从咨询公司能学到哪些思考分析方法?

物流参考2019-01-17 06:32:02


咨询业


是对第三产业中以咨询服务为特点的各种行业的总称。因其特点为智力型服务,也被人们称为“头脑产业”,请咨询专家咨询被称为“借脑”。作为一种智力密集型的知识服务性产业,咨询的现代意义是指来自个体和组织外部的专业化技能,它以专门的知识、信息、经验为资源,针对不同的用户需求,提供解决某一问题的方案或决策建议。 


咨询一词,在汉语中有商量、询问、谋划和征求意见的含义。最初,咨和询为两词,咨表商量,询表询问。“咨询”一词最早见于《诗经》,其中有“载驰载驱,周爱咨询”的诗句,意思是说,君谴使臣,要使臣悉心察访民间疾苦以告天下。古代为统治者出谋划策的谋士、谏臣、军师和食客等就是专门从事咨询活动的人员。当然, 中国古代所从事的咨询活动以及对咨询一词的理解,都具有较大的随机性、随意性,跟现代咨询活动是不可同日而语的。



思考能力,经培养和训练,后天习得的特质。意味着我们可以借助前辈们的经验,站在巨人的肩膀上眺望。


这种可总结和复用的经验叫做思考框架。


思考框架,首先应该满足易学。让初读的人觉得优雅,能够用一句话解释清楚,就不必用整篇文章赘述。


框架之所以称为框架,它只是骨,内里的血肉能因不同人不同理解发挥出不同的效果,才算用得起来。


一款思考框架:矩阵思维。





Part

1

  

波士顿矩阵(BCG Matrix),又称市场增长率-相对市场份额矩阵、波士顿咨询集团法、四象限分析法、产品系列结构管理法等。


在传统以营销为主导的企业中,不论是日用品消费还是生产制造加工,企业一定有一系列的产品。波士顿矩阵认为,产品战略管理可以从两个角度衡量:市场增长率和相对市场占有率。


市场增长率是包括企业销售额、竞争对手强弱及利润高低的综合指标。而相对市场占有率则代表了企业在市场上的竞争实力。


这两个都是可量化的指标,将它们分别作X轴和Y轴,则能划分出四个象限。



在产品管理中,我们把高增长率-高占有率的产品称为明显产品,从财务报告上看,它总是能产生利润,但是高增长往往意味着高投资。某种情况下,它不代表着自给自足。


如果市场份额处于垄断或者领先地位时,那么企业不必再维持投入以保持高增长,此时产品能源源不断地维持现金流,它被称为现金牛。


现金牛产品的特点是高市场份额和低增长率。产品已经迈入成熟期,其特征是产生大量的现金收入,数额远大于维持市场份额所需再投入的资金,是企业支持其他产品的后盾。


低增长率-低占有率的产品叫做瘦狗产品,这类产品对企业都是鸡肋,财务特点是利润率低、处于保本或亏损状态。这类产品往往会实行撤退或者整顿的战略。


低市场份额而高增长率的产品是问题产品,这些产品吸纳的资金总是多于所产生的资金。虽然高增长率意味着市场未来潜力好,但是份额不高要打上一个问号。不投入资金,产品会衰亡,即使投入资金,若只能勉强维持住市场份额。那么它最终仍属于瘦狗产品。


象限是动态的,明星产品的目标是成为现金牛,问题产品需要摆脱泥沼增加市场份额,而所有的产品都可能衰退为瘦狗。



实际上,在我最初学习波士顿矩阵的时候,我对现金牛、瘦狗的概念依旧一知半解。但我牢牢记住了矩阵式思考,记住了象限划分。


何为象限?我们拿两个量化指标将分析对象划分出多个种类:


高-高、

高-低、

低-低、

低-高


对象落在了四个象限,它便是矩阵思维下的产物。


初中我们把它称之为象限和坐标轴,可视化中我们把它理解为散点图,而现在,我希望大家把它认为是一种思考方式。这种思考方式,一直伴随在我往后的工作中,只要留意,矩阵思维其实有很多应用。



波士顿矩阵由美国著名的管理学家、波士顿咨询公司创始人布鲁斯·亨德森于1970年首创。


波士顿矩阵认为一般决定产品结构的基本因素有两个:即市场引力与企业实力。市场引力包括企业销售量(额)增长率、[1] 、竞争对手强弱及利润高低等。其中最主要的是反映市场引力的综合指标——销售增长率,这是决定企业产品结构是否合理的外在因素。





