數據不是單純的數學題,但只要愈來愈接近,愈來愈準確就會大有幫助。


在數據分析或者數字管理的領域裡,追求百分之百精確不是個錯誤,但卻會讓你裹足不前,什麼都不願意嘗試。

KPI多數看的是結果指標,是落後的,但數據管理需要看領先指標(或稱過程指標),而這些一般只是PI

 

舉例來說,KPI是銷售額,PI可能是成交客戶數、客單價、轉化率、推薦率,但我們知道,要達成銷售額目標,你必然要先達成這幾項PI指標,反過來說,日常營運時你已經發現這些領先指標未達到標準,那合理的猜想你最終的KPI也達不成,領先指標是個警示燈,讓你不會總是等到有問題才來解決。

有些公司的管理更加完善,可能不只看一層,而會往前看,現在有多少的潛在成交機會、有多少的流量、多少的潛在推薦機會、多少的退費正在處理或醞釀,你就有機會預測出一個大概的業績數字,然後跟目標值做比對,更早找出你可以在哪一塊施力。

數據需要養、擴展或整合,不能單單仰賴既有數據,因為數據永遠不會有備齊的一天。

當我們想要做精準行銷、差異化服務、個性化推薦,或一些比較基礎的客戶狀態檢視時發現手邊的數據不夠,這算起來是很正常的,就跟女人的衣櫃裡永遠少一件衣服一樣,當你想到要幹嘛時,通常才會發現不足之處,我的建議是,一些差異性的服務,有多少數據用多少,能做多少先做多少,並且要開始養數據,透過各種方法把數據收集回來,這樣你才有可能在三個月後啟動你本來的計畫。

用戶數據有時效性,但也有時間變異性。抱著既有的數據喊著不夠,這是不會改變現狀的。

時效性比較容易理解,有些數據會過期,例如客戶的職業、婚姻狀態、子女人數、居住地等,這些你必須要有機制能定期更新它,否則很容易就過期了,你總不好發訊給一個客人,祝他結婚紀念日快樂,但其實他最近才結束他的婚姻吧,客人不會主動告訴你他的狀態改變,你可以仰賴一些行為的改變來假設,並丟出一些訊息去驗證你的假設,但持續更新用戶的資訊。

而時間變異性是什麼?既然用戶的狀態會改變,那代表兩年前對你產品沒需求的客人,兩年後會不會變得有興趣呢?這樣的名單是否值得再開發一次?過去的用戶狀態,不代表他現在的狀態,近期未成交的名單,當下再次開發的成交率說不定比兩年前的舊名單來的更低,善用這個觀念,你可以更有效的運用舊數據。

歷史數據善加利用價值很大

我們在做數據分析會去建立統計模型,而統計模型的建立通常是透過歷史數據,因為那些是已經發生過的事情,所以你可以更輕易的找出,跟據統計,哪類型的客戶更容易成交,有哪些屬性、行為的客戶更容易推薦客人,然後可以更準的幫你找出符合這些特性的客群,營運端要如何切入就更有譜了

 並非要百分之百能衡量的數據才有意義,只要能提高價值,降低風險,這個數據就有幫助

在數據分析或者數字管理的領域裡,追求百分之百精確不是個錯誤,但卻會讓你裹足不前,什麼都不願意嘗試。

我舉個簡單的例子,如果今天要做精準行銷,你找到一群曾經在你店裡買過電鍋、吹風機、尿布的客戶,你認為這些人的背景應該是有小孩子的已婚婦女,貴公司準備上架一組超便利的廚房清潔工具,訴求極安全且無毒,不用怕小孩子調皮搗蛋去拿來玩。

 

你會不會把廣告或促銷資訊推送給這群客人?
如果你的答案是「會」,我會問你:「你有百分之百把握打到正確的TA嗎?」,不會,不管你對客戶的畫像再怎麼有信心,也不可能百分之百命中,因為人的狀態是變動的,而你對客戶的現況資料也永遠不會有備齊的一天,你只能做到盡可能的精準。

 

但你要記得,當你現在握有的資訊,讓你的精準率比本來高,那就值得嘗試了,而嘗試後的結果又會成為下一次修正的依據,廣告之所以會愈打愈準,就是因為不斷的嘗試與修正後的結果,但無論怎麼準, 廣告都不可能百分之百精準。

一樣的話題,在企業經營上,你可能時常會遭遇到一堆無法衡量的事物,例如員工忠誠度、員工工作成果、品牌價值、風險等,但我想強調的是,它們並非百分之百不可衡量,你仍然可以找到一些有幫助的indicators來作為你衡量的依據,進而降低不確定性,例如倒閉風險,你可以從資金使用狀況、現金流、銷售業績、客戶退貨狀況、競爭對手成長狀況等多方面來得出公司會否倒閉的風險值,即便只能衡量其中的30%,但你已經把不確定性降低了三成,這已經比本來強的多。

不要期待能百分之百的衡量一件事,也不用期待商業上的所有事物會百分之百準確,商業問題不是單純的數學題,但只要愈來愈接近,愈來愈準確就會大有幫助。

gipi
作者:游舒帆 gipi

https://dotblogs.com.tw/jimmyyu

 

資料來源:1

comments

登入

學習地圖