杂谈 | 目标与预测

前文《理解关键指标》中我们梳理了找到关键指标的一种方法,关键指标通常就是KPI指标,不过KPI本身带有两层含义:

  1. 什么指标是核心指标;
  2. 这个指标应该做到多少才达标;

第2项就是本文要讨论的“目标制定”问题。

排除掉老板拍脑袋以及直接对标行业TOP1的“硬核”做法,目标制定的核心过程在于“预测”和“拆分”。

对于目标的“拆分”,这里不细讲,可以阅读黄成明老师《年度目标制定流程的六个步骤》这篇文章。不管是自上而下,还是自下而上,都可以参考下图对目标值进行拆解和映射。

杂谈 | 目标与预测
杂谈 | 目标与预测

以下主要谈“目标制定”中的预测问题。

“预测”可以分为3种情形:

  •  给定输入,预估输出,好比有监督机器学习中的回归和分类任务那样,只不过在这里我们把X和Y的关系定义为“基于已知的X来推断未知的Y”,或者说得干什么样的活、干多少活、怎么干,才能获得足够的收益;
  •  评估改动引发的变化量,比如老板突然找到你说如果今年多加1000万的营销费用(改动),预计能带来多少收入的增加(变化量),或者当前滴滴打车业务被监管的情况下要预估可能会导致的乘客和司机的流失量,等等;
  •  基于时间序列的预测,比如业务发展趋势、交易量预估等;

在前文《预测的方法》中提到的预测年度交易并拆解到季度的过程,如下图示。

杂谈 | 目标与预测
杂谈 | 目标与预测

对此,笔者需要声明:如果直接硬套上图中的方法来预估交易,是错的!

所有方法论都有其适用前提,预测的前提或者核心是“yesterday once more”(昨日重现).

什么是“yesterday once more”呢?可以理解为昨天有的今天还会有。

主要有4点:

  1. 业务成分稳定,用户群结构、商品结构、交易渠道等保持相对稳定,比如知乎、B站等平台想出圈扩大用户群,就会导致用户整体结构发生变化,随之也会带来平台内容成分的变化,进而相应的业务指标也会发生变化;
  2. 变量关系稳定,即  是稳定的关系(不一定非得是因果关系),比如分析发现新客人均营销费用每增加10元,可以带来5%的下单转化率,其中: 就是营销费用, 是下单转化率,那营销费用和转化率的关系是不是稳定的?在不同用户群上稳定?两者之间是线性关系?
  3. 业务操作稳定,昨天干的活今天接着干,产品策略、产品功能、运营活动等业务操作是否稳定,e.g.买菜平台从0元免邮改成满59元免邮,就可能导致成交率下降,视频平台会员价格从99员提升到149员可能会导致续费率下降。除了具体的操作形式外,还要考虑操作的力度和覆盖的业务范围,同样是补贴,折扣和满减的效果不一样,给10元和给20元的效果不一样,给新客补贴和给老客补贴不一样,总之,操作变了效果就可能变。
  4. 外部环境稳定,每一个事物或对象不是单一存在,而是处于动态的环境中,外部环境会影响其表现。外部的竞争环境、行业政策法规、社会事件等不可控、不稳定因素的影响,也会引起预测结果和实际的偏差,e.g.小明连续很长一段时间都准时上班,接下来他还是准时上班么?不一定,有可能上班途中车坏了、也可能遇到大雨迟到,车坏了和下大雨就是外部的不可控因素,对于业务也是如此。

上面提到的4点不是说要同时都满足才能做预测,而是要注意识别预测中的“变”与“不变”,上数学模型之前先理清楚业务再说。

假设回到2019年底去预测下一年的交易,可以考虑的内部因素:

  • 业务周期处于什么样的阶段,一般从用户增长速度可以看出来,处于不同的业务阶段在公司战略上有偏重,或者说不同阶段有不同的“影响收入的最大可控变量”,对应就意味着有不同的业务活动;
  • 接下来再看业务上有没有重大的业务调整,比如干掉某条细分业务或者要拓展新的战略品类;
  • 不管是拉新、促活、促交易等,营销费用配置有多少?分摊到人均有多少?主要面向的用户群是怎样的?人均成本是稳定的么?预计转化效果如何?
  • 是否有新增拉新的渠道或者交易的端口?

除此之外,还要考虑外部因素:

  • 同行竞争,谁家和我们的用户有较高的重叠,对方搞事情的话要怎么应对?
  • 是否有原有的支持性政策撤掉了,或者增加了限制性政策等等;

但是,即便如此步步为营,也很难避免2020年发生的黑天鹅事件——新冠疫情,然后先前计划好或者计算好的一堆数据可能都用不上了。

所以,“不确定性”是预测最大的敌人,每次预测的结果需要和实际发生的情况比对复盘,找到偏差的来源,是理解业务不到位?混进了脏数据?缺少了变量?还是变量间的关系或者模型的参数不对等等,预测背后的模型是需要不断完善的。而且,业务场景不同,也很难拿一个通用的模型一套用就得到准确的结果。

此外,目标制定做或者预测的时候,还需要注意几点:

  1. 预测的目标是要可控且相对稳定的;
  2. 用来决策的数据样本要具有代表性或者样本量要足够大,比如上线几个月的新业务就开始预估几年后的交易这种就是直接往坑里跳;
  3. 要区分人工量自然量,好比人在河流中顺流而下游泳的速度是自身速度和河流速度一同作用的效果一样,比如做用户增长的时候需要把自然增长量区分出来,除了衡量增长活动的效果外,做目标制定时很重要的一点就是衡量要开展的业务活动带来的量,这个量就是人工量或者说可控的量(自然量通常不可控);
  4. 注意业务的生命周期或者增长模式,不同的业务可能有线性增长、指数增长、对数增长等模式,不管是在拟合曲线还是建立其他预测模型的时候,不要盲目套用,深入了解业务本身特点以及业务内外部的影响因素才会领悟到“yesterday once more”的那部分精髓,得到的结果才更可用;
  5. 结合业务的实际现状,国家讲国情,公司有“司情”,有进步且能落地的目标是很重要的,实现目标是有时间、资源、人力限定的,追求一日千里而用力过猛是会被业务方追着打的。

本文完。

发表评论

登录后才能评论
服务中心
服务中心
联系客服
联系客服
投诉举报
返回顶部