數據分析終極一問:多影響因素下,到底咋歸因?!

2020年12月31日 16:12 來源:接地氣學堂 作者:接地氣的陳老師

接地氣的陳老師,微信公眾號:接地氣學堂(微信號:gh_ff21afe83da7)。資深咨詢顧問,在互聯網、金融、快消、零售、耐用、美容等15行業有豐富數據相關經驗。

數據分析領域有幾個經典的終極難題。多影響因素歸因,絕對是其中最讓人頭大的。特別是臨近年底,品牌、售后、客服、供應鏈、運營、產品、商品管理都會跑來,問:“今年業績不錯呀,那么問題便來了:今年公司多賺的10個億,到底幾個億歸功于品牌,到底幾個億歸功于供應……請量化分析一下,謝謝”。

 

那么,到底該怎么分析呢?今天我們詳細講解一下。

 1 多影響因素歸因的表面

為啥這個問題是終極難題,只要做一個實驗,馬上便知道。

同學們可以親自試試哦

第一步:請閉上眼睛

第二步:回憶淘寶里最近買的一件商品

第三步:在腦海里回憶該商品的名稱、包裝、價格、品牌、客服小妹聲音……

第四步:睜開眼,告訴自己:我為這個商品付費的XXX錢,其中有X%是付給名稱,X%付給包裝,X%付費給商品上blingbling的廣告,X%付給快遞叔叔……

 

答得出來不?

 

不但很難答出來,估計很多同學連最近買的是啥都不記得了。

消費者不是所有消費都理性。

消費者不是所有商品都重視。

商家提供的品牌、服務、產品本身就是一個整體。

 

因此站在消費者角度,這個問題從源頭上就不成立。特別是啤酒瓜子礦泉水一類的快消類產品。價格低,消費頻次高,沖動消費多,心情好了就買點,心情不好了也買點,因此很難講清楚。大宗耐用品,比如房子、車子可能思考的多一些,有一定概率區分出來,但是仍然很難量化到每個因素的得分(如果懷疑這點的,想象你結婚那一刻有多糾結,就秒懂了,哈哈)。

 

那么問題來了:為啥明知道分不清楚,各個部門還一而再、再而三要求分家呢?

 

這就觸及到問題的本質:大家的屁股坐在哪里。

 2 多影響因素歸因的本質

表象上看,多影響因素歸因,難在很難拆解數據。

本質上看,多影響因素歸因,只是部門間分贓不均的結果。

每個部門都太急于證明自己的價值,總想努力跟業績指標掛上聯系。

特別在年底,要為部門爭取獎金,要為明年爭取預算,分家的沖動就更高。

 

因此,多影響因素歸因,本質上是在衡量部門價值,這才是核心難點。

 

很多同學會忽視這個核心問題,用一些簡單的數據方法處理。比如:把各個部門的費用設為x,把業績設為y然后懟一個線性回歸模型出來。然后把各個參數的系數視為貢獻大小。且不說,這么干,首先完全誤會了回歸模型的含義;其次,也沒有考慮分類變量和連續變量的問題。單純就結果本身,也會被人噴死。

 

比如,算出來銷售的系數是2,供應鏈的系數是1,那明年多找2倍的銷售,卻只提供1倍的商品,還能有這個銷售業績嗎?肯定不可能啊,有槍沒子彈啊!部門之間分工合作,不是簡單的1+1=2的關系,這是常識因此強行割裂部門間聯系,把不同分類的部門拉在一起評價,是注定要撲街的。

 

因此,破局思路,在于從一開始,就應該直接否掉這種一條公式打天下的想法。從部門工作性質出發,建立科學的衡量機制,從而有效化解這種立功焦慮

 3 破局思路

想破局,首先得分清各個部門的工作類型與貢獻方式(如下圖)

之后,就可以分門別類進行分析考察。

 

