课程简介
体系完整:从纵向的思维认知升级,到横向的流程建立,课程构建了完整的破局方法论体系,帮助企业360度扫描自身、发现问题、解决问题。
模块封装:课程高度模块化,各单元独立成章,将知识完美封装,易于吸收。且可根据授课对象的实际情况进行灵活的组合,按需所取。
案例众多:课程中采用不同行业的案例拆解分析,他山之石可以攻玉,快速吸收借鉴他人成功和失败的经验是迅速转身的捷径。
工具落地:提供互联网大厂/新零售/银行等金融行业在用的方法论的落地工具,并结合资讯实例以及和学员的共创辅助将知识点快速落地为学员的经验。
实战演练:采用分组积分制、课堂互动、课后实操作业、讲师助教点评批改、复盘等形式,学员在练中学、学中练,将知识体系与自身业务有机融合。
授课专业:授课讲师从事在线教育行业创业,将教、学、评、测、练的完整体系融入到授课和训练营的过程之中,最短时间辅助学员掌握吸收,最高效率做知识和经验传授,最大限度帮企业节约时间。
目标收益
1、体系完整;
2、数据思维升级:提升核心团队不同角色数据思维能力。
-产品:对功能上线后的效果负责,如何正确评估指标,如何基于数据指标通过探索性数据分析提出基于目标提升的优化建议,还能数据指标洞察真正的业务需求发现产品新的机会点。
-运营:如何在预算少、研发人力投入不足的情况,基于行业、竞品和自己的数据分析,找到当下价值最大的策略。
-市场营销:一是提高对外部市场数据的获取和分析能力;二是提高数据评估能力,对市场投放/活动前预算估算能力和投放.活动后效果衡量以及后续重点优化方向判断。三是数据分析能力(在“数据海洋”中寻找因果关系并将之量化的能力),弄清市场预算/花费、渠道、创意等影响因素与公司实际追求的业务增长指标间的关系,以及在可控的范围内通过在预算、渠道、创意等维度上的优化促进公司的业务增长。
-数据分析师:不再做服务业务的乙方,而是从战略和战术做业务的参谋部。
-业务负责人:一是提高鉴别数据质量、数据分析结论避免陷入盲从数据的误区,从而在业务判断、业务决策上造成误导。因为同一个数据源用不同口径统计,再采用不同的比较方式,甚至造成不好的结果。领导需要判断数据口径及其对比方式是否能够科学、准确地体现业务经营状况的好坏,还是可能为“虚荣指标。二是基于数据抽丝剥茧”,准确判断业务方向,采取正确的策略。
3、数据思维升级掌握体系化的框架并在课堂产出:
4、业务诊断:通过业务分析指标体系对核心经营指标、业务异常等进行分析阶段
5、策略落地:增强高阶运营体系化和战略化运营增长能力。
掌握基于当前业务问题,选择适合自己的产品或运营增长策略,实现全生命周期的用户管理,达成拉新、转化和留存等业务目标。
6、沉默用户激活以及全生命周期管理:辛辛苦苦获取了大量用户,但是用户不活跃,如何提高频次..
7、数据体系建立:团队管理者上下同欲设计目标,员工拆解自己的OKR,一级指标到四级指标建立,针对数据发现问题并解决问题。
培训对象
课程大纲
一、数据洞察(3H) |
01| 如何找到北极星指标 1.如何定义一个好指标,建立指标的误区 2.评估北极星指标 (1)估算方式一:自上而下的北极星指标 (2)估算方式二:参照系法 (3)估算方式三: 02| 如何搭建数据指标体系,助力业务增长 数据指标的拆解思路,教你建设好一个好的质量评估体系和监控体系 (1)分级评估体系 (2)指标体系常见的误区 带你读懂数据,找到业务运营发力点 03.进阶:战略级指标宏观环境指标:PEST/美团四层三面 中观环境指标:五力模型 微观环境指标:竞争势态 【模块收益】 1.定义北极星指标 2.掌握三种合理估算北极星指标的方法 3.找到行业&竞品数据方法 【案例】 基于银行不同业务指标体系拆解的方法(个贷、手机银行、零售等) 【效果检验】 工作坊:设计自己的数据指标体系并洞察增长方向 |
二、活用数据分析方法,应对不同业务场景实战(3H) |
01| 分析结果,【发生了什么】的四大数据分析方法(描述性分析) 1.发生了多少次:频数分析/数据分布 2.如何变化:趋势分析 3.忠诚度留存分析&魔法数字 4.漏斗分析 02| 业务预警(诊断类分析) 找到异常:西格玛分析和四分位差 03| 业务问题诊断,分析【为什么发生】的三大方法 1.细分分析&对比分析 2.用户在做什么,路径分析 3.用户为什么会购买,归因分析 04|建模型三大方法和应用场景 场景一:预测发展趋势:线性回归 场景二:评估相似程度:K-means聚类 场景三:识别关键因子:logistic回归 05| 用户画像(标签体系、用户分群和用户分层) 【模块收益】 1.掌握业务发生了什么描述性分析的四大方法 2.掌握业务预警诊断类的两大方法 3.掌握业务为什么发生的三大方法 4.建模型分析的三大方法以及三大应用场景 【案例】 1.基于银行不同业务指标体系拆解的方法(个贷、手机银行、零售等),每个分析方法对应不同案例 2.金融用户购买意愿 3.交叉用户购买意愿(线性回归) 4.工行标签体系建设与应用 5.银行数据涨跌如何分析 6.银行建模分的实战 7.银行用户基于数据聚类分层 8.优惠敏感度测算 9.成本收益模型 【效果检验】 设计自己业务监控和价值评估的指标体系 |
