如何建立「业务模型」深入理解业务

什么是业务

了解业务就是熟悉业务场景。

那什么是业务场景？

以零售业为例，实际上就是各种复杂的人货场组合：【人：用户运营/会员管理部门】、【货：产品/供应链部门】、【场：卖场/销售管理部门】

各模块之间协作完成同一目标的过程

为什么要了解业务

非业务岗位运营人员、设计师、数据分析师为什么还要了解业务？

很多人都是这样的想法，刚入职的同学更是如此。其实，优秀的数据分析师有三板斧：

1. 硬实力：
2. Python/SQL/PowerBI等数据分析工具，帮助实现很多有趣的想法赋能业务
3. 软实力：
4. 数据分析思维，通过下钻分析、横向沟通等能力破解业务增长背后的密码
5. 「 业务经验 」：使数据分析软硬实力可落地执行的催化剂。

不论是数据分析工具还是思维，一旦脱离实际业务，就是纸上谈兵。刚入职的菜鸟可以在象牙塔里积累很多工具如何使用、思维如何灵活的理论，但是一到岗位上，很容易被业务喷说“我们不需要”、“这个事无法落地”；与此相比，沉浸多年的老兵之所以可以使分析结论落地，进而促进业务增长，对业务真正产生价值，核心在于「 对业务的深刻理解 」。

「 对业务的深刻理解 」，是作用在数据分析整个过程的，例如：

1. 数据清洗阶段，根据业务特征，对不符合场景定义的异常值剔除
2. 特征工程阶段，可以将业务测试中得到的经验转为模型特征
3. 建模预测阶段，「 可解释性 」在实战中是很重要的，一个不被业务所认可的模型逻辑，很难在业务落地推广。
4. 了解业务的逻辑，有助于提高模型可解释性。
5. 部署上线阶段，模型落地的形式需要与业务流融合，只有了解业务，才知道以什么样的形式落地才符合业务习惯，否则，再好的东西也很容易被搁置。
6. …

如何了解业务

既然了解业务这么重要，那要如何开始？

从业务流程出发

以传统的零售业为例。零售行业的商业本质就是将商品卖出去。

当然，在存量博弈的年代，并不是产品为王，也不能说单纯地以用户为中心，而是更复杂的人货场组合。那大白话地说，就是不同部门之间的协作。

回到具体的业务流程来看：

如图，为一次典型的UJM-User Journey Map. 即从用户的视角出发梳理的业务流程：

1. 接受信息

用户以某种载体接收到信息的刺激（如大众点评排名、小红书笔记、户外广告牌、或者门店LOGO等），开始进入流程

1. 进店

如果此时，刺激用户的利益点足够强（例如折扣、服务等），用户会选择进入门店

1. 店员推销

用户进店后，导购会前来推销（如品牌故事、产品功能等），或者说，即使无导购，也是会受到店里现场营销氛围的影响（如音乐、颜色、广告语等都是为了刺激冲动消费）

1. 用户消费

多种因素的刺激下，用户可能会选择付费购买心仪的产品

1. 新增积分

消费行为完成后，几乎所有门店都会将到手的客户转到私域中，即为其注册会员，并根据规则的不同，该会员的积分会有不同程度的增加（会员积分常作为促进复购的触点）

1. 离开

用户消费完成，离开门店后业务部门会通过各种运营玩法，例如通过会员积累的积分免费送礼品等方式吸引客户，将兑礼信息触达到用户后，用户又回到第一个流程

1. 如此循环…

企业营销模型

这是个常见的从用户的视角出发的业务流程。之所以这个流程可以走得通，就是因为前面提及的「人货场」部门在围绕客户生命周期来服务。

1. 「人 」例如用户收到信息，涉及的内容就是用户分层、消费特点
2. 「货 」之所以愿意进店，必定是被一些手段吸引的，也就是常说的拉新、促活等策略玩法，例如送礼品
3. 「场 」而进店后的营销、购买，也是收到了某种利益点的触动，不论是品牌故事还是促销打折。

这一步实际上是要构思好企业收入增长的营销模型，零售业常见的就是上述的人货场。还有如创业前期的AARRR海盗模型、阿里电商的OAIPL模型等。

明确业务公式

基于这样的业务流程以及人货场模型的思考，我们其实可以抽象出该企业的营收公式：

实际上，前面业务流程中的“循环”，在业务公式中应是“复购”，但本文将该要素去掉以降低复杂程度

该业务公式是从业务流程中抽象出来的，如何解读？

1. 流量：流程中的“接收信息”，从更通用的定义上看，即为企业可以在公域私域、或线上线下等渠道触达到的人群，这是成交业务的起点
2. 进店：从流量池中，被有效触达，且产品利益点与自身匹配的那群人，会进入到企业的门店、或电商页面
3. 转化：转化和客单价一起，将用户消费行为划分。进入页面的人群中，进一步受到营销氛围影响，或是冲动消费，或是需求驱动，有一部分人转为付费客户
4. 客单价：这部分付费客户中，除非是单一卖品的企业，否则每个客户都会购买不同的产品，进而产生不同的成交金额。

这个业务公式也就是「企业底层的赚钱逻辑」，业务场景就是基于这个公式，不断去优化方案，提升收入：例如渠道部门，通过加大投放力度，提升流量；销售管理部门，通过策划促销方案，提升进店和转化；用户运营部门，通过关联购买模型，提升连带率，进而提升客单价等等..

建立全局业务模型

假设企业涵盖的业务比较单一，那上述的公式就是企业的通用公式，内部上下一心按公式分工、做事。

而各部门在该增长公式指导下的分工汇总起来就形成了企业整体的业务模型。

企业全局(通用)的业务模型对应发展战略，是部门领导或高管在思考的事，不会轻易改变。

然而定睛一看发现，全局模型在具体实操中往往不太好执行。因为它不够具体。

局部业务模型

业务部门的分工是很具体、明确的，所以要达到深刻理解业务的目标，在全局业务模型这个层面还是不够，需要具体到局部业务模型。

局部业务模型往往要与业务目标相匹配，例如前面的流程中用户的维度可以划分成 新客、老客。

而用户运营过程中尝尝将它们分开营销，也就是说衍生出不同的场景与目标。

随着企业生命周期的推动与业务的发展，业务目标是动态可变的。例如在创业中期，发现前期引进来的流量转化率低，所以将短期目标定在促进这些新人转化成为付费客户。

如图就是基于该目标梳理的用户运营局部模型。

反过来说，局部模型是为该目标服务的体系合集。例如通过用户分层提升触达转化、通过丰富的积分玩法吸引新人下单等。

业务模型与数据分析

构建好业务模型后，已经对业务有了充分的理解。其实业务模型只是结果，更重要的是构建的过程：对业务流程的调研与讨论。

这个过程就是在不断地定义业务场景，基于这些明确好的业务场景，再去应用数据分析工具与思维，得出的结论将更好地在业务落地。

作者：饼干 专注数据分析思维及业务增长，分享Python、SQL、PowerBI等数分工具在业务侧的应用落地案例。