軟支持類:放棄直接關聯銷售業績,按需分配。

軟支持的核心問題,在于不能自證清白。對于品牌宣傳而言,即使所有宣傳都帶連接,導流到購買頁面,也無法證明到底用戶購買是多大因為品牌,甚至這些年爆款打法、網紅帶貨,都在可以弱化品牌,突出產品功能和粉絲效應。況且,至少6成以上的品牌宣傳,根本連帶貨鏈接都沒有(比如上市前的宣傳),就更無從談起了。客服、售后也同理,雖然顧客找上門來的時候,這兩者服務很重要。但是主動發起的客戶比例少,因此很難關聯整體業績。

 

這種不做不行,做了說不清楚效果的事,最好直接按整體業績比例分配資源,考核自身的效果,而不是非要強行關聯銷售業績。

 

比如根據產品生命周期/時間,配置宣傳力度(如下圖)宣傳能達成足夠市場認知,覆蓋足夠人數(考核點擊、轉發、閱讀數等等)即完成任務。

比如客服、售后。根據業務總量分配資源和人力。考核本身服務滿意度,服務覆蓋率,從呼叫到響應的速度,嚴重投訴/風險事件的應對速度,等等。做好本職工作及完成任務。

 

硬支持類:考核。

硬支持類的考核就簡單清晰很多:供給到位,損耗降低。并且追求的是峰值控制與長期水平的下降。太過計較一城一地得失,反而容易定出來很死板的流程,搞出很多烏龍(如下圖)

硬拉動類:引入ABtest機制,提前預設目標。

硬拉動類,屬于疊加buff的做法,因此必須事先設好控制變量,否則混在一堆因素里,事后根本無法拆分。比如事先設定好拉動的總目標,事先測試方案效果,事中余留參照組,采集過程數據,這樣才能在事后做好區分。硬拉動類是可以評估的,問題總是出在:事先不做工作,事中不留參照,不踩數據。啥都沒有,事后能分析出來就見鬼了。

 

核心流程:建立分級機制,深入分析影響。

核心流程里,銷售和產品互懟的事也很常見,但是這種互懟是可以分析出,到底過錯在誰那邊的。只要建立好分級機制,對渠道質量、商品屬性進行打標簽分析,監控過程轉化率,是可以做深入分析的,因此核心流程盡量多做分析,不留扯皮空間(如下圖)

 4 現實永遠很骨感

以上只是理想狀態下的建議,實際開工:

● 總有人想爭取更多資源,大喊:“品效合一!”“心智資源!”

● 總有人認為客服售后沒必要,今年再扣他點費用?(從而引發服務部門的奮起反擊“老子也有貢獻!”)

● 總有人喜歡夸大自己貢獻,促銷活動效益寫的巨高,甚至比自然銷量還高。

● 總有人怕被追究責任,拼命往:沒有促銷!沒有支持!產品不給力上推責任。

 

所以有關“到底每個部門貢獻多少,能不能具體到每一塊錢里幾毛幾分是誰來的”的議題,永遠不會停下來。

 

加之,總有新入行的數據分析師,認為只要懟幾個數據進線性回歸或者因子分析模型,就能算個參數出來讓每個部門滿意。所以這種來來回回扯皮的事,還會延續很多很多年,哈哈哈。

 5 小結

類似的數據分析千古難題,還有很多:

● 為什么ABtest中實驗有效,投產沒效,到底怎么測得準!

● 自然增長率要怎么計算,才是全宇宙最公平合理的!

● 用戶心智資源的開發與認知深度的變化,如何衡量!

● 銷售預測,到底怎么才能預測100%精準!

● ……

 

每一個問題,都是表面看似數據分析,背后是人心貪婪,推過攔功。業績好了就說是自己做的,業績不好就甩給外部各自因素,內部各種無法量化的因素,以圖自保。實在不行就說是數據分析能力不行,你咋不早點預測出來呢!做數據分析的同學們,要對這些問題有足夠清晰的認知,不要輕易上當哦。就比如看似最簡單的:自然增長率怎么算,到底咋算才能讓業務部門服氣呢?

本文已獲得授權,轉載請與原作者聯系

更多互聯網行業動態>>請關注微信公眾號“我要啦統計”(微信ID:Analysis_51la)