请上传宽度大于 1200px,高度大于 164px 的封面图片
    调整图片尺寸与位置
    滚轮可以放大缩小图片尺寸,按住图片拖动可调整位置,多余的会自动被裁剪掉
取消
数据产品Jeff(uid:1162037)
擅长数据中台、数据治理、用户画像、数据模型 职业资格认证:尚未取得认证
【2022BI数据分析大赛】精细化运营-招生分析
一、选手简介 1、团队介绍 团队名称:茶树菇不查数 团队寓意:摆脱数据查数工具人的思想,作为数据人应该横纵联合洞察数据   2、团队组成 芥末:团队的队长,目前就职于北京头部教育公司,一直从事数据领域,负责过数据体系从0-1建立,擅长数据应用、数据治理、数据策略,有很多数据驱动业务实战经验,拥有一颗”不甘寂寞“的心。 Pelux:团队的颜值女神兼数据分析师,目前就职于北京头部招聘公司,拥有多年的资深数据分析经验,独自负责本次参赛数据源整理和脱敏,拥有一副”迷人的外表“。 AN0722HJQ:团队的实力担当,目前就职于北京头部教育公司,负责本次参赛的数据BI可视化设计,精通各种数据平台,拥有一个”有趣的灵魂“,目前单身~   3、参赛初衷 引言:团队成员之前是一起并肩战斗的同事,每个人都有非常强的个人能力,虽然现在不在由于个人发展不在一个团队,但是依然我们依然保持联系,用一句话说“聚是一团火,散是满天星” 全盘思考:本次主题选择的是教育的招生分析,它覆盖商业模式的全链路,因此从横向要求团队每个人要有全局思维、协同沟通、信息同步,从纵向来讲要求团队每个人要有深度分析、刨根问题、策略验证的能力。 提升自我:工作中每个人的工作重心和角色会有不同,负责数据产品、数据分析等,那么利用业余时间锻炼不同角色看待问题,从业务的全链路去思考。   二、作品介绍 1、业务简介 业务介绍:本产品主要是挖掘孩子的综合素质,覆盖思维、英语、语文等能力,帮助孩子在认识世界、探索世界的同时,打好全方位的能力基础,陪伴孩子共同成长。 商业模式:通过低价课吸引用户,经过一些列课程培养和体验服务,最终转化成年课用户。 业务阶段:目前是从0-1阶段,处于探索期。 分析主题:招生分析 分析目标:目前是从0-1阶段,处于探索期,所以业务需要在招生分析的链路上,想要通过一系列的全面复盘和分析,核心提高转化率。   2、分析思路 所有的分析思路都应该以场景作为切入点,以业务决策为终点,因此本次项目梳理了五个步骤: 梳理用户路径:通过梳理用户行为路径,整理全链条的用户行为。 明确数据来源:挖掘业务场景背后的数据含义,形成业务数据化。 制定数据指标:拆分不同的业务阶段,确定分析目标。 可视化分析:设计可量化数据指标,衡量业务发展现状。 推动数据决策:验证数据结论,推动数据策略落地。   3、梳理用户路径 用户旅程图:从用户角度出发,以用户调研和业务场景中发现用户在整个使用过程中的痛点和满意点,思考产品的增长点。   4、明确数据来源 数据来源:企业数据(已脱敏),由于数据量过大,本次分析仅用某季度的招生情况数据。 数据主题:共计4个主题宽表。 (1)渠道评估主题.csv (2)完课留存主题.csv (3)用户转化主题.csv (4)推荐裂变主题.csv   5、制定数据指标 体验课购买人数:购买体验课的用户总人数 正价课购买人数:购买正价课的用户总人数 转化率:购买正价课人数/购买体验课人数 营销总额:购买正价课的营销总额 渠道用户量:各渠道购买体验课的用户总人数 完课率:观看完课程的总人数/购买课程的总人数 分享率:分享课程人数/打开分享详情人数   6、可视化分析 总体色调: 1、背景色:选取了纯色且深色的背景图,为了凸显文字和图形的样式变化。 2、图表配色:以蓝、绿、粉三色为主色调,使其中波动更清晰直观。 图表选择: 1、柱状图+折线图:柱状图能非常直观的体现当前数值的高低,折线图可以迅速查看个渠道转化能力。 2、环形图:利用环形图可以直观的看见各属性在整体的占比情况。 3、横向柱状图:利用柱线长短,比较各渠道的用户量级。 分析主题:经营总览   1、模块简述: 这个模块是商业模式中的核心指标,体验课人数代表吸引的有需求的用户,正价课用户代表对课程和品牌真正的认可,转化率代表课程的转化比例,最后营销总额代表这个业务的营收能力和现状。 这一模块放在首位,让所有管理团队进来第一眼就能看见当前业务的发现现状,以及核心指标的能力,可以迅速对业务发展有一个判断,并且该指标可以对标竞品。   2、分析结论: 2.1 转化率:从转化率来说从最开始的不足10%,到现在16%已经能在行业里面有一定的竞争能力,证明该模式已经初步得到验证。 2.2 体验购课人数:该指标衡量当前用户体量,在模式跑通的情况下,可以针对现有渠道进行大量投入,获取有相关诉求的用户。 分析主题:渠道评估 1、模块简述:渠道是获取用户的基础,同时也是成本的重要组成部分,所以有句话说的好“把握渠道,就是把握住业务命脉”。 2、数据展示: 2.1 渠道用户量&转化率 :该图表的柱状图重点表示各个渠道的获客能力,利用柱状高低表达获客的数据量;折线图表示每个渠道的带来用户的转化率,转化是衡量该渠道最直观的一个结果。 