应用大数据分析方法如何优化业务决策

应用大数据分析方法如何优化业务决策?

1、关联性(Thing Experience)

关联性很重要,因为是通过用户转化漏斗来了解用户的情况,一个业务决策过程,就是用户到了某种购买产品的转化过程。但是由于这个过程相对复杂,所以很多时候还需要使用专门的联系人分析来了解业务,一方面能够节省很多时间,另一方面也有利于解决业务决策中的很多问题。

2、目标性(Trigger)

目标性很重要,很多时候主要是用来获取数据,一个业务决策过程,还包括通过这些数据来确定用户在转化过程中需要哪些步骤来完成它。这就相当于说,你告诉用户我现在需要做什么,为什么要这么做,它能够帮助我完成什么?我会有多大的帮助?这些过程会给我带来什么好处?也就是我们会面对的问题。

3、功能性(Attention)

功能性是指为了提升转化率和提升用户体验,用的最常见的是功能性转化漏斗,它需要很大的数据来指导用户的决策,很多时候需要以结果导向来计算每一步的转化率。在这里也可以参考下ASAS CategoryBase,由于它主要依赖的是在漏斗转化中的数据,所以该数据也可以称之为决策,它同样需要做一次关键决策。

4、场景性(Revenue)

场景性转化,也就是要尽可能的把转化路径尽可能的缩短,让用户在你的平台上能便捷地做出选择,这其实和线下场景化销售是一个道理,要有自己的办公室,大厅里的厨房,而且这个是在自己的办公室里,所有的工作都是固定的,只要有空闲的时间,就可以完成。

那么什么是场景性转化?就是把商品、服务、活动等放在一个特定的场景中,让用户接触的到,让他感觉受到重视。

比如说我们在场景性转化上,就可以结合生活场景,比如说:春节期间,我们要结账,那我们就可以把结账的时间放在春节期间,而不会一直这么停留。

比如说,当一个用户遇到了痛点,然后购买了汽车,或者是买了件衣服,这个时候,就可以把车子放在一个特定的场景里,然后在特定的场景下,让用户选择。

当然,在场景性转化这一块,我还要注意一下,这里面有两个误区,也是这几年在场景性转化上的一些经典的案例,我们也来举几个。

京东在春节期间给用户推出了一个针对农村的文案,

但是这个文案在农村的大众人群里效果却是一般的,因为农民根本就没有过年的习俗。