数据分析的本质:挖掘利差

文摘   职场   2023-12-20 20:57   广东  


年秋天的时候,花 3000 元报名了一个小红书陪跑班,我自认为是一个非常努力的人,但可惜做了两个月只涨了 500 个粉,教我的老师很牛逼,但我就是很菜,不论是数据反馈还是金钱收益都惨淡难言,这个事当时直接把我干懵了,怀疑人生的那种。

我不得不反思到底是为什么,后来在这篇文章中我说今年研究小红书颇有成效,现在回想起来,之所以同样的付出却得到不同的结果,本质就是去年根本不懂什么叫做数据分析。


本质

我在《选品的本质》一文中提到,人之所以要做选择,是因为这个社会的资源是有限的,这是经济学的基本常识,如果资源是无限的,你就不需要做选择。

之所以要选择,是为了做出对自己更有利的投资决定,尽可能保证自己的付出有更好的回报。

那么做选择到底是一个什么样的过程呢?

其实很简单,拿做小红书的内容来说,你去小红书写内容前,其实就是要计算出写哪些内容投资回报率更高,数据会更好,涨粉和赚钱会更快,做选择就是这样一个计算的过程。

凡是「更高」「更好」「优劣」等词,你只记住一句话,这是在说一种相对感受,永远没有绝对。它要求你必须把两个同样的数据摆在面前比较,当你发现某一个数据比另外一个数据好,那么就能得出「更高」的计算结果。

也就是说,没有参照目标或者更多的数据,你就无法比较,也就无法分析,而分析的一大主要目的是,在多个数据之中判断他们的价值高低。

数据分析本质上就是这么一个挖掘和判断投资回报利润差距的动作流程,简单讲,就是挖掘利差


做法

想要掌握数据分析能力,往简单说只需要三个环节:搜集数据、分析共性、优劣排序


第一环节:收集数据

常言道选择大于努力,选择要基于数据分析,数据分析要基于真实、足够的数据量。

如果你没有足够的样本,怎么分析都可能做不出好决策。

如何去搜集数据,用什么工具搜集数据,以后我会单独写文章聊,这里直接给你提供一个参考模板(拿小红书笔记数据收集做例):

如果你自己要在线上做小红书(或者抖音/快手/知乎/微博等),都可以套用它来搜集。


第二环节:分析共性

数据背后是人的行为,行为背后是人的需求,分析共性就是分析他们背后有什么共同的需求。

对于需求的分析以后会单独写一篇内容,这里拿小红书标题做例子,直接送一个模板参考(同时附文会分享数据分析的实操案例):

不同类型的数据,分析的目标必须不同。

比如你要分析某类选题的文章数据,目的应该是得出什么样的选题、文章结构、开头模型更容易获得流量;而如果是要分析某些账号数据,可能要分析的是他的变现模式投产比、账号存活周期等。


第三环节:优劣排列

这一个环节非常简单,只需要把不同的数据按照各自想要实现的目的指标排列,比如完犊率、点赞率、收藏率、转粉率等等,你可以得出各种目的指标下最好的选择策略。

比如下图中,在家电领域的空气净化器赛道中,如果我想让内容发出去点赞很高,那么直接按照点赞量排序,然后分析提取排在前 20 篇内容的标题和内容模型,模仿写作,你的内容不会太差:

以上所有内容,对于真正实操小红书平台的人可能都是废话。

而我写这篇文章本身强调的其实是一种思维。

如果你想要细节完善的操作框架,我在副文中转载了梨云的一篇数据分析实操案例:《如何分析各种小红书账号的赚钱模式?》,一定要看。


注意

以下内容才是本文重点,是我做自媒体写作3年来最重要的一个感受:

你去任何自媒体平台赚钱,有点脑子的培训老师或者博主都会讲「数据分析」是必不可少的环节(同类型的环节还有很多)。

在多数老师的言论中,他们会给我们传播一个观念,数据分析(或者xx)作为一项技能,是可以通过书本和理论学会的。

但是抱歉,这是个骗局,拿我的案例来说,下图是我两个月前创作的两篇小红书笔记:

第一篇的阅读量有150多万,可以说是大爆款内容了,但是它的转粉情况只有不到3000,这个转粉的比例计算下来只有:0.2%。

而第2篇阅读量虽然只有10万,但转粉有3500,这个转粉比率计算一下是:3.5%。

二者的转粉率差距至少是17倍。


我把这两篇内容前后对比了十多次,发现了两个区别:

从人群上看,前者吸引的都是在多数领域认知很低的人,后者吸引的是在商业和职场领域有一定认知的人。

从内容上看,前者是那种非常鸡汤、神秘、玄乎的内容,大而无当,后者是科学严谨逻辑清晰的内容。

那么你这里会想,既然如此,以后就按照这个模版来创作就行。

但是抱歉,这就是重点,没有「既然如此」,大多数自媒体新手根本到不了「既然如此」,因为他们如果按照老师教的方法去分析,屁都分析不出来,你只有事后才能理解。

我想表达的是什么呢?

没有体感之前,纯理论的数据分析全是个人偏见,你如果不下场去做事,事后复盘,你根本就没有分析能力,都是自己在骗自己,你的分析技能无法内化

数据分析本质是一种归纳现象,推理预测未来的能力,而归纳和推理的基础,必须基于自身有相关的亲身经历体感,这和费曼讲的「以教为学」本质是一个逻辑,你可以叫他「以做为学」。


一个故事

2008年的时候,我的数学老师痴迷于炒股,她自认为在我们那个小镇没有人比她更懂互联网炒股,于是每天拿着笔记本定时定点看K线,有时候上自习课自己太忙,宁愿把她女儿直接托付给我照看,也必须在关键时刻买入买出。

2008年下半年,我这位老师怒亏70万,直接气的住进医院生了好大一场病,决心以后再也不炒股了(这件事最倒霉的是他老公跟着背债)。

为什么那些成天呆在家里吸收网络信息炒股的人,大数赔多赚少呢?

因为他们以为单凭自己那点儿脑力计算就能掌握时局,孰不知市场的变化波谲云诡,你不在第一线亲历,最终分析的都是别人的二手数据,很有可能分析出个蛋。




本文来自我的知识体系读者群精华分享。

如果这篇内容引起了你构建个人知识体系的兴趣,我的读者群将成为你最好的起点:

徐宿的经验书
东半球最棒的商业教育博主,每周1篇赚钱力相关文章,提高你赚钱的成功率。课程:《个人知识体系课》《商业实战私教》
 最新文章