toc tob tog 三种业务模式是什么？
toB是面向企业，toC是面向个人，tog是即是产品经理。
ToC是市面上做的最多的产品，面向的是个人用户，遵循比较规范的产品流程，相对而言做起来比较容易。
ToB产品是面向商业企业用户的，一般不向大众用户公开。To B可分为数据应用类、企业管理类。
ToG是从 To B衍生出来的一种特殊划分，面向的企业为 *** 或相关事业单位，主要是根据每年 *** 投入的财政预算，然后去做的一系列信息化项目，可以说是“指标驱动，为做项目而做项目”。
toC模式
约束理论（TOC）最早是于20世纪80年代，由以色列物理学家及企业管理大师犹太人艾利·高德拉特博士（Dr. Eliyahu M. Goldratt）提出的。
他在20世纪70年代末先提出“更优生产技术”（optimized production technology，OPT）后在此基础上发展而成约束理论。在中国常常被翻译为瓶颈管理、限制理论、制约因素、制约法，其与木桶理论、短板理论、链条理论等相类似。
约束理论由运作策略工具集（包括持续改进5步法FFS、生产与运作管理、VAT分析等）、性能测量指标体系（包括财务指标、生产运作指标、交期延误指标TDD、库存周转指标IDD等）和思维流程工具集（包括树状图表工具、云状图表工具、审查流程工具等）三部分组成。
tob销售经验是什么意思?
tob销售经验是面向b即企业的销售经验，如像企业推销团体游服务，或者团体险。
To B销售的产品与服务的组合程度、服务深度、金额规模、客户转换成本和个性化要求更高，从营销、销售到服务的价值链更长，客户购买决策的主体更加复杂，决策流程也更长。
所以To B的销售理念、 *** 论、通路、流程、人员与组织、技术等都会与To C有很大的不同，近年来流行的To C销售 *** 论和技术在很多情况下并不能用于销售To B端产品。
TOB销售的主要工作内容有：
1、负责跟进公司分配的客户资源，不定期对企业客户进行 *** 及线下拜访，及时了解客户的需求；
2、及时收集客户的意见与建议，合理协调公司内外部资源为客户解决问题，提升客户粘性；
3、掌握公司的业务特点并调查了解同行业竞争对手的特点，让客户充分了解本公司的优势；
4、掌握一定的催收技巧，使销售资金能够快速回笼；
5、按照公司要求完成各项绩效指标。
面对TO B行业的客户增长瓶颈，如何有效进行流量拦截和提高获客能力？
作者 · 赵岩，易观方舟数字营销总监
来源 · 易观
▼
春节前跟几家ToB企业的市场负责人聚了一次，大家在聊到今年ToB圈各家的战绩时达成了一个共识，那就是覆巢之下安有完卵，没有谁家是好过的，甚至很多我们熟知的企业，在过去的一年悄无声息地下线了。根据IT桔子数据显示，2019年全年关闭的新经济公司达到338家。
关闭只是个止损的最终结果，没关闭的也不一定就好过。
被新闻爆出来的个别裁员事件之后，其实有更多的裁员事件在悄悄发生。成千上万甚至更多的企业迫于增长压力、资本压力，必须要对内实行“瘦身”以求能够安稳“过冬”。加上新冠疫情这个黑天鹅事件，这个冬天目前看起来比以往的金融危机更严峻，而能拯救企业自己平稳度过这段时间的，也只有良好的现金流。
节支是迫不得已，维持现金流，关键还是要依赖于业绩的增长。
当下的环境导致增长手段务必更加高效有力，需要我们进入到整个用户生命周期中去寻找增长点。增长不仅仅是拉新，越到后期我们越容易发现，在积累了一定的存量线索之后，销售和SDR每天都去攻坚新用户，但是线索新增的速度根本满足不了销售打单的需求。在这个阶段我们该怎么办？
这就可以回到我们常说的存量用户/线索的挖掘，线索池里的客户线索，打过一遍就滞留在CRM里，我们是不是放弃了太多富矿没有挖掘。谈恋爱都还得一来二去。一见钟情式的情绪买卖，在ToB领域基本不可能。所以，销售线索，也需要我们慢慢通过多次沟通培育起来。
