不同等级的数据分析师对“复杂”一词的看法不一样,那理解的意思也会有所偏差;那怎么能快速并且正确的get到领导和客户的点呢?本文用数据分析的方式巧妙的解释了这个问题。

很多同学表示:从0到1的文章很多,可面对复杂问题,该怎么搭建数据分析思路呢?

首先,“复杂”一词在不同等级的数据分析师里含义不同。对小白而言,领导传达命令的时候,有“模型”俩字的就是复杂问题,一听“模型”,新人就开始狂翻《西瓜书》《统计学习》《机器学习》誓要与“模型”血战300回合。

而有经验的同学都知道,企业里真正复杂的才不是这些。

来看个具体例子:

场景——电商行业(纸质书、视频光盘等商品为主),客服领导对物流领导意见非常大,认为物流问题影响了客户满意度;但物流领导表示:所有发货不及时,发货过程中包装破损等问题已经被处理了,怎么可能还有物流问题。现在有一份分析需求,要求:建立全面、细致的客户满意度评估指标体系。

一、什么是真正的复杂问题

问题1:收到这个需求,你会百度哪个关键词?

  1. 评估指标
  2. 客户满意度指标
  3. 客服客户满意度指标
  4. 物流客户满意度指标

很多新人一看这种问题就觉得:简单。不就是建个评估指标吗,这种文章网上一天能见8篇。而且“客户满意度”这个词我也熟悉,又不是私域流量,精准画像这种玄乎词。于是开始百度上边四个关键字,找一个看起来可行的就开始干了。

可关键问题是:眼前的问题,是大家不知道客户满意度怎么考核吗?

不是!眼前的问题是客服跟物流俩部门干上了!这才是大问题。

所谓“客户满意度”只是两边干架的一个由头。如果“客户满意度”的标准不能让两边共识,那不管书本上是怎么定义的,只要你甩出来,都会被其中一方喷到死。这才是第一大难题。

所以这一题根本就不该选。第一步要干的事,是先了解具体不满的点在哪里。

数据分析,如何解决复杂的企业问题

又有新人表示:既然是客服对物流不满,那客服记录用户来电里,有“客户投诉”这一项,直接把这个指标拿出来不就完了(如下图)

数据分析,如何解决复杂的企业问题

这就涉及到第二个难题:客户满意度,是个含义丰富,但采集数据非常难的指标。

  • 到底啥算满意?
  • 客户不满意是不是就一定投诉?
  • 是不是客户满意了就不会投诉?

都不一定!特别是涉及物流问题:

  • 可能客户假装发脾气,只是为了让客服处理速度快一点。
  • 也可能客户闷声不响,但是最后退货!退货!退货!
  • 更有可能客户拨打的是咨询/建议,但是发脾气:为啥还不发货!

只靠一个字段:投诉,是无法真实反映情况的。

比如客服领导给出来的“客户不满意”是以下场景

数据分析,如何解决复杂的企业问题

这又涉及第三个问题:如何在各种庞杂数据里,真正识别出客户投诉/非投诉。

如果按客户领导的说法,得把所有客户来电都转文字记录+关键词过滤一遍才能识别情况。可显然这么干太费时费力,得找个简单的处理办法。

然而这又涉及到第四个问题:客服的工作流程得调整。

不调工作流程,依然会有大量真真假假的投诉混杂在其他来电里,后续还是没法跟踪,客服依然会无休无止的抱怨,物流依然不知道自己错在哪。然而,调流程这事,又涉及业务部门能不能、肯不肯、想不想的问题。

这时候如果有个人冒出来,说:“你们做数据的不是会人工智能大数据吗,就不能我们照常干,你们Duang一下就分析的一清二楚吗。肯定是你能力不行”……是不是你也想打爆他的狗头了。

  • 部门利益有冲突
  • 指标含义不清楚
  • 原始数据内容乱
  • 相关流程要改动

这些才是老鸟眼中真正难解决的问题。然而这也是企业真实的经营场景,那种数据完美,含义清晰,静静躺在excel表里等着被建模的事,只存在于网上文章里。现实就是各种利益纠葛,数据混杂,流程不清,咋弄呢???

