要理解什么是数据。
一种划分方法将数据分为两种,一种是 原始数据 ,一种是经过 处理后的数据 。
很多做售后服务的公司会关心客户报修/发起一个服务需求后,一线工程师的回电响应速度和上门维修速度。
有的还会以售后服务的及时性作为核心竞争力,那要如何衡量回电响应速度和维修速度呢?
拿快递公司举例,现在的一个标准为快递员在接到客户的寄件要求后,需要30分钟内回电,2小时内上门。如果以这个为服务标准,可以定义出30分钟回电率和2小时上门率的指标。
在公司内部,一般一次客户服务请求的处理过程叫一个工单。
那么,30分钟回电率和2小时上门率的指标可以用下面的方式定义。
- 30分钟回电率=30分钟内回电的寄件工单数量/所有寄件工单数量;
- 2小时上门率=2小时内上门的寄件工单数量/所有寄件工单数量。
这时候有的小伙伴就会问了,你怎么知道这个工单是否在30分钟内回电或者在2小时内上门呢?快递小哥分布在全国各地,总不能一个个监督盯着吧?
你说的一点毛病都没有,这个问题在信息化时代之前确实不好解决。
而现在不一样了,当客户在小程序上创建好一个寄快递的工单后,可以获取到提交工单的时间,快递公司内部会将工单创建成功的时间录入数据库。
同时,在企业内部一般都有内部的管理系统,用于记录工单的流转过程,可以获取并记录到快递员第一次回拨客户电话的时间。
同理,我们可以要求快递员在上门后点击上门按钮,使用点击按钮的时间作为上门时间。
上面提到的记录工单提交时间,快递员回拨电话的时间,上门的时间等数据的记录过程,有一个专用的概念—— 数据埋点 。
工单创建时间、售后回拨电话时间和售后上门时间,这三个数据都是原始数据。而计算后得到的30分钟回电率和2小时上门率是经过处理后的数据。
二、数据分析是什么
数据是最宝贵的生产资料之一,通过积累的数据可以发现客户潜在的需求,验证PM对于需求的判断是否准确。
使用数据发现需求、验证需求的过程,就是数据分析的一种定义。
在我看来,数据分析既可以用来提供灵感,某些灵感验证后会变成有价值的需求,也用来验证需求是否存在以及需求大小。
这么说有些抽象,我在下面举一些例子来说明。
三、数据分析的两个方向
数据分析一般有两种运用的方向,一种是自下而上的,一种是自上而下的。
首先说第一种自下而上的运用方法。
当你对业务有一定感知,知道某个方向或事件存在机会,但模模糊糊看不清楚时,需要确认自己的判断是否准确、具体的影响范围、影响程度。这时可以用数据衡量出来。
举个例子,假设你所在公司的业务是给饭店酒楼提供冰箱、冰柜之类的制冷设备,并且是租赁的形式。
你的工位正好位于客服组的对面,每天都能听到客服小姐姐在接听客户电话,处理设备维修、经朋友推荐需要合作、回访看看满意度怎么样等等问题。
一个平淡无奇的周一,你突然感到今天的报修电话好像格外多,但是不确定是不是偶发情况。
因为这些设备直接影响食材的质量,出现故障会给商家造成损失。
同时租赁的形式看重的是客户续费的情况、按时回款的情况,如果设备频频出现故障客户满意度会下降,进而影响后续的合作。所以报修率是一个关键指标。
这个时候可以打开滴答清单记下这个信息,保持关注。
之后一连三四天,报修电话都很多,这个时候你坐不住了,询问客服同学最近有没有感觉报修变多了,客服同学身在一线,感知都很敏锐,会认同你的观点。
接着你可以问,感觉最近多出来报修,客户一般反馈什么故障现象,她们说冰箱制冷总是时好时坏。
这时候你可以拉出最近所有发单备注有制冷、偶发、时好时坏等关键词的报修工单。如果想更精确的了解问题,时间充裕的前提下,可以抽着看下最近一周的所有报修工单。
拿到这些冰箱时好时坏的报修工单,和之前月份同样故障现象的工单数量比较了下,发现确实最近多了很多(数据分析的过程)。
之后你给最近维修过这类故障的售后打电话询问情况,发现是某一个零件老出故障。
然后顺藤摸瓜,询问研发和采购,发现这个零件是个外购件,并且最近更换了供应商,在测试零件质量时时间不够,样本量也不够,导致测试时没发现问题。
背后的原因是引进外购件时,测试环节不完善导致的。
这样你就用数据验证了你的业务感知,并且挖掘出了一个业务上的优化点。
其次来说说自上而下的运用方法。
当对业务有比较深刻的理解后,可以构建指标体系,衡量一个部门的关键指标是否存在异常,通过日常监控指标,发现异常数据,进而去了解背后的问题,从而解决问题。
比如售后部门,一般围绕两个事情做努力:客户满意,服务效率。
怎么能在客户满意的基础上,让一位工程师尽可能多的维护保养一些设备?
可以从满意度和效率两个方向进行指标体系的建设,比如满意可以分为回访满意度、报修后一次解决的比例等。
效率的指标可以用一个人负责的设备台数、一个月内报修的工单数量、完成一个报修的平均时间、核心零部件的故障率等来衡量。
平时把这些关键指标放到一个报表里,日常监督,当发现某一个指标最近突然升高时,去搞清楚背后的原因,有时可以挖掘出有价值的需求。
四、一些小tips
(1)运用数据的前提是对业务有一定感知。
如果没怎么见过客户、也没和一线业务团队经常交流,自己臆想出来的指标通常没什么意义。
(2)数据分析很重要,但是实地的调研更重要。
一周抽一两天时间见客户,比看指标有用的多。因为指标是根据之前的认知定出来的,并且很难衡量现场的全部问题,新的问题不一定全部能反应到指标上。
只盯着指标看,就会出现看似一切良好、欣欣向荣,实则一塌糊涂的情况。
本文由 @易哲 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