数字化营销系列
数据分析及应用
——分析数据 精准决策 优化业务——
【课题背景】
数字化营销（电商、新媒体、私域），需要通过数据分析指导日常运营业务，提升整体业务效率。但数据分析是一个相对专业和复杂的工作，大部分基础运营人员对整体数字化运营和数据指导缺少系统性的了解和认知。在实际工作中，通常出现以下问题：
n对整体运营增长模型缺少系统性的了解，无法用模型来指导运营工作
n缺少数据分析的方法，在实际过程中，无法判定数据是否达标
n数据中台能力不足，无法直接生产可视化报表情况下，缺少数据可视化表达的技巧
【解决方案】
数据分析的核心理念：
n 数据分析首先是用于指导业务，对于电商平台，要关注的是GMV、客户体验等指标
n 有模型，通过自变量与因变量之间的函数关系，分析要素之间的变化
n 数据分析讲究差异化分析，通过数据分析对比差异，找出导致差异变化的变量
【参与人员】
本课程适宜于：平台运营人员、产品开发人员等
【学员任务】
1. 【2小时】任务一：了解数据分析的意义、核心方法和流程要素
2. 【3小时】任务二：掌握数字化营销GMV业绩增长模型及分析方法
3. 【1小时】任务三：能够就业务场景数据情况，制作可视化报表
任务一：数据分析的意义、方法和流程（2小时）
【任务解析】了解数据与业务之间的彼此增强的关系，熟悉数据分析与数据模型之间的关系、了解数据分析的整体指导思想和方法、流程。
|
一．以业务场景为出发点，数据分析与业务体系彼此互相增强。
| 1.数据分析，目的是指导业务工作的决策
| 2.电商运营的核心业务场景：客户体验和商业实现
| 3.数据指导业务的前提：搭载业务场景与数据之间的数据模型
| 4.业务场景随商业模式、业务战略优化，不断优化整个数据模型
| 5.数据模型通过收集数据、反哺业务优化，实现彼此增强
| 【解析&案例】
1. 电商整体商业模型从流量电商转向用户电商和兴趣电商，数据模型也在不断发生变化
| 二．做模型、收数据、差缺口、找原因，做报表，数据分析五步走
| 1.基于商业模式、业务战略和业务场景搭建相应的数据模型
| 2.数据模型（算法）：自变量与因变量的函数关系
| 3.做好前台接口，通过互联网和物联网实现数据收集
| 4.数据分析的核心指导思想：看差异、找原因
| 5.数据分析的前置要素：标准值/目标值的建立、数据捕获、数据算法（函数）、算力（人力或云计算）
| 6.制作场景业务的分析报表，形成可视化文档，指导优化业务
| 【解析】
1. 常见的报表：客服响应报表、发货速度报表、客户结构报表、客户活跃度报表...
任务二：基于GMV业绩增长模型及分析方法（3小时）
【任务解析】数字化营销（电商、新媒体、私域）核心问题是要解决供需匹配的效率问题。实现快速高效的资源匹配，直接反应该场景的指标就是线上的交易规模GMV。通过对GMV的模型构建，再细化到下面的指标，找到可以优化和调整的地方。
|