数据分析，怎么做才够“精准”_中国购物中心网，商业综合体，商业中心

“用数据分析，精准定位用户，精准发现用户需求，精准推荐产品”是很多很多地方都在吹的故事。

然而就像儿童故事《咕咚来了》，大家都听说了这个咕咚（精准），可精准到底长啥样，怎么数据就精准了，从来没人讲清楚过。也搞得很多同学很郁闷：领导天天让我精准，可我该咋精准？！今天我们系统讲解一下。

完全不精准的场景

有个经典相声叫《宇宙牌香烟》，描绘的就是八九十年代推销员的日常：我这个宇宙牌香烟真厉害，姑娘抽了漂亮、小伙子抽了帅气，老人抽了长寿，小孩抽了能考上大学——这就是典型的完全不精准。看似每个人群都适合，可实际上鬼都知道姑娘、小孩不会抽好吧。

虽然很多产品是人们生活的必须品，但是具体到一个品牌、一款产品、一定时间段、一定价格，就不一定有人买。转化链条越长，用户流失的可能性就越大（如下图）。互联网的广泛使用，加剧了这个问题。以前人流多的商业街，一个城市就那几个，很容易靠旗舰店垄断流量。现在在互联网上各种信息渠道五花八门，信息形式丰富多彩，导致转化效率更低了。好在互联网平台能记录数据，这也就是通过数据实现精准分析的前提。

因此，精准不是一个绝对值，而是一个相对概念。即：比闭着眼睛喊“王八蛋老板带着小姨子跑路了，全场一律9块9”要更精准的找到用户的手段，都叫“精准”。在提及精准时，常常伴随着：现状是多少，需要优化到多少，的讨论。这一点后边还会提到。

提高投放精准度

用数据提升精准度，第一步就是投放渠道。信息得先到达用户，才有转化的可能。在渠道上有两种常见做法：一是做减法，砍掉明显转化率很低的渠道，节约成本；二是做加法，寻找新的，含目标用户很高的，转化率有保障的渠道，提高效率。这两种方法在实际工作中常常是结合使用的，因为多渠道投放是常态，要提升效率，就得一条条具体看，做排列组合（如下图）。

提高内容精准度

第二步是提高内容的精准度，因为信息到了用户那里，如果内容做的不好看，用户可能点都不点，那后边流程就直接断了。这时候可以直接做ABtest，或者打内容标签，观察不同内容的实际效果，来反推：用户其实更喜欢XX类型。类似的，设计类问题都可以用测试/分组对比来观察效果，比直接用数据预测的更好。

提高商品精准度

第三步是提高商品的精准度。其基本思路，不是简单地强推一个产品，而是通过做多几个选择，来提高用户转化机会。但注意，这种做多是有限制的，因为用户精力有限，如果一次推太多款，反而容易造成选择困难，所以尽量找用户购买潜力高的品类，集中推几款。

提高价格精准度

在明确了渠道、内容、商品之后，最后一步是价格。所谓价格精准，就是大数据杀熟，越忠诚的用户就宰的越欢快，这样才能最大化利润和销量。这可能是互联网最擅长干的事了。因为传统渠道这么明目张胆搞价格歧视，不要说用户会造反，工商局都会打上门来。但是互联网渠道里，用户之间信息没那么畅通，很多商品价格不高，又是即时消费，因此宰就宰了。

实现精准分析的步骤

正因为影响精准度的环节有很多，所以在实际开展项目的时候，一定要先清晰精准的目标，梳理业务流程，了解当前数据现状，了解业务方能在业务流程里做哪些事。这样才能找准发力点，从简单到困难的扫荡问题，提升效果（如下图）。

工作的基本思路，可以概括为：先抓白犀牛，再抓黄蛤蟆，放弃黑天鹅。即

1、转化流程里明显的短板，先改进

2、解决大问题后，再从到小搞细节

3、突发、随机、一次性问题，直接放弃

因为站在结果角度，一次推广的影响因素实在太多，不可能指望一次分析就包打天下。数据分析实现精准是需要过程，需要时间，需要经验积累的。把明显的问题先处理好，不然有太多的细节可以让人沉迷，最后也看不到效果改进。

这里做数据的新手很容易犯一个问题，就是：不看场景，直接怼模型。比如很多同学一听“精准”，就脑子一热想做推荐算法（并且还是用关联规则做，因为做协同过滤或者算距离函数需要大量标签，太麻烦，关联规则多简单）。不管具体业务场景，不管价格，不管内容，是很难做出好结果的。很多同学沉迷于：淘宝就是XXX。拜托，淘宝这种超级应用的用户量、数据量、用户粘性不是其他平台可以比的，而且淘宝平台又不需要对某个商家某个SKU负责，所以不能简单照搬。脚踏实地，把自己的流程、现状、业务目标整明白，很重要。

但是在业务上，对精准的理解问题更多，比如……

对精准分析的常见错误理解

估计很多策划、营销、运营，看到这会说：这个感觉不精准啊！是滴，不懂数据的人，心中的精准大概是这样的（如下图）。

从本质上看，不存在一个品牌+一个产品+一定时间内+一定价格内所有人都会消费的情况。即使强大如微信，也才11亿日活，只覆盖不到80%国人，所以更不要指望你那些小品牌，非爆款，价格干不过拼多多的产品能包打天下。

所以业务方不要企图在精准营销之类工作中当甩手掌柜，认真的分享营销计划、投入费用、作战意图、内容创作、和数据分析共创，才是更好的提升之道。

转载请注明出处。