Part

2


电商SKU


电商网站商品繁多,这里不谈品类管理,而是从电商运营的角度分析产品。


大家都应该听过爆款产品,在淘宝店铺运营中,爆款产品意味着高曝光量和低利润率。这个词第一次听其他运营提及时,他们说很多爆款产品并不赚钱,往往是做高店铺的流量。当很多人被爆款产品吸引过来的同时,会去购买店铺其他正常利润的商品,这里还会配合优惠券做交叉销售,提高营收,这种方法是俗称的带量。


在你不知道矩阵思维的时候,可能只有带量这么一个概念。而学会了矩阵,你就能听出上述那段话的两个指标:曝光量和利润率。现在用它们划分出四个象限。



高曝光量-高利润率的商品,属于电商中的明星产品,是重要的现金流业务。


每种类别的商品对应不同的运营策略,潜力商品可以在后期运营中增长曝光量,培养搜索权重;鸡肋商品则要优化转化率。这里通过象限梳理清楚了基于商品的运营逻辑,避免无头苍蝇般的抓瞎。


矩阵思维的一个优点是方便归类和聚焦,它是可以指导策略的。


矩阵的维度是很灵活的,大家要学会举一反三。


SKU=Stock Keeping Unit(库存量单位)。即库存进出计量的单位,可以是以件,盒,托盘等为单位。SKU这是对于大型连锁超市DC(配送中心)物流管理的一个必要的方法。现在已经被引申为产品统一编号的简称,每种产品均对应有唯一的SKU号。单品:对一种商品而言,当其品牌、型号、配置、等级、花色、包装容量、单位、生产日期、保质期、用途、价格、产地等属性与其他商品存在不同时,可称为一个单品。

在电商运营或仓储管理中有一个叫SKU的东西。什么是SKU?许多人给出的解释:SKU是库存量单位。那是字面直译Stock Keeping Unit。云里雾里,不得其解。有些人说SKU是运营和仓储管理中计量库存进出和库存保存的单位。似乎略懂,不得其详。

在电商运营和仓储管理中SKU包含了三方面的信息:

1

从货品角度看,SKU是指单独一种商品,其货品属性已经被确定。

只要货品属性有所不同,那么就是不同的SKU。属性包括很多,一般的理解货品属性包括:品牌、型号、配置、等级、花色、成分、用途等。也就是说同样的货品只要在人们对其进行保存、管理、销售、服务上有不同的方式,那么就需要被定义为不同的SKU。

例如:iPone4和iPone4s是不同的SKU;同是iPone4s,白色和黑色也是分属不同的SKU;同是iPone4s白色,但一个是16G,另一个是32G内存,它们也还是分属不同的SKU。

2

从业务管理的角度看,SKU还含有货品包装单位的信息。

例如:SKU#123是指330ml瓶装黑啤(以瓶为单位);SKU#456是指330ml瓶装黑啤(以提为单位,6瓶为1提);SKU#789是指330ml瓶装黑啤(以箱为单位,24瓶为1箱)。由于计量单位(包装单位)不同,为业务管理需要,应划归于不同的SKU,当然可以有单位转换的算法协助转换SKU。又如:有袜子以双为单位是一个SKU。如果其他参数都一样,只是以打为单位打成包(12双),按包销售,它们也是分属不同的SKU。


3、从信息系统和货物编码角度看,SKU只是一个编码。

不同的一种商品(商品名称)就有不同的编码(SKU#)。而这个编码与被定义的商品做了一一对应的关联,这样我们才可以依照不同SKU的数据来记录和分析库存和销售情况。当你使用WMS或者ERP系统的时候,你会发现每一个SKU编码是有精确的商品信息含义。

一般讲SKU是在某一体系(例如:公司或工厂)内部自定义和使用的。跨体系需要重新定义或做SKU转换。




Part

3


RFM


RFM模型是客户管理中的经典方法,它用来划分客户价值。


RFM主要依赖三个核心指标:消费金额、消费频率和最近一次消费时间。



上图便是传统RFM模型的结构(这图是不是快腻了?),对应着用户消费分层的八个象限,也就是一个立方体形态。它属不属于矩阵思维呢?


它是的。矩阵思维只是一个思考框架,它本来就没被限制固定的形态。我能用两个指标划分四个象限,那么就不能用三个指标划分出八个象限?


