如何搭建數據歸因模型?

編輯導讀:歸因分析,究其本質是對不同渠道的投放進行評估,給出一個為什麼要這麼做的理由。業務模式的不同,所搭建的歸因模型也不同,所以數據分析師需要根據實際的業務情況來構建模型。

本文作者依據工作實踐的所思所想,結合案例等分享了數據歸因模型搭建的關鍵步驟和思考,供大家一同參考和學習。

如何搭建數據歸因模型?

要深度分析問題原因,不能只統計數字,流於表面!每次寫原因分析類報告,都有領導這麼咆哮道。而聽到這個要求,很多新手同學又是眉頭一皺眼睛一閉:媽耶,咋整啊。今天我們系統講解下。

問題場景:

某硬件+服務的大企業,正在推微信服務小程序,目標是降低人工客服工作量。可全力推進一段時間後,人工客服未見減少。客户服務中心(一級部門,很有權勢)領導大為不滿,要求數據分析,為啥推廣小程序沒有減少人工客服量。

一、核心難點

歸因問題首先難在:領導期望太細太具體,而數據分析給不到。

數據分析產出的:30%的來電用户未綁定小程序,所以應該加強綁定。40%用户綁定了但是近1個月不登錄,所以應該加強運營。

領導期望的:用户為什麼不綁定?是不知道綁?不會綁?不想綁?為什麼又不想綁?是我們沒宣傳?宣傳了還是話術沒説對?話説對了但是客人沒認真聽?

是滴,領導們期望的是這些具體的原因,這樣才能針對性做改善。可這些具體的原因往往涉及用户心理、業務動作、用户與一線業務互動,根本沒有數據記錄,很難量化分析。可如果只給一個很粗的“加強綁定”的建議,肯定業務方不買單。誰來加強,加強哪裏,加強到什麼程度,一共十三步操作綁定排第幾,這些具體問題都沒有答案,自然會抗拒這種結果。

然而,即使是再做細緻拆分,還有另一個核心難題:用户綁定了不登錄,到底是因為用户太蠢,但是我們沒做好?這個問題深挖下去是個無底洞,因為本身這兩者就是相輔相成,很難完全剝離某一方面理由。然而卻總被人拿來甩鍋。咋辦呢?

二、破局思路

想破局,關鍵在於:不要企圖把所有的問題,都用數據分出來原因。人的情緒都有感性、複雜、衝動的部分,不可能全部用理性、邏輯的數字來量化。

想破局,第一步要把原因和具體的業務動作對應起來,然後搞成一個政治正確的行為,讓業務方不得不接受。

比如:公司今年的大方向是數字化升級,所以在營業廳辦理過業務的客户,必須綁定小程序,沒有綁定的就是營業廳沒做好!雖然有可能是因為客户自己不想綁,但是不管這麼多,他不想綁,可以想各種辦法,給好處,幫客户操作,總之搞掂他!不要扯什麼客户意願、什麼操作習慣。這就叫政治正確。

當然,真這麼強硬要求,結果肯定是逼死一線(所有的政治正確都會逼死人,不止這個)。

因此,第二步,合理地提目標。比如大目標是:減少人工客服量。我們要做的是通過數據優化,讓整體趨勢下行即可(如下圖)

如何搭建數據歸因模型?

有了前兩步鋪墊,第三步就可以打數據標籤。用户的行為、客服服務內容、業務動作,都可以歸納為標籤,有了標籤,就能把感性的,場景化的,難以量化的行為,部分轉化為數據可記錄的內容,從而為分析鋪路(如下圖)

如何搭建數據歸因模型?

第四步,就能利用數據標籤進行歸因了。比如“營業廳沒有做好指引,所以新用户在營業廳註冊報裝後,還是沒有綁定小程序”這種感性的原因就能被簡單歸為:新用户+已註冊+未安裝+未綁定。有了這個標籤,能夠識別哪些用户是因為營業廳沒有引導到位而諮詢客服,從而進一步思考對策。

當然,實際操作中標籤可能很多,因此有必要梳理好標籤之間邏輯,從而清晰的進行分層歸因,這就是從找一個原因到梳理歸因模型的過程。

三、模型構建

構建模型過程,本質上是梳理邏輯,形成系統化解釋的過程。因此可以按照用户生命週期,進行分類構建。

從經驗上來看:投訴類來電,在業務上性質特殊,屬於高風險行為。別的來電都能用小程序替代,唯獨怒氣衝衝的客户,必須用人工來服務,至少讓人家消消氣,不然一怒之下弄上新聞媒體,客服領導面子也掛不住,因此在梳理邏輯的時候可以單獨分類處理。

如何搭建數據歸因模型?

非投訴用户可以分為:潛在用户、新用户、已開户用户三類人。三類人需求差異明顯,客服服務政策也有區別。比如潛在用户諮詢,本身屬於有潛在收益行為,因此是可以作為銷售線索轉營銷系統跟進的。

真正要關注的,是常規操作、進度知會、活動諮詢等等。這些信息發佈、用户互動,沒有風險、沒有收益、純粹是用户自己操作還是客服代為操作的問題,甚至在小程序更簡單。因此可以想各種辦法分流。(如下圖)

如何搭建數據歸因模型?

梳理完邏輯以後,可以將數據填入模型,觀察問題大小。解決問題,可以從大到小安排,優先考慮當前佔比高的問題,也可以從簡單到複雜解決,優先落實容易執行的。

總之各個擊破,逐步降低人工客服的工作量,只要整個曲線走勢是持續向下的,就能證明工作成效。且對比建立模型之前,歸因的細節極大豐富,很容易在領導那裏過關(如下圖)

如何搭建數據歸因模型?

當然,以上示例只是一個解題思路,還可以從其他維度入手構建模型。業務流程不同,目標不同,歸因方法肯定也有差異。只要業務看到數據以後,能很清晰的知道自己做什麼,就算達到目的了。

四、小結

很多人會很糾結:到底原因是什麼。其實就跟談戀愛一樣,分手以後追着前女友/前男友苦苦問:為什麼!為什麼!到底是為什麼!一點意義都沒有。企業經營也是同理,我們不是搞科學研究的,而是來掙錢的,所以真實原因可能永遠無法知道,但是隻要經營指標是向好發展,業務能不斷改善,目的就達到了。

可惜即使講到這裏,還是有很多人不明白,甚至一些做數據的老鳥也會猜這個坑。非要糾結於細節原因,甚至丟下數據,去搞用户訪談,去做1對1深度溝通。結果嗎,自然像你拖着前女友/前男友,痛哭流涕的問:“為什麼!為什麼!到底為什麼!”一樣,人家回答:

渣男:你很好,我們只是沒緣分

渣女:你很好,我只是不喜歡男人

你信嗎?!……你最好不要信!萬一真信了,女的天天求神拜佛苦等渣男回頭,男的胯下一刀胸口一填重新做人,那就真把自己整完蛋了,哈哈哈哈。

如果大家感興趣,關注接地氣的陳老師,我們下一篇分享一個如何對用户運營歸因的例子,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。資深諮詢顧問,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。

本文原創發佈於人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基於CC0協議。

版權聲明:本文源自 網絡, 於,由 楠木軒 整理發佈,共 2519 字。

轉載請註明: 如何搭建數據歸因模型? - 楠木軒