三、基于数据选择正确的策略(4H) |
01| 基于数据驱动增长的顶层思考框架(探索性分析) 02| 规模化拉新项目实战 1.策略一:如何评估渠道质量,进行迭代优化以及做好策略落得的四要素 2.策略二:基于数据分析进行活动拉新迭代(活动预算、活动补贴以及活动策略效果预测等) 03| 新用户激活项目实战 1.策略一:Aha时刻(基于数据找寻)+引导用户的4个手段 2.策略二:基于数据漏斗优化核心体验减少流失 04| 老用户留存项目十大策略实战 1 策略一:基于不同分层精细化运营策略提高用户留存(充返、满赠、单单省、任务、券套餐、会员) 2.2 策略二:皮尔逊相关系数方式找到影响留存的要素 2.3 策略三:提高用户参与度 2.4 策略四:强化社交关系(社交关系的计算和应用) 2.5 策略五:构建沉默成本 2.6 策略六:激励体系价值预测和策略选择 2.7 策略七:横向扩展哪些用户群的的数据分析和纵向技术数据洞察进行用户价值延伸 选择 05| 老用户价值提升项目实战的七大策略 策略一:精细化(如何基于数据判断针对哪类用户提升) 策略二:会员 (基于数据进行不同用户会员权益选择、会员等级设置、会员定价测算) 策略三:营销活动补贴(用户敏感度模型、补贴价值计算) 策略四:社群服务 策略五: 交叉推荐 策略六:新的交易模式设计 策略七:变现收入模式 06|流失用户召回项目实战 6.1 用户召回顶层设计 6.2 召回用户四部曲 6.2.1 第一步,基于科学合理的进行召回用户选择(利用逻辑回归预测用户流失概率、流失后留存的概率) 6.2.2 第二步,利用数据分析找到流失原因分析(最核心) 6.2.3 第三步,A/B实验(时间+内容+驱道+承接方式) 6.2.4 效果监测,策略迭代 07| 通过数据分析搭建反作弊模型 【模块收益】 1.科学量化用户体验 2.新老用户留存相关因素分析 3.基于数据分析和用户洞察选择适合自己的策略 4.掌握提高用户价值七大策略 【案例】 1.平安银行新用户转化策略的迭代 2.平安用户养成计划的数据测算和迭代优化 3.滴滴司机收入下降的数据分析和迭代策略选择 4.建行券包策略的数据分析实战 5.平安银行私域分析和实战 6.滴滴司机和乘客精细化召回 6.滴滴类别拉新和大型活动 7.美团外卖留存 8.招行用户AUM提升3000万实战 9.平安银行用户购买转化率分析 10.交叉购买分析 11.银行用新零售老用户召回完整详解讲解 【效果检验】 工作坊:基于数据分析的框架设计自己的策略 |
四、数据反馈(2H) |
01|A/B实验 1.A/B实验测试的理论基础-假设验证 2.设计A/B实验测试流程和三原则(流量分配、实验周期等) 3.A/B实验工具&A/B实验系统介绍 02|归因体系搭建 1.归因五部曲(用户识别-归因模型-归因方法-归因串联-归因周期 2.归因六方法以及应用场景 03|数据采集 明确埋点需求(想清楚)-形成需求文档(讲明白) 04|数据可视化,汇报锦上添花 【模块收益】 1.A/B实验的流程 2.保证A/B实验效果的三原则 3.归因体系搭建框架 【案例】 1.京东金融、字节A/B实验 2.银行数据数据采集实战 3.字节的归因体系框架设计 |
一、数据洞察(3H) 01| 如何找到北极星指标 1.如何定义一个好指标,建立指标的误区 2.评估北极星指标 (1)估算方式一:自上而下的北极星指标 (2)估算方式二:参照系法 (3)估算方式三: 02| 如何搭建数据指标体系,助力业务增长 数据指标的拆解思路,教你建设好一个好的质量评估体系和监控体系 (1)分级评估体系 (2)指标体系常见的误区 带你读懂数据,找到业务运营发力点 03.进阶:战略级指标宏观环境指标:PEST/美团四层三面 中观环境指标:五力模型 微观环境指标:竞争势态 【模块收益】 1.定义北极星指标 2.掌握三种合理估算北极星指标的方法 3.找到行业&竞品数据方法 【案例】 基于银行不同业务指标体系拆解的方法(个贷、手机银行、零售等) 【效果检验】 工作坊:设计自己的数据指标体系并洞察增长方向 |
