酒店与业客户管理4

第五章客户运营数据分析

学习目标学习层次学习目标知道层次Knowledge陈述数据分析的阶段理解层次Comprehension解释北极星指标描述数据分析的重点描述数据可视化的过程应用层次Application举例说明北极星指标应该如何分阶段设置举例说明数据分析的方法学习目标学习层次学习目标分析层次Analysis实验数据分析的方法实验数据可视化的类型和图形综合设计层次Synthesis设计客户运营场景中适用的数据分析方法评价层次Evaluation评估数据分析方法的选择评估可视化图像的选择评价运营效果客户运营数据分析数据分析的思路01数据分析的可视化展示03数据分析方法02数据分析的思路01北极星指标数据化运营首先要明确一个唯一重要的指标，也称之为“北极星指标”（NorthStarMetric）或唯一关键指标（OMTM，Onemetricthatmatters）北极星指标为客户数据化运营提供了明确的方向，以便运营团队达成共识并集中优势资源实现目标。在业务发展的不同阶段可以有不同的北极星指标。广义北极星指标

–案例某市中心的五星级酒店有400间客房，平均住房率80%，每天仅住店客人就有500人左右。在运营微信公众账号的前3个月，酒店将北极星指标定为“一万个精准客户关注微信服务号”。这个精准客户首先是已经在酒店消费过的客户，因为消费过的客户对酒店的产品和服务认知较深，有利于日后和客户开展互动。为此，酒店市场部在酒店前台放置了带参数二维码，客人扫码后关注微信可以获得住店期间的餐饮以及康乐服务电子优惠券。北极星指标

–案例市场部需要分析每天有多少客人通过这个二维码扫码关注了微信，其中有多少人使用优惠券去消费。在连续一周的数据观察中，市场部获得了每天通过前台触点获客的数据；然后对数据进行分析后发现平均每天在前台扫码关注的客人仅仅相当于平均入住客人数量的1%，而使用优惠券的客人就更少了。运营人员经过现场观察和调研，发现前台办理入住效率高、时间短，很多客人在办理入住的时候并不会注意到桌面上的带参数二维码水牌。客人扫码后虽然领到了优惠券，但客人在不了解酒店餐饮和康乐的产品特色的情况下，并没有在酒店消费，而且酒店周边可以选择的社会餐厅和康乐场所很多。北极星指标

–案例市场部提出了两个优化的措施，一个是前厅员工在为客人办理入住手续时主动向客人建议扫码关注领取优惠券，另外是将酒店的餐饮、康乐产品的图片和特色制作成相关落地页，主动推送给当天在前厅扫码关注的客人。这两个措施实施后，前厅扫码的客人的比例从1%提升到了30%，并且有50%领券的客人去餐厅或者康乐场所消费了。数据分析过程张溪梦（2017）将数据分析分为“数据发生了什么”、“理解为什么发生”、“预测未来会发生什么”和“商业决策”四个阶段。第一个阶段：通过展示数据说明“发生了什么”第二个阶段：对数据进行深度分析判断，找出发生现象的原因第三个阶段：通过这个现象去预测未来在类似事件上会发生的结果第四个阶段：利用这些数据进行商业决策数据分析的重点和意义在数据化运营环节中，数据分析重点是要基于客户行为数据。时间（When）地点（Where）人物（Who）交互方式（How）具体行为及内容（What）数据分析的可视化呈现合适、有效的数据可视化呈现技术，通过图像来表现数据，能够将复杂的数据分析结果以图表方式呈现给阅读者，具有丰富的细节与交互元素，实际上比单纯的表格式数据更加精确和有启发性。数据可视化后的某单体酒店24小时内微信服务号交互户数据某单体酒店24小时内微信服务号交互户数据练习题讨论题：请根据RCCCRE增长模型，讨论酒店微信公众账号运营每一个阶段的北极星指标是什么？实践题：请根据前面某单体酒店24小时内微信服务号交互户数据可视化的方法，在DOSSM-MarTech系统中进行相关数据的分析和可视化。数据分析方法02数据分析方法在旅游和酒店业，主要的运营实践工作是以用户为中心开展内容、活动和广告营销。实践是检验真理的唯一标准，数据是验证实践的科学依据(桑文锋,2018)。常用的数据分析方法如下：趋势分析分群分析漏斗分析留存分析分布分析A/B测试归因分析多维度拆解分析趋势分析趋势分析是基于时间序列展示数据，以便及时监控运营效果，总结运营过程中的问题，帮助运营者进行准确的决策和预测。时间序列就是将某种事件的某一个统计指标在不同时间上的表现数值，按照时间先后顺序进行有序的排列，以展现增减变动的方向、数额和幅度。微信关注用户趋势分析示例图趋势分析为了进一步分析运营中的问题，常用同比、环比、定比进行深入分析。同比=本期数据/上年同期数据定比=本期数据/固定期数据环比=本期数据/上期数据同比增长率=(本期数据-上年同期数据)/上年同期数据*100%定比增长率=(本期数据-固定期数据)/固定期数据*100%环比增长率=(本期数据-上期数据)/上期数据*100%分群分析分群分析是将客户按照标签属性进行归类划分，然后针对这一类型的客户进行持续深入的用户行为洞察，以便了解这个群体的特征和整体画像。常用于精准营销分群分析示例图漏斗分析漏斗分析是分析运营转化效果的最常用分析方法，是监测从客户接触到客户拥护各个阶段转化率的基本模型，能够帮助运营人员直观地发现和说明客户运营中的问题。活动漏斗分析示例图留存分析留存分析是用于分析已经转化成功的客户是否有后续行为，继续参与情况和活跃程度的分析模型，能够帮助运营人员衡量产品和服务价值是否对客户有持续吸引力。留存分析常常从新用户留存率和产品功能留存率进行分析，并用次日留存率、7日留存率、30日留存率等进行数据展示，但不同行业对客户活跃度要求不一样。

