數據分析終極一問:自然增長率,到底怎么算才合理?

0 評論 6810 瀏覽 8 收藏 12 分鐘

編輯導語:提到數據分析中的難題,那自然增長率必須擁有姓名。自然增長率到底怎么算才合理?這是困擾不少人的問題。在本篇文章中,作者分析了理論上的自然增長是怎樣的,并且總結了其面臨的來自現實的挑戰,理論上我們可以如何破局,以及現實中面臨著怎樣的無奈。

數據分析領域有很多終極難題,如果你和營銷、運營等部門打交道,最常遇到的問題一定有一個叫:自然增長率!

  • 到底自然增長率怎么算?
  • 為啥我算出來的他們都說不合理?
  • 為啥他們給的自然增占率都這么低?

諸多疑難雜癥,今天系統講解一下。

一、什么是自然增長率?

自然增長率,是相對于人工增長率而言的。嚴格來說,在商業上是沒有嚴格的自然增長率的,所有的業績都是靠人做出來的。但是,有些部門是能直接產出業績的,有的就只能打輔助,疊buff。

典型的直接產出業績的,比如銷售,直觀的看,所有的業績都是銷售賣出來的。互聯網的廣告投放與此類似,投了廣告,用戶點擊下來,就直接帶來收入。

典型疊buff部門,就是品牌、營銷、推廣、用戶運營、活動運營,他們是在銷售、推廣的基礎上疊buff。

比如:

  • 原本商品賣30元,現在送個優惠券,省5元;
  • 原本商品是食品,現在加個“吃個延年益壽”的宣傳;
  • 原本商品沒牌子,現在加個“國際大牌”、“馳名商標”;
  • 是不是看起來牛逼一點了,買的人可能多一點?有可能,也沒可能!總之很難說清楚。

因此,這些部門就特別想輸出一個:自然增長率的概念。剝離出來“哪些是本來就有的自然銷量,哪些是我的優惠券/積分/小禮品/贈品/廣告/宣傳語/等級/榮譽徽章”帶來的,這就是自然增長率問題的起源。

有意思的是,自從這幫人發明自然增長率以后,銷售們也開始用這個概念,不過用法是:計算自然增長率是多少,然后證明大環境/天氣/運營策劃的傻逼活動產生了負影響,導致銷售沒做好了。

二、理論上的自然增長,長這樣

看起來想剝離品牌、運營、營銷的BUFF很好解決,只要把銷量區分為自然/人工兩個部分就好了!

理論上,自然增長率有三種算法:

1. 方法一:按時間區分

沒做活動之間是自然增長率,做活動期間是人工增長(如下圖):

數據分析終極一問:自然增長率,到底怎么算才合理!

2. 方法二:按人群區分

沒做活動的人是自然增長,做活動的是人工增長(如下圖):

數據分析終極一問:自然增長率,到底怎么算才合理!

3. 方法三:按產品區分

沒做活動的產品是自然增長,做活動的是人工增長(如下圖):

數據分析終極一問:自然增長率,到底怎么算才合理!

理論上確實這么輕松,但實際操作起來,麻煩就來了。

三、來自現實的挑戰

1. 挑戰一:非活動時間數據不工整

從本質上看,顧客不會時時刻刻均勻的到店買東西。

想逛街要等下班、等周末、等放假;想上網得等有空、摸魚、娃睡了的時候,因此非活動期間數據本身就是高低起伏。到底選3個月平均?選最近一個月?選最近一周?因為這個事經常有吵架。

2. 挑戰二:幾乎天天做活動,沒有非活動期

這個在零售、電商、游戲等行業都很常見,活動幾乎天天都在做,無法選非活動期。或者非活動期只有兩個大活動之間短短數周,本身處于大促結束后的回暖時期,根本不足為據,這樣時間法基本就廢掉了。

