01

引言

“數據驅動業務增長”是以業務線全鏈路海量數據的收集、存儲、可視化、分析、挖掘作為核心支撐的，需要協同上下游參與且目標一致，最終將數據精準化、精細化為實現商業目的。本文圍繞職業教育培訓行業的商業模式展開了講述，推薦對此感興趣的伙伴閱讀。

02

業務背景

1、業務介紹：

本產品主要是挖掘孩子的綜合素質，覆蓋思維、英語、語文等能力，幫助孩子在認識世界、探索世界的同時，打好全方位的能力基礎，陪伴孩子共同成長。

2、商業模式：

小課引流、進行4天左右的直播課程、最終轉化成年課用戶。

3、分析主題：

轉化分析

4、現狀痛點：

1、營銷運營的目標不夠清晰和聚焦，人效較低。

2、很難快速掌握用戶轉化的核心痛點，轉化率不高。

5、解決目標：

目前屬于發掘的新業務，所以業務需要在招生分析的鏈路上，想要通過一系列的全面復盤和分析，核心提高轉化率。

03

分析思路

所有的分析思路都應該以場景作為切入點，以業務決策為終點，因此本次項目梳理了五個步驟：

挖掘業務含義

梳理用戶行為路徑

拆分場景特征

構建模型預測

推動數據決策

1、挖掘業務含義：

用戶旅程圖：明確課程產品的核心價值是核心，同時根據價值匹配到該價值的目標人群。從用戶角度出發，以用戶調研和業務場景中發現用戶在整個使用過程中的痛點和滿意點，思考產品的增長點。

2、梳理用戶行為特征：

1）路徑拆解：

在用戶旅程的大框架下，通過對用戶行為數據的采集，監測獲得的數據進行分析可以讓更加詳細、清楚地了解用戶的行為習慣，將他們的目標、需求與商業宗旨相匹配。

2）用戶行為：

根據用戶旅程的體驗中，可以把用戶分為三個階段，其中包含：獲客、留存、轉化，每個階段的衡量反應出的分析目標和邏輯則不同。

3、拆分場景特征：

1）相關性分析：

主要用于研究用戶行為事件的發生對轉化的影響程度，針對這一行為特征進行相關性分析，確認導致該行為的影響因素和影響權重。

2）梳理特征（定義數據集）：

涉及到原始的數據源，我們需要在亞馬遜中找到S3的存儲桶，將數據源文件傳輸至此。

數據源（行為特征）：

第一版本共梳理了70+特征因子，這一版本是通過產品和業務的直覺梳理和轉化有的相關性，通過模型在去做篩選和相關性分析。

04

構建模型預測

1、構建模型：

1）模型選擇：

關鍵點在于模型的選擇，轉化預測本質是一個二分類的問題，預期是0-1的一個概率值，實戰中選擇的【xgboost】模型進行預測，通過和轉化率強相關的因子和轉化預測分層進行后續的營銷策略。

2）模型優勢：

上手快：

xgboosst經常被用在一些比賽中，其效果顯著。

它是大規模并行boosted tree的工具，它是目前最快最好的開源boosted tree工具包。

靈活性高：

使用許多策略去防止過擬合，如：

正則化項、Shrinkage and Column Subsampling等。

處理稀疏性：

針對稀釋數據設計了相關算法，由于業務初期數據樣本不夠大，要特別考慮此因素。

2、數據分析：

1）特征相關性：

根據初次篩選，得出一些和轉化有顯著相關性的指標因子，并且可利用分布情況，分析背后原因。

顯著相關性概覽：

根據是否顯著相關性整理一部分比較有趣，可以看出有一些認為有影響因素的其實問題并不大，有的標簽其實和轉化這個點關系并不強烈，但是可以作何核心的營銷因素。

2）貢獻排行：

根據相關性整理了分值排行，更能直觀看到哪些影響因子的重要程度。

3）分析理論：

卡方檢驗：

著重觀察值與理論值的偏離程度，選擇的考慮主要是基于特征的二分類問題和相互獨立事件居多。

斯皮爾曼相關性分析：核心針對兩個連續性變量且成線性關系，所以需驗證其相關性。

4）地域分析：

從地域人群量級和轉化率上來看，整體手中人群集中在二三線城市，所以在產品的投放和布局中，需針對等級進行策略規劃。

5）競品分析：

卡方校驗非常顯著，從此指標可以看出，用戶安裝了競品，直接可以篩選到核心的種子用戶，因為該用戶對此有強烈的潛在需求。

6）留存分析：

這里的留存主要指用戶來學習的次數，分析圖表看，用戶持續學習提現出對產品課程的認可性，非常有利于后續營銷轉化。

（僅舉幾個栗子分析）

3、模型調優：

1）持續訓練：

防止數據量稀疏和數據量較小，所以需要加大數據源的量級，加強預測能力，防止結果的偶然性。

2）模型調優：

調整不合理指標，防止特征穿越（比如瀏覽產品詳情頁，這種標簽穿越特別嚴重，其實在模型中做預測是不太可取，反而可以成為營銷策略的用戶標簽）

對模型進行合理的剪枝規則，增強模型可解釋性（針對特別明細標簽，進行歸因和聚合）

05

推動數據策略

數據分析也好、數據挖掘也罷，只是實現商業目標的手段，真正想賦能業務并且驅動業務，一定要從實際場景觸發，找到切入點。

1、策略一：提效

用戶分層：

根據用戶的轉化意愿預測值，進行用戶分層，形成營銷任務SOP清單，可以針對中高意愿以上的的用戶進行精準觸達，對于大部分銷售人員可以減少人工判斷成本，優先觸達轉化意向高的用戶，合理分配時間和觸達深度，并且可以制定標準的SOP動作，大大提高運營效率。

2、策略二：抓手

用戶標簽：

在營銷工具中實時更新用戶的高意向標簽（溝通意愿強烈）或者策略標簽（學習能力畫像：

中），可聯動知識庫進行組合式營銷，為用戶解決痛點，提供優質的服務。

比如：

用戶的能力畫像中“思維能力”薄弱，那么可以根據用戶在學習過程中哪些思維題做的不好，引導用戶如何針對性、系統化的提升，解決核心痛點。