你在职场中常感焦虑,很可能是你不懂如何看到事物本质!

2019 年 8 月 28 日 三节课


实际上,能否在特定场景下解决问题,取决于你能否看到事情的本质。

  • 或许你是老板,要解决商业模式的问题。

  • 或许你是高管,要解决团队管理的问题。

  • 或许你是主管,要解决业务增长的问题。

  • 又或许你是初入职场的小白,要解决1个又1个极其考验学习能力和执行能力的问题。

 

对企业而言,能否解决这些问题,决定了一家公司发展的天花板。

对于个体而言,你能将问题解决到什么程度,就决定了你的职业发展能走多远。

 

而解决这些问题的关键,在于你能否透过表象,发现问题的本质。

在意识到这点后,我将这句话作为签名来警示自己。与你分享——

 

 

此刻也许你会想——说了那么多,那本质是什么?到底该如何解决问题?

 

坦白讲,我想不到比“数据分析”更能接触本质、解决核心问题的方法。

 

以我为例。

 

假设我当前面临一个问题:如何提升一篇重点文章的售卖效果?

 

这时候,我会先写一条非常简单的算术公式:文章收入=文章阅读数x成单转化率x客单价(几乎所有问题,都可以公式化)

 

然后,对公式中的每个变量进行拆解分析,找到其中的核心变量

 

A.如何提升阅读数?

 

拆解如下:阅读数=公众号粉丝阅读数(a)+非公众号阅读数(b)。

 

关于a,由标题决定,现在的标题基本是内容同学写5个,抛出来投票,目前是常量,无法进一步提升。


关于b,由转发数决定,目前有2种方式,第一种内部渠道分发,最近几次都做到位了,是常量;第二种文章里设置转发动机,如留言点赞前三送实体书,这一点在之前增长黑客活动文中已经试验了,效果较好。

 

B.如何提升成单转化率?

 

拆解如下:成单转化率=扫码转化率(a)+详情页转化率(b)

 

关于a,主要由文章质量是否ok+卖点是否足以打动用户决定。文章质量这一块,目前我们已经有较为成熟的体系,对于推文质量可以做一个基本保证;卖点这一块,需要找到恒定且具有爆点的地方,这个是核心变量。


关于b,详情页转化率尚有提升空间,如在文案、交互上的改进,这个也是核心变量。

 

C.客单价

暂时客单价不会有太大变化,是常量。

 

综上,核心变量有2个:

第一,在周期内找到稳定且有爆点的卖点;

第二,重点要推的SKU,详情页文案、交互的优化;

 

那么,在找到核心变量后,我们就可以去做执行动作了。

 

以上就是我的分享,希望对你有用。


也欢迎大家用这个拆解公式的方法,想一下自己当前解决的问题,然后在留言区分享~(私以为,这才是教育的力量:互相影响,相互成就)

 

大家可以看到的是,即使是推文这一个小工作场景,就有着大量诸如阅读数、打开率、分享率、转化率..这样的数据,而如果是公司销售额这样的场景,就要更复杂的多。对于这些数据,如果你忽视ta们、不去分析ta们,同样的,成长也会忽视你。

 

那么如何才能不忽视呢?

最好的答案就是——学我们的业务数据分析课呀!


(突如其来的课,闪了我的老腰)


这门课程是我们和曾就职于腾讯、豌豆荚、AcFun等知名大厂,历任产品总监、事业部总经理等职位,现神策数据副总裁张涛老师,历经8个月的课程打磨、迭代+1个月的内测产出的数据分析课程将于明天(8月29日)开班


关于这门课,想要提前告知你3个事实。(后面还会有关于这门课的详细介绍)

  • 第一,张涛老师是早期把 GA (Google Analytics)用得炉火纯青的人,同时,他对数据和应用场景如何结合有着深刻的理解。因此,在目前业内所有数据相关的课程中,这个课程不一定是最高大上的,但一定是更能为你解决实际业务问题的。

  • 第二,如果你是一个1-5岁的互联网从业者,无论你目前是产品经理、运营、市场还是其他任何一个岗位,你都一定需要学会运用数据去定位并高效解决问题,以及学会运用数据去评估自己的工作质量。所以,如果你错过了这门课程,你可能会后悔。

  • 第三,这门课程不会教你编程、也不会教你代码!只会在100+个实战案例中,训练产品、运营、市场等业务同学常见场景的数据分析思路,帮大家了解数据分析语境下的核心定义、工具、方法,弥补你面对数据“毫无分析思路”的“硬伤”!