二、活用数据分析方法,应对不同业务场景实战(3H) 01| 分析结果,【发生了什么】的四大数据分析方法(描述性分析) 1.发生了多少次:频数分析/数据分布 2.如何变化:趋势分析 3.忠诚度留存分析&魔法数字 4.漏斗分析 02| 业务预警(诊断类分析) 找到异常:西格玛分析和四分位差 03| 业务问题诊断,分析【为什么发生】的三大方法 1.细分分析&对比分析 2.用户在做什么,路径分析 3.用户为什么会购买,归因分析 04|建模型三大方法和应用场景 场景一:预测发展趋势:线性回归 场景二:评估相似程度:K-means聚类 场景三:识别关键因子:logistic回归 05| 用户画像(标签体系、用户分群和用户分层) 【模块收益】 1.掌握业务发生了什么描述性分析的四大方法 2.掌握业务预警诊断类的两大方法 3.掌握业务为什么发生的三大方法 4.建模型分析的三大方法以及三大应用场景 【案例】 1.基于银行不同业务指标体系拆解的方法(个贷、手机银行、零售等),每个分析方法对应不同案例 2.金融用户购买意愿 3.交叉用户购买意愿(线性回归) 4.工行标签体系建设与应用 5.银行数据涨跌如何分析 6.银行建模分的实战 7.银行用户基于数据聚类分层 8.优惠敏感度测算 9.成本收益模型 【效果检验】 设计自己业务监控和价值评估的指标体系 |
三、基于数据选择正确的策略(4H) 01| 基于数据驱动增长的顶层思考框架(探索性分析) 02| 规模化拉新项目实战 1.策略一:如何评估渠道质量,进行迭代优化以及做好策略落得的四要素 2.策略二:基于数据分析进行活动拉新迭代(活动预算、活动补贴以及活动策略效果预测等) 03| 新用户激活项目实战 1.策略一:Aha时刻(基于数据找寻)+引导用户的4个手段 2.策略二:基于数据漏斗优化核心体验减少流失 04| 老用户留存项目十大策略实战 1 策略一:基于不同分层精细化运营策略提高用户留存(充返、满赠、单单省、任务、券套餐、会员) 2.2 策略二:皮尔逊相关系数方式找到影响留存的要素 2.3 策略三:提高用户参与度 2.4 策略四:强化社交关系(社交关系的计算和应用) 2.5 策略五:构建沉默成本 2.6 策略六:激励体系价值预测和策略选择 2.7 策略七:横向扩展哪些用户群的的数据分析和纵向技术数据洞察进行用户价值延伸 选择 05| 老用户价值提升项目实战的七大策略 策略一:精细化(如何基于数据判断针对哪类用户提升) 策略二:会员 (基于数据进行不同用户会员权益选择、会员等级设置、会员定价测算) 策略三:营销活动补贴(用户敏感度模型、补贴价值计算) 策略四:社群服务 策略五: 交叉推荐 策略六:新的交易模式设计 策略七:变现收入模式 06|流失用户召回项目实战 6.1 用户召回顶层设计 6.2 召回用户四部曲 6.2.1 第一步,基于科学合理的进行召回用户选择(利用逻辑回归预测用户流失概率、流失后留存的概率) 6.2.2 第二步,利用数据分析找到流失原因分析(最核心) 6.2.3 第三步,A/B实验(时间+内容+驱道+承接方式) 6.2.4 效果监测,策略迭代 07| 通过数据分析搭建反作弊模型 【模块收益】 1.科学量化用户体验 2.新老用户留存相关因素分析 3.基于数据分析和用户洞察选择适合自己的策略 4.掌握提高用户价值七大策略 【案例】 1.平安银行新用户转化策略的迭代 2.平安用户养成计划的数据测算和迭代优化 3.滴滴司机收入下降的数据分析和迭代策略选择 4.建行券包策略的数据分析实战 5.平安银行私域分析和实战 6.滴滴司机和乘客精细化召回 6.滴滴类别拉新和大型活动 7.美团外卖留存 8.招行用户AUM提升3000万实战 9.平安银行用户购买转化率分析 10.交叉购买分析 11.银行用新零售老用户召回完整详解讲解 【效果检验】 工作坊:基于数据分析的框架设计自己的策略 |
四、数据反馈(2H) 01|A/B实验 1.A/B实验测试的理论基础-假设验证 2.设计A/B实验测试流程和三原则(流量分配、实验周期等) 3.A/B实验工具&A/B实验系统介绍 02|归因体系搭建 1.归因五部曲(用户识别-归因模型-归因方法-归因串联-归因周期 2.归因六方法以及应用场景 03|数据采集 明确埋点需求(想清楚)-形成需求文档(讲明白) 04|数据可视化,汇报锦上添花 【模块收益】 1.A/B实验的流程 2.保证A/B实验效果的三原则 3.归因体系搭建框架 【案例】 1.京东金融、字节A/B实验 2.银行数据数据采集实战 3.字节的归因体系框架设计 |