关于B2B群组，今天我们讲讲这些。

在之前的文章中，我们讨论了B2C的组分析。首先，我们得出组分析如何让您看到用户组之间的差异。然后我们讨论了群组分析如何让你快速看到迭代效果。虽然B2C领域的群体分析非常强大，但它们很难在B2B领域脱颖而出。为什么会这样？这是因为B2B产品与B2C产品相比表现出一些基本的结构差异。事实上，在我和Blend产品分析师YingLuo一起工作之前，我并不知道B2B组分析和B2C组分析的区别！Ying和我进行了真正的B2B组分析，以便更好地了解贷款人员如何与Blend长期合作。基于这些背景，我将通过一组假设的例子与您讨论B2B组分析。本文将首先介绍B2B产品与B2C的区别，以及如何使B2B组分析变得困难。B2B组分析VSB2C组分析B2C组分析更简单，因为这些产品往往有大量稳定的用户流量和定期的用户参与。换句话说，激活日期可以很容易地划分用户组，以获得类似于下图的组分析。可以看出，这些群体规模很大，随着时间的推移很容易看到趋势。然而，企业B2B产品不能保证以下两点：持续的新用户流：B2B产品通常有发布时间，大量用户将在一个时间点添加频繁使用：为什么许多B2B产品没有像Facebook或Instagram这样的日常用例会影响组分析？第一，如果你没有持续的流量，你就不能再按时间分组了。因为如果按时间划分，每个群体的规模会有所不同，而且每个群体严重偏向于特定的客户子集。也就是说，当你分析B2C组时，你可以假设每个组之间的关键区别是产品本身的状态。但在B2B组分析中，您还必须考虑组本身的组成。例如，假设在此期间，ABC公司使用了您的B2B产品：可以看出，对于ABC公司来说，每个组的情况几乎完全相同。换句话说，如果你只看ABC公司，你会推断你在这8周内发布的任何产品优化似乎都没有效果。此外，请注意，ABC用户数量的最大峰值来自第一周。在某种程度上，这种差异非常重要！假设XYZ公司的用户在此期间使用了您的B2B产品：XYZ公司的每个组的情况基本相同。但总的来说，XYZ没有ABC那么活跃。与此同时，XYZ用户数量的最大峰值来自第8周。如果把这个分析总结在一起会怎么样？嗯，我们的结果如下：如果没有每个公司的基本数据，你可能会得出结论：产品在第一周比第八周更好，因为用户在第一周更活跃。但实际上，区别只是因为用户组成不同！换句话说，构成每个组的用户群基本上是不同的。无论产品如何，ABC用户本身都比XYZ更活跃。你碰巧有更多的ABC用户在第一组。因此，与B2C不同，B2B产品很难按时间分组。其次，当你不能保证产品经常使用时，很难准确跟踪日常工作或周工作周期，你可能需要使用更大的粒度。例如，假设您的产品仅供财务团队完成工资单，这种情况每两周发生一次。最后，您可能会看到以下每日用户活动图：如果您试图在一天内进行组分析，您可能会得到以下毫无意义的结果。每天的数据波动太大。因此，即使每个组的行为方式相同（每月第14天和第30天有许多活跃用户），您也无法比较不同的组。因此，B2B用户不应每天分组，而应使用更大的时间范围。然而，B2B中的群组分析仍然非常重要！那您如何分组分析B2B产品呢？B2B组分析-如果您通过以下方式组合B2B产品，您将获得独特有效的见解：根据客户属性（大小、业务模型、计划），首先通过客户属性进行类似的组，您可以查看B2B中提供的不同客户组。例如，假设您的产品是营销支持平台。您可能希望将拥有集中营销团队的客户与分布式营销团队的客户进行比较，因为每个客户可能有不同的需求。您的产品对集中团队还是分布式团队更有效？另外，根据客户规模进行群体分析，可以让你知道你的产品更适合大客户还是小客户。重要的是要了解你的产品在细分市场的表现，因为这将决定如何确定你的产品路线图。请记住，你作为产品经理的成功取决于产品/市场的契合度，这取决于你创造的产品和你的目标市场。此外，根据客户购买的计划类型进行分组是确定您不同类型产品各自表现的好方法。例如，假设您以两种不同的方式提供产品：“企业套餐”和“个人搭配”。哪种类型更有价值？除非你用群分析来划分这两个完全不同的客户群，否则你就分不清了！除了结合B2B产品的客户类型外，您还可以根据用户角色。比如你是销售部的产品经理。你在平台上有几个不同的角色:管理员、销售经理、销售人员、营销人员和业务运营。为了了解不同的角色如何使用产品，你应该根据用户角色进行分组。这样，当你发布需求时，你就可以确定它是如何影响每个角色的。然后根据不同角色的使用反应来确定需求的迭代方向。由于B2B产品非常复杂，你提供的某些功能可能对某个角色和另一个角色都有好处，这是不可避免的。因此，选择带来的利弊可以通过群体分析来权衡！请记住，B2B组分析-最佳时间段划分依赖于两个轴–组(如何拆分不同的组)和时间(多久分析一次)。我们讨论了如何更有效地分组B2B。现在，让我们来谈谈如何更有效地选择时间切片。考虑使用以下方法来减少分析中的偏差：选择更大跨度的时间切片来对齐时间和重大事件。首先，长时间阅读事件可以降低分析中的噪音。还记得我们之前的例子吗，金融用户可能每两周只使用一次吗？每天或每周的时间片太吵了，无法产生任何有意义的见解。我经常听到的一个问题是，如果你使用更大的时间块，你可能会错过更小时间尺度的关键观点。虽然这是一个有效的问题，但请记住，企业通常需要时间来适应B2B产品的功能。因此，每天或每周的时间片在企业空间中通常是无效的。其次，在确定如何设置分析时，应根据每个客户的重要事件确定基准时间。将客户经历的重要事件的时间设置为初始时间片，而不是随意的日期。例如，考虑产品首次推出的日期。一个随意的日期不会告诉用户使用你的产品的时间。“自全国推出以来的天数”可以告诉你这些信息！因此，它更适合观察群体的表现。总而言之，B2B群体分析虽然困难，但却能带来难以置信的回报！通过B2B组分析，您可以确定不同组和不同时间的用户活动和保留率之间的差异。为了减少分析中的偏差，你应该考虑两个轴：组和时间片。考虑根据客户属性或用户角色而不是用户使用日期进行分组。按时间切片时，请考虑更大的时间片，并考虑每个客户发生重大事件的时间。如果您不理解或想讨论任何问题，请在评论区留言~