数据统计口径是什么意思 数据统计口径是什么意思( 六 )


除了这些以外呢?根据转化流程增加指标 , 是个好方法 , 如下图:

数据统计口径是什么意思 数据统计口径是什么意思

文章插图
绝大多数人 , 应该一眼就能看到 , 哪个来源是最特殊的吧!
另外 , 两个坐标轴都平均数高个4象限 , 效果也十分明显 , 就不具体举例了 。
相信大家开动脑筋 , 能想到更多好方法 , 让你的数据可视化变得更容易传递信息 , 更容易让人看出数据背后的秘密 。先走出这一步 , 也许你就会成为人群中 , 那个与众不同的人了 。
陷阱十一:不同KPI的人 , 看相同的数据 。
这是最可怕的 , 往往导致内耗巨大 , 很多亟需解决的问题没人管 , 看相同数据的人相互之间无限踢皮球 , 就是不作为 , 企业效益每况愈下 。
这事听起来像笑话 , 但总能碰见 。为什么呢?主要是如下3种情况:
1) 被第一关键指标洗脑了 , 觉得全公司都应该看同一个指标 , 大家群策群力 , 甚至觉得程序员应该优先看市场传播类指标 。
2) 虽然KPI不同 , 但却有很多交集 。比如 , 销售和售前、产品经理和产品运营 , KPI并不相同 , 交集却很大 。(当然更搞笑的是:不同岗位的人 , 对同一个KPI负责)
3) 数据太少了 , 少到没得选 。
陷阱十一的应对建议:
1) 情况1的应对说明 。第一关键指标是指策略层面有个最重要的指标是目的 , 其他根据他拆解来的指标是手段 , 通过围观指标帮助我们避免在做数据分析时 , 本末倒置 。以自愿为原则 , 让全公司参与第一关键指标的提升的头脑风暴是OK的 , 但强制性地让它成为所有人必须考虑的指标 , 有点奇怪 。每个人优先看的数据 , 一定是他/她的KPI 。
2) 情况2的应对说明 。写在建议前的话:很多上了年纪的人 , 告诉我:“你太年轻 , 你不懂 , 这是老板的驭人之道 , 帝王权术!他就希望你们有矛盾 , 甚至是故意挑拨离间 , 他才能坐享其成!”我不惊讶于这个观点 , 但惊讶于这个观点的普遍性 。我想说的是 , 暴利行业也许有这么作妖 , 企业收益降低 , 老板个人收益提升的空间 , 利润不高的小微企业 , 这么操作的空间不大 。进入正题:明确“责·权·利” , 并与KPI交集大的同事 , 商量好分工和协作方式 , 这之后你们看的数据就自然而然不一样了 。
3) 情况3的应对说明 。这我还能说啥呀 , 除了多搞点的数据 , 我还能说啥 。要是你们这个业务本身就没啥数据 , 那可能它就不适合用数据分析这个方法 。毕竟 , 数据分析只是个方式方法 , 不是万能灵药 。
陷阱十二:关注计算型指标的实时变化 。
有次和一位数据产品经理交流时 , 听到:“我们客户的需求就是 , 一个数据变化超过百分之多少 , 立刻收到一条短信或者微信 , 让他们知道!”非常典型的需求 , 你是不是也想立刻知道数据的实时巨变?
但不是所有的指标都适合关注实时变化的 。
统计型指标、标量、累加的那种 , 比如:用户数、浏览次数、打开次数、访问次数、销量、销售金额等 , 在有大动作的时候 , 关注它们的实时变化 , 是很有意义的 。比如 , 推广活动上线后 , 稍有延迟用户数就应该上升 , 没上升大概率是出了什么问题;再比如 , 做了个促销 , 销量应该上升等等 。
但计算型指标 , 需要做个四则运算的 , 都不太适合关注实时变化 , 比如 , 转化率、留存率、每访问浏览页数、平均访问时长、视频观看完成率等 , 这些数据关注实时变化意义不大 , 因为他们是浮动型的 , 可涨可跌 。你收到提醒 , 焦急地去查看波动巨大的原因 , 发现它们又到正常范围内了 。另外 , 像留存率这种 , 最小时间颗粒度是天 , 看实时变化根本没有任何意义 。