这门课程将于明天(8月29日)开班,目测越早学习对你在职业生涯的帮助越大,有的时候机会就是在犹豫中流逝的,因此这里提前给到报名入口,想要报名的同学,可以扫描下方二维码直接报名



我将会给大家介绍一下,这门课程到底好在哪里。



为了开发这门课程,三节课的教研团队调研了市面上几乎所有数据相关的课程,发现了两个问题:


1.主讲老师往往都是由数据分析师来担任,课程内容无法与实际工作相结合。

数据分析师是专门从事行业数据搜集、整理、分析,并依据数据做出行业研究、评估和预测,可以说是最专业做数据分析的一群人。但,他们的工作方向和内容更偏向于分析能力,而不是工具与具体业务的结合。因此,大量的课程都是在讲一些“强大”的数据分析模型,以及教你如何使用各种工具,导致你学了再多的方法,面对实际且具体的业务问题,依然不知道如何下手工作。


2.案例过于高端,对一般深耕业务的从业者来说不落地。

大多数课程中的案例或者倾向于商业分析,从公司层面去做判断、做预测(实际情况你参与不到那个层面的决策);或者需要借助“高深”的算法于模型,结合多渠道证据的进行验证与洞察(实际情况你不是程序员,没有那么多时间去做件探索性的事情);又或者需要全面、长周期数据,去“综合”分析(而往往公司数据基础不好,缺这少那)……

学到的很美好,但与实际工作情况完全不相符,空学一身“理论”,回到工作中也没有办法给你真正实践去做一次的机会。


而这门课程,可以说近乎完美地解决了上面两个问题——


首先,它的内容足够落地、足够有含金量。


  • 学习真正需要的技能

在课程调研初期,教研团队与近500位一线互联网从业者进行了1对1沟通,整理了大家对于工作中最常见的问题,发现同学们对数据的认知仍旧集中在“采集到了一堆有价值的数据,但是不知道如何进行处理和分析”,“看似掌握了很多数据工具,但是不知道如何选取和使用”等等。随后,在与多位业务和数据专家交流后,总结出了问题的核心:大家更关注的,其实是如何运用数据理解真实的业务现状,以及,如何通过数据解决业务问题。


据此明确了这门课程的定位:打造一门和业务紧密结合、非常落地、即学即用的数据能力课程。从底层认知出发,重构大家对于数据的理解,选取非常落地的内容和案例,帮助大家能够快速低成本地运用到工作之中。


课程设计会基于互联网产品、运营、市场人的真实工作场景,提炼大家所需知识点进行萃取:



  • 大量真实数据案例分析

作为一个从业12年的老手,本门课程的主讲老师张涛有着非常丰富的实战经验,曾带领产品从10W日活走向1000W日活,同时,他也正是因为丰富的业务经验被神策看中,在不到一年的时间中,先后帮助了近50家企业实现数据驱动转型。因此,这门课程中会引入大量真实产品、以及真实场景中的案例(因为公司数据具有保密性质,所以在符合业务实际情况的基础下,课程中对部分数据进行了处理,并隐去了部分公司的名字)


下面是课程中的部分实战项目,大家可以感受下:



其次,课程内容也绝不仅仅只限于“数据分析”,而是会更多的带你站在业务负责人的角度上学习如何将数据与业务场景相结合。


举例来说,实际工作中你可能经常会遇见以下几种情况:

1.大家都在说DAU、新增、留存等基础指标,但往往业务部门和数据分析对于这些基础指标的定义又不同,甚至在同一部门内部都无法统一,因此沟通上总是“鸡同鸭讲”;


2.公司暂时没有自己的BI系统,因此数据全部是用第三方平台进行处理,但,突然要换到新的平台上,或是自己换了新的工作,新公司用的是另一个平台。因此,好不容易才熟悉了数据处理的方法,又要重新学起;


3.公司终于有了自己的BI系统,但是数据庞大,且没有专职的数据分析师,只能自己上手处理,因此,完全不知道该从哪下手才能找到自己想要的数据;


4.老板天天说要找到产品的用户画像,但对于什么是用户画像完全说不清,也不知道如何通过数据去分析和定义出来,基本全靠拍脑袋;


5.一个新功能上线了,不知道该如何判断它是否帮助提升了短期的kpi,或是长期的用户价值......

等等等等。


这些问题从根本上来说,都是因为不知道如何用数据指导工作和业务发展。因此,在课程中,会通过拆解互联网一线公司实际案例,带你从真正认识数据指标开始、到拆解业务模块、选择和自己业务匹配的数据分析方法,模拟一线互联网数据进行数据处理和数据分析,最终解决实际的业务问题,让你能够真正站在负责人的角度分析业务目的,理解业务决策,找到最核心的数据指标。


通过课程中讲解的核心数据分析方法,你可以亲自走进数据后台,根据数据还原业务场景,运用多种分析方法完成数据分析,建立衡量指标,监测业务健康,最终解决业务存在的各类问题。


为大家举几个例子,可能会更有感受些。


比如,在第一部分的「指标拆解」中,我们会带你重新认识不同类型的数据指标,真正了解数据是怎么来的:



比如,在讲授「数据工具」的章节时,我们不是只讲解 Excel、SQL、GA 等工具怎么使用,更重要的是教你在什么情况下使用什么工具,分析什么数据。下图是选择数据工具的核心逻辑:



比如,面对大家「不知道怎么分析数据」「拿到数据不知如何下手」等情况,课程中会带给大家 9 种常见的数据分析方法,更重要的是,告诉你在什么情况下使用什么方法才有效:



再次,它秉承了三节课“对学习效果负责”的一贯原则。


针对课程中提到的每一个点,从数据指标、数据工具、数据处理、数据分析到数据采集等各方面,都总结出来了大量特别实用、能落地的工具或者方法。且搭配三节课特有的“魔鬼训练营”模式,每一个方法背后都有高强度的实战训练+助教1V1点评指导,确保每一个人都能拿去实操和获得切实能力提升,而不是听了一堆案例然并卵。


此外,这门课程将于明天(8月29日)开班,想要报名的同学,可以扫描下方二维码直接报名。


接下来,如果你想对这门课程了解更多,不妨继续往下看:
一、这门课程适合谁来学习?


1-5岁互联网从业者(产品、运营、市场等),需要用数据去定位并高效解决业务问题,从而完成从低阶到高阶的跃迁。


二、这门课程主要讲些什么?能解决什么问题?不能解决什么问题?


针对产品、运营、市场等常见的数据问题,带你一一拆解落地,如——

  • 如何采集业务需要的数据;

  • 如何提数据需求文档,解决业务需求问题;

  • 如何利用数据评估自己所做工作的效果,并定位到可提升点;

  • 如何通过用户画像了解数据背后的用户,从而实现高质量拉新、精准运营推送、及辅助产品设计;

  • 如何根据数据涨跌异常进行拆解,并有效处理?

  • 如何评估投放渠道的质量,确定优先级?

  • 新功能、新商品、新内容上线后,如何评估其效果?

  • 如何做到「千人千面」的精准运营推送?

  • ...