2.2 家长身份 :该图表通过环形面积大小直接表达出来用户池里各类家长分布 2.3 渠道招生人数 :该图标通过横向柱状图,直接表达对二级渠道的能力拆分,通过排行TOP可以看到渠道的一个引流获客能力。   3、分析结论: 3.1 渠道能力:通过上述柱状图展示,明显看到直投的获客能力非常强,曝光度最高,但是通过转化率的横向对比,它的roi较低;性价比最高的是微信生态,第一是与用户沟通接触距离更近,第二可以通过朋友圈和微信加大对产品的宣传。 3.2 家长受众:通过上述扇形图展示,可以直观看到在受众人群上父母的比重大约在9成,而母亲更是占到6成,所以母亲在购课决策是话语权最重。 分析主题:课中留存 1、模块简述:课中留存是转化中的核心环节,用户对于产品的价值和匹配度进行的综合判定。 2、数据展示:通过柱状体展示累计章节的完课人数,粉色折线图表示累计章节的转化率,绿色面积折线可以观察到章节的完课率情况。 3、分析结论:随着课中完课章节数逐渐增加,转化率也是逐渐升高,甚至达到5成,根据数据显示累计完课章节数越高转化率也越高;从章节三开始为核心转折点,在章节三要进行完课提醒并且可以提前开始营销动作。   推动数据决策 业务痛点: 1、营销运营的目标不够清晰,很难快速掌握用户转化的核心痛点。 2、新产品缺乏信任基础和品牌知名度。 解决方案: 1、通过数据挖掘寻找用户转化的核心特征,通过高意向标签作为转化的营销抓手。 2、通过老用户作为品牌核心KOL,通过积分奖励激励用户进行分享裂变。 分析主题:转化意愿 1、思路拆解:主要用于研究用户行为事件的发生对转化的影响程度,针对这一行为特征进行相关性分析,确认导致该行为的影响因素和影响权重。 2、模型构建:转化医院本质是一个二分类的问题,预期是0-1的一个概率值,选择xgboost模型进行预测,通过和转化率强相关的因子和转化预测分层进行后续的营销策略。 3、特征归因:   4、分析验证: 4.1 卡方检验:衡量观察值与理论值的偏离程度,选择该校验方法的目的考虑主要是基于特征的二分类问题和相互独立事件居多。 4.2 斯皮尔曼相关性分析:核心针对两个连续性变量且成线性关系,所以需验证其相关性。   5、分析验证:举例说明 5.1 地域分析:从地域人群量级和转化率上来看,整体手中人群集中在二三线城市,所以在产品的投放和布局中,需针对等级进行策略规划。 5.2 课中留存:这里的留存主要指用户来学习的次数,分析图标看,用户持续学习提现出对产品课程的认可课程,非常有利于后续营销转化。 6、数据展示: 6.1 城市转化率:可以观察到当前产品的定位以及核心用户受众集中在二三线城市中。 6.2 年龄转化率:可以观察到当前受众用户集中在2-5岁,处于启蒙初期的孩子,在5岁以上孩子心智有一定启发,并且线下会延伸到幼儿或者小学阶段。 7、策略落地:在营销工具中实时更新用户的高意向标签(沟通意愿强烈)或者策略标签(学习能力画像中),可联动知识库进行组合式营销,为用户解决痛点,提供优质的服务。比如:用户的能力画像中“思维能力”薄弱,那么可以根据用户在学习过程中哪些思维题做的不好,引导用户如何针对性、系统化的提升,解决核心痛点。 8、策略价值:在现有转化率基础上提高了15%。 分析主题:推荐裂变 1、背景简介:通过用户的调研和反馈,在转化过程中有两个比较重要的原因,第一个是信任基础薄弱,由于课程转化周期短,在二三线城市比较注重情感和信任关系;第二个是品牌的知名度,由于是新品牌加上市场竞争力较多,需要结合母品牌进行综合营销。 2、营销方案:发展老用户成为KOL,通过积分奖励激励用户进行分享裂变。 3、数据展示:通过按天的周期,柱状图可以直观看到分人数和分享后的转化率。 4、策略价值:通过周期性的观察,用户的分享人数持续增多,并且通过KOL的转化率也逐渐走高,初步证明该方式可以作为一种营销策略进行尝试。   三、参赛总结 1、使用FineBI的感想         招生分析的数据量非常的庞大,而且针对全链路的问题分析、做出结论、数据策略、实现验证,整个过程需要做整理、清洗、脱敏、以及数据的加工,最后的数据展示在FineBI的使用上已经是轻量级的,在可视化分析报告中,我们还有几点感受: 数据源:在数据源的变动时相应速度还是非常迅速的,而且可以进行实时联动,自助的数据集也不错,整体功能交互逻辑比较清晰。 数据图表:有非常多的图表样式可以选择,然后颜色、风格也可以随意切换,还有换肤功能,这点做的多样性还是比较强的,这样的话针对一些个性化也能满足,特别是帮助文档很有用,在做柱状图+折线图的时候研究了好久,终于找到帮助中心解决了问题。 响应速度:组件和图表的切换比较流畅,并且能实时保存,“所见即所得”做的不错。 数据模型:如果后续有考虑的话也可以集成一些数据模型在里面。   2、参赛感悟 整个参赛的过程中大家真的是遇到了非常多的挑战和困难,因为我们都是之前在一起共事的同事,也因此找到了一些当初的回忆,为了一个共同的目标贡献自己的力量。 (ps:附上凌晨的强哥)   四、仪表盘总览 作品公共链接:https://bisolutions.fanruan.com/webroot/decision/link/wBP1 最后同时也感谢finebi组织比赛,给我们一个再一次合作的机会。
个人成就
内容被浏览2,482,176
加入社区2年6天
返回顶部