二、如何建立分析思路

总结下本次的问题。表面上看,是:客服反馈物流问题多,客户满意度低。

可往深入看,客服与物流对客户满意度口径不统一,导致无法解决问题。

再往深入看,客户的很多问题并非物流引起,却都怪到物流头上,客服自己没有做区分,而是一股脑打上门来。

这种场面下,有三种解决思路:

第一:中立判官

如果得到了更高层授权,或者两个部门能平心静气谈,希望数据部门站在中间当判官,可以用这种思路。这时候可以围绕客服反馈的客户不满意问题,逐级梳理,把哪些是真问题,哪些是假抱怨一层层剥清楚:

数据分析,如何解决复杂的企业问题

第二:故作小白

如果两个部门打的不可开交,铁了心要吵架的话,可以用这个思路。数据部门好像一只人畜无伤的小白兔,表示:“你看我们也不懂物流业务,也不懂客服业务,如果有需要区分哪些来电是不满意的,可以业务给具体的区分规则,我们按规则去提取数据”。

是滴,让两家自己吵架,定清楚了到底什么算不满意、从哪里、依照什么标准提数,数据部门就当个跑数机。并且只给数据,不给判断。这样是看着很怂,但是能在部门混战里先保护好自己。

第三:解决问题

注意,客户总是想多占点好处,所以客户真真假假的抱怨是避免不了的。但物流提高配送能力却是结结实实要花钱的。就像所有的老板都说要提高客户满意度,可你问他花100个亿来提高满意度——十有八九就不同意了。

所以站在解决问题的角度,第一步并非建立客户满意度指标,而是先定义物流的服务原则,比如最长发货时间是多久,比如发货破损率控制在多少等等。

有了这个标准,第二步就能推动客服,在应对客户投诉的时候,先区分有没有违背服务原则。

如果有就是物流执行没到位,转物流处理;如果没有,就得靠客服努力,或者安抚客户,或者向客户解释原则。这样大家都能在有限的成本内,最大化解决问题。

数据分析,如何解决复杂的企业问题

如果用问题解决思路,需要的分析就不1个建立客户满意度指标体系,而是3个相互配合的分析

  1. 依据物流原则,目前执行不到位的客户情况分析
  2. 基于物流原则,客户真实不满意、假不满意的分析
  3. 基于现有客服安抚方式,客户真/假不满意最终处理情况分析

分析的复杂度大大提高。实际上,解决问题导向的分析逻辑都很复杂,并且依赖于数据分析师的业务处理能力。

小结

你会发现:

  • 一般网络文章里的数据分析思路都是中立判官式的,作者都喜欢把自己当成最大的老板,指点江山,真他妈爽。
  • 一般现实工作中,都是故作小白的搞法。“请业务自己想清楚”“我就是个跑数据的,我啥也不懂”——到头来经常被人骂“没有用”“你分析了啥”。
  • 一般老板们解决问题的时候,会用问题解决型思路;可丢给数据分析师的,是三份独立的取数表,跑数的同学还是不知道在干啥。

其实三种做法,单独看都没错,难的不是做某一种方法,而是审时度势,结合真实的问题点,系统数据现状,处理问题的决心,选择一个贴合实际的做法。这就要求数据分析师们,如果真想参与解决问题的话,就得从问题沟通、开会、聊天就开始观察情势,构建思路,而不是像开篇那样,上来抓个关键词就百度走起了。

 

作者:接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文由@接地气的陈老师 授权发布于运营派。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

登录后参与评论
给作者一些鼓励吧!
等我一分钟 我去找个夸你的句子
这世上美好的东西不多,牛起来要人命的你就是其一!
不要厉害的这么随意,不然我会觉得我又行了
这就很离谱了,老天爷追着喂饭的主儿~
我要是有这才华,我走路都得横着走!
对你的作品崇拜!
反手就是一个推荐,能量满满!
感谢分享
  1. 搞这些机器生成的评论,可以把自己运营自己到天上去

  2. 本以为是篇干货,没想到是水文。

  3. 说的很详细,涨知识了

  4. 今天在微信群里遇到一个沙雕跟我争论,我果断把这篇文章发给他了。

  5. 努力就好,做真实的自己,不留遗憾。

  6. 两个程序员在聊天:程序员A:“哥们儿,最近手头紧,借点钱?”程序员B:“成啊,要多少?”程序员A:“一千行不?”程序员B:“咱俩谁跟谁!给你凑个整,1024元拿去吧!”

  7. 要是作者能去讲课,我一定第一时间买买买

  8. 精彩的文章,甚是精彩 :razz:

  9. 内容过于真实,扎心了。

  10. 感觉这个文章有些偷换概念了,还是因为我没读懂?

  11. 转发朋友圈炸一下

收藏
评论
返回
营销日历03月29日 更多
中国黄花岗七十二烈士殉难纪念日
1904年中国第一个官办银行批准设立
1950年美国无线电公司制成三色电视
1974年秦始王兵马俑被发现(待)
1997年摇滚乐队五月天成立
加入圈子
全栈运营交流群
加入
抖音运营交流群
加入
小红书运营交流群
加入
视频号运营交流群
加入
公众号运营交流群
加入
APP网站运营交流群
加入