线索|一个案例,看懂用户画像如何做出效益
编辑导语:在数据分析业务场景中,用户画像十分常见。然而你知道如何才能构建出一个符合实际场景的用户画像、并用其解决问题、产生最终效益吗?本篇文章里,作者结合案例,对如何利用用户画像做出效益一事做了梳理,一起来看一下。
文章插图
用户画像是很多人挂在嘴边的东西,可每次遇到问题的时候,似乎除了列一个“性别、年龄”的百分比,就戛然而止了,很难真正诊断问题,发挥作用。
今天看一个具体例子,如何拿用户画像诊断问题,话不多说,直接上场景。
问题场景:某互联网公司采用传统电话销售推广告业务,最近新入职销售的三个月离职率极高,高到领导无法忍受,要求看看销售的用户画像,分析下问题来自哪里?问:这个画像该怎么看……
一、常见错误有多少同学,看到题目里“用户画像”四个字,就开始扒拉销售的数据的。什么性别、年龄、学历、工作年限、跟进线索数、成交数、业绩……一堆指标往PPT上贴。
因为销售是内部员工,找工作时都录入了简历,简历里又有丰富的字段可以用。于是这个“用户画像”ppt,很有可能码得老长、老长了……
问题是:这么干能解释问题吗?显然不能呀!
二、破局思路问题是很明显的:这样只是在罗列数据,没有触及“销售离职”问题本身。
抛开数据不看,为啥销售离职?原因可能是多方面的:
- 公司就是很垃圾啊,业内口碑很差;
- hr从源头就招错了人,滥竽充数;
- 销售管理不佳,员工体验太差;
- 本身业绩不好做,销售挣不到钱;
- 销售能挣到钱,但是做得太辛苦。
所以,站在分析清楚问题的角度,就不能“拿着锤子找钉子”,因为领导说了用户画像,我就得用户画像 everything。先理清分析逻辑,再看用户画像能解决啥问题。
三、构建分析逻辑首先,离职人员很有可能都会骂一句:“这破公司真烂!”所以类似:公司真烂,这种原因,是最容易优先排除掉的。一个真烂的公司,从数据上看,它就真的是从头烂到尾(如下图)。
文章插图
其次,管理不佳,也是相对容易排除的。只要不是公司整体都很烂,那么一定是部分销售团队管理很差,部分很好,那么站在团队角度看离职率,能轻易发现问题(如下图)。
文章插图
再次,比如某些时间段,销售线索质量太差,干扰了销售工作,这个也可以提前排除(如下图)。
文章插图
这样剥离了明显的宏观问题,就能聚焦到销售本身的能力上。
细致讨论:到底是业务本身很难做,销售都搞不掂;还是销售其实搞得掂,但是HR招错了人,找的人能力不行。这里的判断,涉及销售能力的评估与人员基础特征,可以请出用户画像来辅助了。
四、用户画像的切入点用户画像,不仅仅是“性别、年龄”这些基础特征,用户各种行为,社交关系等都是重要组成部分,在具体分析的时候,得拿“对解释问题最有力”的特征出来。而对于离职问题,最有力的就是收入了——没钱赚谁还不走呀。
注意:问题场景是“新入职三个月离职率”,而一般收入又是按月结算,因此需要区分三个月的情况。
需要注意的是,这里最好不要只计算平均值,因为很有可能有些人第一个月没开单就走了(信心被打击),有些人是一个月高一个月低(收入不稳定,没信心继续做),所以最好分的细一点(如下图)。
文章插图
有了这一步,把高收入/低收入的人区分开,再和离职率结合,能很大程度上解释问题。很有可能离职的大部分都是低收入的。并且,如果一个人是高收入还会离职,就很有可能和“觉得难做,去别的公司做同样多事赚得更多”有关系,能做进一步分析
五、由浅入深地讨论想继续深入,就得进一步解释:低收入,到底是什么原因弄出来的。
有可能是以下原因:
- 分配的线索不够多(管理问题);
- gen.g战队|上市一个月直降500元,骁龙8Gen1+5000万,破2亿元销售额仅3分钟
- 电商业|电商行业:这个春节有一个非常“反常”的现象!
- 浏览器|浏览器的复杂程度,可以和一个操作系统媲美
- sim卡|随身WIFI究竟是不是一个骗局?
- 龙芯|又一个国产5G芯片问世,预计今年实现量产,性能达到主流水准
- 小米科技|开卖仅一个月下跌701元,256GB+骁龙8Gen1,小米12还怎么卖?
- |怎样写一个自动吸粉的视频号简介?怎样设置视频号头像?
- iPhoneSE|第一款降价的骁龙8旗舰,2K三星直屏+5000毫安,一个月直降500元
- 一加科技|一加10Pro首批反馈出炉,一个月体验怎么样?一起来了解一下吧
- 滴滴出行|一个好消息,滴滴喜讯传来,一个坏消息,腾讯正式官宣