这门课程不能解决的问题:

  • 不是工具使用课程:课程中不会对具体的软件操作进行详细介绍。

  • 不是数据分析课程:数据分析是课程中的重要内容,但绝非全部。

  • 不面向「数据科学家」:不会在课程中讲解数学、算法、技术架构、代码、具体的计算机语言。


具体可见课程大纲:



此外,有必要提及的是——在这门数据课程中,还为你准备了8个与课程内容和实际业务强结合的实战项目,供你试炼,且每个项目都会有我们的资深助教老师来为你批改反馈,确保你学完之后可以真正上手。


如下是部分项目,供你参考:



三、学习形式、开课时间、课程价格等基础信息


1.学习形式:采用三节课独有的魔鬼训练营模式,即在线录播课程+全程强化训练+1对1助教批改点评辅助学习+微信群交流,全程由班主任+多位助教带班,报名后在三节课官网或三节课服务号收听课程。


2.课程时间:8月29日-11月29日,正常学习周期在1.5个月左右,3个月课程有效期内可无限重复观看。


3.课程价格:1299元,你要知道在三节课配有魔鬼训练营的P2系列课程定价都是1699元,这门课程相比来说可以算是超级实惠了。


4.课程名额:每期招生人数最高限量200人,目前仅剩最后24个名额。


以上,介绍的差不多了。


再次提醒:第15期将于明天(8月29日)晚8点开课课程仅剩最后18个名额啦!有意向报名学习的同学,赶快扫描下方图片二维码报名吧!晚了,会有报不上名的风险哦~在学习过程中若觉得课程预期和自己期待不匹配,开课7天内可无条件退款!这也是我们给到努力学习的你,最大的诚意。)



点击阅读原文,直接抢购业务数据课程!

登录查看更多
0

相关内容

数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析,以求最大化地开发数据资料的功能,发挥数据的作用。
【2020新书】实战R语言4,323页pdf
专知会员服务
98+阅读 · 2020年7月1日
德勤:2020技术趋势报告,120页pdf
专知会员服务
187+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
211+阅读 · 2020年2月21日
转岗产品经理,花了3个月都做不好需求工作
人人都是产品经理
10+阅读 · 2019年9月16日
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
你真的懂时间序列预测吗?
腾讯大讲堂
103+阅读 · 2019年1月7日
关于机器学习你要了解的 5 件事
机器学习算法与Python学习
7+阅读 · 2018年9月7日
薪水你自己填-番外篇
待字闺中
4+阅读 · 2018年6月13日
为什么你应该学 Python ?
计算机与网络安全
4+阅读 · 2018年3月24日
你们是不是都感觉自己少了个推荐系统?
互联网er的早读课
3+阅读 · 2017年12月15日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
Learning to See Through Obstructions
Arxiv
7+阅读 · 2020年4月2日
One-Shot Federated Learning
Arxiv
9+阅读 · 2019年3月5日
Arxiv
3+阅读 · 2018年12月19日
Arxiv
5+阅读 · 2018年12月18日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
VIP会员
相关VIP内容
相关资讯
转岗产品经理,花了3个月都做不好需求工作
人人都是产品经理
10+阅读 · 2019年9月16日
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
你真的懂时间序列预测吗?
腾讯大讲堂
103+阅读 · 2019年1月7日
关于机器学习你要了解的 5 件事
机器学习算法与Python学习
7+阅读 · 2018年9月7日
薪水你自己填-番外篇
待字闺中
4+阅读 · 2018年6月13日
为什么你应该学 Python ?
计算机与网络安全
4+阅读 · 2018年3月24日
你们是不是都感觉自己少了个推荐系统?
互联网er的早读课
3+阅读 · 2017年12月15日
看完后,别再说自己不懂用户画像了
R语言中文社区
15+阅读 · 2017年8月28日
相关论文
Learning to See Through Obstructions
Arxiv
7+阅读 · 2020年4月2日
One-Shot Federated Learning
Arxiv
9+阅读 · 2019年3月5日
Arxiv
3+阅读 · 2018年12月19日
Arxiv
5+阅读 · 2018年12月18日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Top
微信扫码咨询专知VIP会员