留存分析示例分布分析分布分析可用于在营销和运营事件中用户的分布类型和分布特征。通过分布分析，运营者可以还原用户的行为，找到核心客户群体，发现产品和运营中的具体问题，优化产品策略，增加客回头率，从而为决策提供依据。分布分析示例图A/B测试A/B测试是用于为同一个目标设计两个方案，然后选择两个实验组，通过并行实施来对比两个方案的实施效果，从而确定最优的方案。三个注意点每个方案只能有一个变量不同实验组人数要平均需要足够的测试时间和测试数据量支持颜色A/B测试归因分析在广义层面上，归因分析/归因理论是一个严谨的社会心理学课题，用于研究三个方面的问题个体心理活动发生的因果关系，内部/外部、直接/间接原因的分析一般性规律的推论，以个体的行为、结果、个性差异等为基础，归纳出一般性规律通过一般性规律来指导行为期望与预测归因分析在运营数据的归因分析层面，更多关注的是不同归因模型的应用效果上末次互动模型最后一次互动的渠道获得100%的功劳，这是最简单直接、也是应用最广泛的归因模型首次互动模型首次互动的渠道获得100%的功劳，更加强调的是驱动用户认知的、位于转化路径最前端的渠道线性归因模型对于路径上的所有渠道，平均分配功劳权重时间衰减归因模型对于路径上的渠道，触点越接近转化，其功劳权重越高U型归因模型混合首次互动模型和末次互动模型多维度拆解分析在数据化运营中，单一的数据不能反映运营的全貌。从不同角度分析，得出的结论会不一样。数据分析需要在不同维度进行交叉分析，从而能够深刻发现业务存在的问题。触点角度分析住房客人、餐饮客人、康乐客人、宴会客人、会议客人……人口属性角度分析性别、地域……时间角度分析按时间、星期、淡旺季、月份……产品角度分析按房型、餐厅类型、会议类型、宴会类型……数据分析方法总结随着人工智能、机器学习和深度学习技术的发展，数据分析将更加智能。人工智能除了在表现交互层面上更像人类外，更多的是强调推理、自学习部分，以及怎么样把计算机系统的推理、自学习能力结合企业的具体应用场景，解决企业的实际商业需求。练习题讨论题：1)在社群中推送落地页，应如何进行转化漏斗分析？2)在酒店的微信运营中，应如何运用留存分析？3)在电子邮件和短信营销中，应如何运用A/B测试？实践题：请在DOSSM-MarTech对微信公众账号的粉丝运营进行趋势分析，并选择一个活动进行漏斗分析。数据分析的可视化展示03依据数据类型进行分类从数据类型的角度，可以将数据可视化分为：统计数据可视化关系数据可视化地理数据可视化时间序列可视化文本数据可视化统计数据可视化统计数据可视化：指针对数据进行统计，然后对统计结果进行可视化呈现。例如，针对某个微信公众平台账号粉丝关注来源渠道的数量统计数据可视化后的微信公众平台账号粉丝关注来源渠道数量统计微信公众平台账号粉丝关注来源渠道的数量统计表关系数据可视化关系数据可视化：主要表现为类似流程图或漏斗图的数据，而且数据前后之间存在一定的关系。例如，企业某个用户的成长足迹关系数据可视化示例图地理空间数据可视化地理空间数据可视化：主要用于呈现包含国家、省份、城市、或经纬度等地理位置信息的数据，往往结合地图进行展示。例如，某个企业的销售线索地理分布地理空间数据可视化示例图时间序列可视化时间序列可视化：是一种非常常见的可视化呈现方式，大部分的数据都与时间相关联，要求分析结果能够表达有关时间的趋势变动，例如，某个微信公众平台账号近一个月的关注/取关数量日对比时间序列数据可视化示例图文本数据可视化文本数据可视化，对于主要由文本内容组成的数据进行可视化呈现的方式，例如，企业某个用户的标签画像文本数据可视化示例图根据可视化图形进行分类对于数据可视化来说，使用恰当的图表来表现不同的数据非常重要，不同的图形都有不同的表现特点，从而适合不同的应用场景。因此，从可视化图形的角度，可以将数据可视化分为不同类别，较为常用的5种图形分类有：柱状图类折线图类散点图类饼图类组合图类柱状图类柱状图类，可以细分为基础柱状图、堆积柱状图、条形图等等，主要通过柱状图等高度变化来反映数据特点/关系。堆积柱状图基础柱状图柱状图类条形图折线图类折线图类，可以细分为基础折线图、面积堆积图等，主要在需要表现整体数据的变化趋势和增长幅度的场景下使用。基础折线图面积堆积图散点图类散点图类，包括基础散点图、气泡图（使用气泡大小表示数值大小）等，主要用于发现数据之间的关系，数据点越多所反映的结果越精确。基础