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。

而且，这些因素可能是相互叠加的。比如因为广告很难卖，导致管理上倾向于人海战术，逼着员工加班硬怼；强行怼员工降低了工作体验，增加了员工心里负担，形成恶性循环。
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）；