數字化營銷系列 數據挖掘與數據分析應用 ——發現問題、分析問題、解決問題

1. 數據分析到底是如何指導業務的？

（1小時）

1.現實中，我們是如何發現問題的？——經驗

2.經驗為什么不能被復制？

3.如何準確判斷影響業績的因素？

4.提煉總結數據，構建業務銷售的模型：y=f（x）

5.借助模型，代入數據，發現異常，找到問題

6.改善影響銷售業績的因子，提升業績

【案例】某醫美醫院，如何通過數據分析發現銷售中的問題

【任務】

1.寫出影響我司整體銷售額業績的因子

2.嘗試借助數學公式，提煉出業務模型

2. 如何從一大堆數據中發現問題

（3小時）

1. 數據分析的前提是有業務模型

（1）什么是業務模型？——反映因果的一個函數、算法

（2）先有數據，后又模型，還是先有模型，后有數據？

l 一部分數據是用來建模的

l 一部分數據是用來訓練模型的

l 一部分數據是用來發現問題的

2.業務建模的兩種方式：

（1）通過數據的聚類分析，整理出模型

（2）根據業務運營特征，提煉模型

3.常見的業務大模型：

（1）產品分析：銷售=Σ（單品銷售）

（2）渠道分析：銷售=Σ（渠道業績）=Σ（2B+2b+2C)渠道

（3）周期分析：銷售=訪客*轉化率*客單價

（4）銷售員分析：銷售=Σ（銷售員業績）

4.底層支撐大數據：用戶畫像大數據

（1）用戶的動態畫像分析是所有業務大模型分析判定的基礎

（2）用戶分析，對產品、渠道、周期、營銷策略等構成決策性影響

（3）用戶分析的數據：用戶的動態畫像、標簽

（4）用戶數據的獲取：客戶(2B)和互聯網應用（2C）

（5）用戶數據分析的方法：基于動態便簽畫像的場景、心理、決策等推測及驗證

5.業務數據的獲取：

（1）原始記錄：根據運營周期做好數據記錄（每天）

（2）互聯網：互聯網通道對接醫院等平臺，實時獲取數據

6.業務數據分析的步驟和方法

（1）定義目標和明確目標

（2）按照業務模型從不同維度進行目標分解

（3）通過采集的實時數據，與周期內數據進行對照

（4）明確定值和常量

（5）通過對比，借助各類分析方法，發現表現異常因子

（6）深度剖析影響因子的因素，進行改善

【案例】某醫院渠道3月銷售目標未達標原因分析

【任務】

1.各業務部門按照自身職責劃分（按渠道/按團隊等）展開一級業務模型和二級業務模型的構建

2.對照上月的目標業績，明確做的好的和需要提升的點位。

3. 常見的業務模型分析及問題優化

（2小時）

1.模型一：產品結構分析

（1）定義正常的產品銷售占比

（2）發現產品銷售結構占比異常

（3）分析占比異常的原因

常見對策：

（1）優化模型，重新定義占比結構

（2）對產品在定價、服務內容、營銷策略等方面展開優化

2.模型二：渠道結構和渠道業績分析

（1）定義正常的渠道結構

（2）發現數據異常的渠道

（3）借助二級模型、三級模型，分析出該渠道的問題

常見問題：

（1）渠道模型錯誤，優化渠道占比模型

（2）特定渠道業績出現流量不足、轉化不足、客單較低

（3）二級問題：特定渠道宣傳不足、引導不到位、人員講解、缺乏案例支撐、產品定價不合理等。

常見對策：

（1）流量：做好市場面的品宣、醫院、醫生等方面的客情關系、廣告露出、醫院媒體傳播等

（2）轉化：做好銷售人員的專業培訓、產品活動、產品定價等

3.模型三：周期分析

（1）定義各銷售周期的正常或目標銷售額

（2）分析周期內產品結構

（3）分析周期內各產品的渠道結構

（4）分析各渠道的業績數據

常見問題：

（1）特定周期內銷售未達標

（2）某渠道銷售業績不穩定

（3）某渠道運營策略出問題

常見對策：

（1）優化目標銷售的周期分布

（2）優化渠道結構

（3）優化單渠道的運營策略

【案例】某品牌醫美品牌銷售額數據分析實錄

【任務】

完成上月度的數據分析，發現問題，做出分析推理，找出可以優化的點位