案例分析
描述性分析
- 探索性研究（模棱两可的问题）- 为什么销量在下降？
- 问题比较开放，可以考虑成立专案小组，以有奖活动的形式邀请客户共同探讨
- 通过问卷调查的方式了解是产品出了问题？服务出了问题？价格出了问题？
- 描述性研究（已知问题）- 谁在购买我们的产品？谁在购买竞争对手的产品？
- 购买我们的产品，直接通过自有系统或者平台开放接口就能收集到
- 购买竞争对手的产品可以通过问卷调查、爬虫、购买数据等方式获取
- 因果关系研究（定义明确的问题）- 因果推论需要3个因素
- 是否存在相关关系？（x和y之间存在关联的证据）
- 时间上是否具有先行性?（x必须出现在y之前）
- 有没有某一因素驱动相关关系和因果关系？（控制其他可能的因素）
- 相关关系（两个变量之间的关系）不等于因果关系（一个变量对另一个变量产生影响）
问卷调查常用类型
- 逐项分类 - 你对淘宝的满意度如何？A.非常不满意 B.相对不满意 C.中立 D.相对满意 E.非常满意
- 优点：能够抽样收集到客户对淘宝的满意度分布
- 缺点：没有对比
- 对比问题 - 与京东对比，你觉得淘宝的物流怎么样？A.很差 B.非常差 C.差到极致
- 优点：可以进行对比，明显能够感受到菜狗帮不如兄弟帮（菜狗帮的成立主要是为了收割快递公司和节约成本的，并不是为了提升用户体验）
- 缺点：丢失信息，不能收集到客户对淘宝的满意度分布
- 排序问题 - 对电商平台各种服务的重要程度进行排序，如：快递速度、价格、客服态度、商品质量、退换货效率、商品种类、商品页美观程度、商品描述与实物相符程度等等
- 优点：类别清楚，能够清晰的知道每个服务的重要程度
- 缺点：对比过多，对填表人体验较差，可能会乱填
- 配对比较 - 以下两款产品更喜欢哪个？
- iPhone13Pro：上市日期：2021年9月 价格：8000 宽度：72cm 厚度：7.7cm 等等等等
- 小米12Pro：上市日期：2021年12月 价格：5000 宽度：75cm 厚度：8.7cm 等等等等
- 优点：对比较少，对填表人体检较好
- 缺点：信息缺失，可能人家更喜欢OPPO呢，又或者人家更在意的选项（如：操作系统）不在对比范围内
- 李克特量表 - 很多个逐项分类（选项相同）合并到一起，比如：
- 你对淘宝的满意度如何？A.非常不满意 B.相对不满意 C.中立 D.相对满意 E.非常满意
- 你对京东的满意度如何？A.非常不满意 B.相对不满意 C.中立 D.相对满意 E.非常满意
- 你对知乎的满意度如何？A.非常不满意 B.相对不满意 C.中立 D.相对满意 E.非常满意
- 你对京东物流的满意度如何？A.非常不满意 B.相对不满意 C.中立 D.相对满意 E.非常满意
- 连续量表 - 把逐项分类数字化，比如：非常满意是100，非常不满意是0，然后你可以选0到100区间内的任意值
净推荐值（NPS）
净推荐值（NPS）是许多公司广泛使用的一项常见调查
你向你的朋友或同事推荐一款产品或服务的可能性有多大？他们对产品的接受程度是多少？
- 很好，愿意购买并推荐给其他朋友或同事（推荐者）
- 一般，购买可能是因为碍于情面或你的销售技巧、服务态度等（被动者）
- 很差，垃圾产品，没有兴趣（贬损者）
净推荐值 = 推荐者所占百分比 - 贬损者所占百分比
满意度与获利能力的关系
满意度和获利能力一般是非线性增长的，通常需要经历3个阶段
- 痛点阶段 - 此阶段，你的产品可能还不是特别完善，此时对产品或服务的优化可能会带来业绩的大幅提升
- 平稳阶段 - 此阶段，你的产品和服务相对完善、业绩较为平稳，此时对产品或服务进行升级所带来的业务增长通常并不明显
- 光景阶段 - 此阶段，你的产品和服务已经得到市场初步认可，持续提升满意度能成就你成为行业寡头
超市产品数据分析
促销的影响，可以分析哪些用户对促销比较敏感或者哪些产品搞活动会带来销量的猛增或哪些产品搞不搞活动都有稳定的销售量等等
- 谁购买了我们的促销产品？
- 客户未来的购买计划提前了吗？
- 购买了大米的用户会一直够买大米吗？
商品陈列的影响，什么产品放门口好？什么产品角落好？什么产品适合放在同类产品一起？什么产品和什么产品放一起好？
- 门口放口香糖，人们结账的时候会不会顺便拿一盒？
- 卫生巾、避孕套到底放门口好还是角落好？
- 青菜、萝卜、黄瓜、小葱等要不要放一起？
- 尿布边上要不要放一点啤酒？
移动数据分析
某些场景需要获取用户授权信息（如：外卖、旅游APP、电商、天气等）
那么我们就可以名正言顺地对用户授权信息进行分析了
比如：你点外卖时，优先推荐给你3公里以内的商家
又比如：你每周1到5都出现在陆家嘴，你的收货地址是xxx大楼，那么你是一个金融民工的概率就会大幅提升
然后可以结合你的点单习惯，如：你经常吃爆炒还是轻食、你每周点几次外卖、每次外卖的单价等信息来进一步分析你的收入、性格等等
网络数据分析
- 自有媒体：官网、app、小程序、公众号、微博、直播间等等
- 赢得媒体：微信平台、微博平台、直播平台等。通过分享、评论、@、转发、直播等，获得更多的关注度
- 付费媒体：通过投放广告的方式，获得更多的关注度