只要象限合理、可用,数量是不是四并不重要。


  



Part

4


绩效管理


在阿里巴巴的绩效管理中,会涉及两项考评:工作业绩和价值观。


员工的管理划分成了四个象限:


工作业绩强价值观好的是明星;

工作业绩差而价值观好的是小白兔;

工作业务好但是价值观差的是野狗;

工作业绩差并且价值观也差的是狗。


另外还有一块细分叫做牛,处于四个象限的交汇点,属于价值观和业务都不错的中坚骨干力量,第五个维度。



即使是工作业绩,不同部门的标准也往往不一样,所以这种矩阵思维,更多是不同象限内人的管理策略,不涉及实际的分析。


  



Part

5


销售管理


销售每天都要跑客户,假如你是销售们的经理,你会怎么管理员工?这里不谈纯激励向的手段,如果想要对销售人本身做一点分析,我们也不妨引入矩阵。


拿销售们关心的两个KPI:成单率和平均成单额看。


成单率是销售每个月成功单数在所有拜访中的占比,是工作效率和业务能力体现。成单额则是和客户价值挂钩。


某个销售每天跑单量非常多,他或许是业绩Top,但他未必是最有效率的。高成单率-高平均成单额的销售才可以称为明星,它在销售管理中作为标杆和KOL树立。


这的矩阵思维,是为了挑选出正确的人。销售们不同于商品或者用户,往往采用军队化的方法统一管理,而矩阵是为了更科学有效。


高成单率-低销售额和低成单率-高销售额的销售都有变为明星的潜力,可以为这两个象限内的销售培训和总结方法,可能是话术不好,可能是跟进不及时,可能是客户分配不对等。


早启动、晚总结、树标杆、老带新。


上面讲的是区域经理或者销售经理如何抓团队,这套方法也能用在抓客户。RFM模型就是售后维护阶段的应用了,售前获客也是同样的道理。


绩效计划制定是绩效管理的基础环节,不能制定合理的绩效计划就谈不上绩效管理;绩效辅导沟通是绩效管理的重要环节,这个环节工作不到位,绩效管理将不能落到实处;绩效考核评价是绩效管理的核心环节,这个环节工作出现问题绩效管理会带来严重的负面影响;绩效结果应用是绩效管理取得成效的关键,如果对员工的激励与约束机制存在问题,绩效管理不可能取得成效。

  



Part

6


时间管理


怎么用矩阵思维对付自己?


在很多时间管理方法中,事情的优先度会被建议使用两种维度:


紧急程度和重要程度。


紧急程度是时间方面的约束,比如某项工作的Deadline逼近,那么它的紧急程度高,有些事情可以一个月后完成,那么紧急程度就低。重要程度则是事件造成的影响或者是破坏程度。


重要程度和紧急程度结合,很容易理解。下图列举了很多工作生活中常见的常见。



这种划分方式有助于提高自己的时间和项目管理能力,如果手头上自己有很多工作,不妨拿矩阵划分一下,以此作为执行依据。至于重要程度和紧急程度的等级,即可以二分,也可以用P1、P2、P3、P4更细的粒度。


古人云,轻重缓急,就是几百年前矩阵思维在时间管理中的智慧体现了。


  



Part

7


搜索行为分析


这里说一个产品和用户行为结合的案例。


大家应该都用过搜索,搜索是伴随用户需求最直接的应用。不论是google或者百度这类搜索引擎,淘宝或者京东的商品搜索,乃至各类APP端的搜索框,都会接收用户输入的一段词作为查询,我们把它叫做query。


query常是一串文本,比如:什么是波士顿矩阵、矩阵的应用、美的空调、运动鞋、中山公园火锅等等。


各位在搜索的时候,有没有思考过,怎么判断查询结果的好坏呢?因为每个query都会查找到不同的结果,而这些结果的质量会影响到用户体验。


用户搜索一个商品,然后服务器告诉用户没有查找到,或者虽然返回了结果,但是结果页的文案、图片或者标题差强人意,用户也失去了点击下去的欲望。这都让人抓狂。


矩阵思维当然能应用在搜索分析这类看似抽象的问题上。


我们设立两个指标维度:用户搜索后对结果的点击率,以及搜索词的查询量。前者反应了用户对搜索需求的被满意程度,后者反应了用户对该搜索的需求量。



上图是虚构的一家数据分析培训网站上的用户搜索数据。


用户行为分析应该包含以下数据重点分析:


* 用户的来源地区、来路域名和页面;

* 用户在网站的停留时间、跳出率、回访者、新访问者、回访次数、回访相隔天数;

* 注册用户和非注册用户,分析两者之间的浏览习惯;

* 用户所使用的搜索引擎、关键词、关联关键词和站内关键字;

* 用户选择什么样的入口形式(广告或者网站入口链接)更为有效;

* 用户访问网站流程,用来分析页面结构设计是否合理;

* 用户在页面上的网页热点图分布数据和网页覆盖图数据;

* 用户在不同时段的访问量情况等:

* 用户对于网站的字体颜色的喜好程度。


  



Part

8


KANO模型


KANO 模型是东京理工大学教授狩野纪昭(Noriaki Kano)发明的对用户需求分类和优先排序的有用工具,以分析用户需求对用户满意的影响为基础,体现了产品性能和用户满意之间的非线性关系。


上面这段话摘自百科,简而言之,KANO模型认为,产品经理在梳理产品需求过程中,可以通过两个维度,“用户满意度”以及“功能完善程度”衡量,将功能划分四种不同类型的需求。


用户满意度指如果产品具备这个功能,那么用户的喜爱程度会上升。


功能完善程度是如果产品不提供这个功能,那么用户的满意度会下降。


这两个指标通过用户调研的量表计算出来,因为篇幅有限,计算过程就省略了。



如图,Better代表用户满意度,Worse代表功能完善度。


高满意度-高具备度的功能是期望功能,这类功能是产品集中投入的点。


高满意度-低具备度是魅力型功能,不提供该功能。用户的满意度不会降低,但是提供了,用户则会很喜欢。


低满意度-高具备度是产品的必备属性。如果没有这个功能,用户会认为这是件未完成品,这类功能需求属于用户的基本需求,这类功能做得再怎么好,用户的满意度也不会提升。


低满意度-低具备度是无差异功能,对于用户是无关痛痒的,也就是大家俗称的伪需求。



需求管理还能用一种简化方法,衡量的指标同时间管理中的重要程度-紧急程度一样。比如某个需求是老板要的很紧急,虽然它确实不重要;某个需求在未来的营销活动中很重要,但是短期内可以不实现。


  



Part

9


产品功能分析


KANO模型用矩阵思维衡量了一项产品功能的优先级排序,当产品上线后,我们再次请出矩阵来判断功能的实际好坏。


第一是用户使用了功能后,在某个周期再次使用该功能的概率;

第二种是用户使用功能后,他再次打开APP的概率。


前者考量了功能本身的粘性,后者则是看它对产品整体活跃的贡献。具体怎么用看需求。


下图是一个建议说明:



划分出功能矩阵后,运营能有针对性地围绕不同功能做文章,将各项指标提高上去。留存好、使用高的功能自然是尖刀。留存差、使用少的功能则避免花费太多力气。


PM也能量化不同功能的价值,什么功能需要迭代?什么功能需要延期?都清清楚楚烂熟于心。然后结合KANO模型看需求是不是和实际数据对应。


这里需要注意,功能本身是有限制的,比如账单功能,用户的使用频率是每个月一次,那么在指标上就不用期待太好看的数字。


为了公平起见,产品矩阵的指标计算最好以新用户的使用情况为准,因为老用户容易受到各种运营的干扰。


  



Part

10


总结


一口气介绍了多个案例,矩阵思维可以应用在商品运营、用户运营、人员管理、时间管理、用户行为分析、用户需求分析、产品功能分析等多个场景上。我相信还有更多的场景等待大家探索。


它之所以是一种经典的思维框架,在于将无序的数据通过象限归类为了有序。


当面对一堆数据或信息一筹莫展时,想一想矩阵的象限划分,它也许就是点燃闪电的火苗。搜索词能被划,产品需求能被划,那么你的难点呢?



是不是咨询公司首创我不知道,但在往后遇到和象限有关的技巧或者案例,我都把它们归类在矩阵思维中。


本文阅读到现在,也不过10分钟,但我相信如果你和曾经的我一样了解透了它的核心逻辑,那么恭喜你,以后的工作中,它会是一种下意识的习惯了。


思维框架本身没什么神秘,共勉之。


                                                   — END —