3. 挑戰三:商品屬性、生命周期不同,無法類比

首先:很難選出一模一樣的商品進行對比,兩款商品或多或少存在差異。

其次:商品本身的銷量走勢,也是人為做出來的。商品賣的好了需要加單,商品賣的差了需要清倉,因此眼前的銷量很難被認定為:“自然”。

4. 挑戰四:不是所有活動都適合劃分參照人群

比如618,雙十一大促,還閑參與的人不夠多呢,不可能剔除某些人不參加。

比如非電商渠道,非即時消費產品,如果搞區分人群定價,很容易引發竄貨,或者被消費者舉報到市場監督局,定一個“大數據殺熟”的罪名。

5. 挑戰五:參照人群的劃法,很難一碗水端平

即時分參照人群,也很難說明問題。因為最終要測試的是購買行為,而影響購買行為的變量很多。

性別、年齡、過往購買頻率、品牌忠誠度、促銷敏感性等等因素都有影響,因此通過分析抽樣,可以輕松做出來購買率很低的參照組,從而讓ABtest失效。

6. 挑戰六:外部影響沒有考慮

即使以上因素全部考慮,依然有人跳出來說:你沒有考慮宏觀環境/天氣/政策/社群族群等等影響。總之,原本應該下跌30%以上的,你看XX同行就跌了這么多,所以我們下跌20%是正常的,是我們的成果。

更深層地看,之所以有這么多亂七八糟的爭論,本質就是兩字:甩鍋。不是為了讓自己的工作蓬蓽生輝,誰又會這么賣力的推過攬功,舌花燦爛呢?你說的數讓人家的績效不好看了,人家就會找各種理由噴你,就這么簡單。

四、理論上的破局

有沒有合理的解決辦法?理論上有!

解決的前提就是站在二層樓看問題,把屁股從小部門位置上挪開。思考:到底做到啥程度真的對業績有幫助,如何完成自己的任務,提高整體效率。

首先,要排除的是把鍋甩給外部因素。

是否是外部環境變化,其實從數據上很好識別,只要滿足四大條件就能說:這是主要受外部影響(如下圖)。但是,如果不能滿足四大條件,僅僅是看到一條新聞報道、聽說了同行的抱怨、就不拿來說事。

數據分析終極一問:自然增長率,到底怎么算才合理!

其次:對于直接產生業績的部門,根本就不要扯啥自然增長。達標就是達標,不達標就是不達標。只是看從呢不找辦法,還是外部找辦法。

再次:對于疊buff部門,可以算自然增長,但是要分三大類型算:

數據分析終極一問:自然增長率,到底怎么算才合理!

簡單來說,就是:

  • 不背硬指標的,自己和自己過往比;
  • 背硬指標但是有明確任務的,先完成任務;
  • 背硬指標,且背整體指標的,關注整體,不糾結細節。整體不達標,你光嗶嗶我自己做的好,照樣沒人信;
  • 背硬指標,且分群營銷的,直接上ABtest,不整虛的。

當然,還有最簡單的辦法,就是:買定離手法。

所有人提前共識算法,用最近X周也好,用去年同期也好。總之,在項目開始之前共識好。之后買定離手,事后效果不好了自己反思原因。一開始不定好參照組,事后自然會百般狡辯。

五、現實中的無奈

然而以上僅僅是理論,現實中,無論怎樣,都是:

  • 負責疊buff的運營,總是想證明自己一手遮天;
  • 負責銷售的部門,總是喜歡抱怨后臺支持不給力;
  • 負責監督的老板,總有自己的小九九和衡量標準;

所以關于自然增長率的爭吵,還會無窮無盡的進行下去。

特別是,有時候數據分析崗位就是設在運營下邊,運營的老板需要數據分析幫自己站臺,這時候科學不科學,合理不合理就管不上那么多了。食君之祿,分君之憂,想辦法圓過去就好。

但是,作為數據分析師,自己得清楚游戲是咋玩的,這樣再用各種方法圓故事的過程中,才能進退自如。

其實細看之下,會發現,所謂的數據分析終極難題,從來都不是難在計算本身,而是難在各個部門都拿數據當槍使,屁股決定腦袋。當你想收集一個有利的數據證據的時候,你總能找到一個。

最經典的例子就是ABtest,有興趣的話,關注接地氣的陳老師,下一篇我們分享,敬請期待哦。

#專欄作家#

接地氣的陳老師,微信公眾號:接地氣學堂,人人都是產品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議。

給作者打賞,鼓勵TA抓緊創作!
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!