01
商机增长的两只脚：收割与培育
ToB业务的典型特征之一，就是需要持续不断地进行用户培育，我们提供的是可以解决客户问题的一整套解决方案。
对于ToC的商品来说，用户有需求打开 *** /京东下单购买就是了，属于个人决策；而对于ToB产品服务来说，也许今天用户只知道你的产品是做什么的，这对你来说已经很不容易了，但是当前用户并没有需求，没有需求的原因很多，因为ToB是团队型决策，金额大、采购周期长，选型产品服务这件受到的影响因素会很多。
比如组织还没发展到采购的阶段，比如团队内认知不统一，或者预算优先级不足，这都可能是当前不采购的原因。
但是当前不采购，拒绝了你的那些潜在客户，是否就意味着你已经没有机会了呢？如果我们进行订单复盘，你会发现，其实成单周期分布很不平均，有的几个月，有的甚至是一年。
为什么会出现这种情况？因为用户当前开始了解你，并且和你保持了良好的交互关系，当有一天用户形成强需求，或者企业发展到一定规模，要么早期的线索接洽用户跳槽换新公司了，这就再次激活了这个需求，他就会有强目的性的找你采购，这也就是我们所说的ToB业务的典型特征：用户培育。
我们把用户按照用户成熟度进行划分，用户会分布在不同的阶段，有的用户之一次知道我们的产品，可能从朋友知道，也可能从搜索引擎了解，有的用户已经在立项的阶段，有的还在寻找解决办法，用户分布在哪取决于用户对于当前整套解决方案的认知，也可以简单理解为用户的专业程度。
此时，我们做商机增长有两条线路：
1、把那些处于采购期的用户线索，进行商业转化（收割）；
2、让那些还在过程中的，向前推进他们的成熟度（培育）。
针对不同阶段的用户，对应的内容矩阵也会有所不同。
比如针对之一阶段的用户，我们需要投递的内容方向是品牌认知，而第二阶段的用户往往是需要知道如何破局。
收割：收割工作的目标就是让流量实现更多的转化，我们通过落地页优化、搜索意图承接、表单漏斗优化等多种方式进行线索获取提效。
培育：通过营销自动化或者内容触达结合打标签的方式，让用户对我们越来越了解，同时有意无意地等待用户的需求触发。
这些数字化的营销技术手段，在我们日常业务的执行细节里尽管已经做得足够多了，包括注重转化率，更加注重内容营销，这些也都在努力尝试。但我们会慢慢发现，其实我们只是做了应该做的事情。
但如何才能将这些业务动作，做到更高效、更智能呢？我们在今年初提出了智能用户运营 *** 论，当我们把智能化的 *** 论赋予到ToB的用户运营上，无论是效率和效果，都会有质的飞跃，智能用户运营在收割和培育上，都能实现迈上一个新的台阶，而不仅仅是做好自己该做的。
02
面向ToB的智能用户运营
首先说一说用户运营这个概念，在ToB的市场里还挺少见的。
在很多人眼中，用户运营大多数都是都是ToC的玩法，因为很少有ToB的具体团队可以全局掌控线索的整个生命周期，转换成了SQL就转化成了由销售负责，在SQL之前都是市场负责，所以这两个团队都很少去进行全局用户运营。
不过据我所知，已经有很多的团队对线索的管理已经延伸到销售端，所以在ToB场景下的用户运营，指的就是从浏览网站（触点接触）到成交续约的用户生命周期全流程的用户管理。
ToB领域的用户生命周期，可以分为以下6个阶段：
公域流量、着陆、转化、激活、高价值用户、签约。
简单来说，就是通过数据驱动，按照上面用户生命周期的6个阶段，促进用户一步一步地向下流转。
智能用户运营：以用户为中心，通过量化用户旅程中的关键场景的关键行为，对用户进行生命周期阶段的划分以及人群的细分，针对用户生命周期的不同阶段、不同细分人群，制定的运营目标，并通过自动化工具和触达手段为不同用户人群提供差异化的服务并实现运营目标。
在整个转化环节，我们一直在思考如何让用户更愿意继续体验，直至发现产品的核心价值；在不同的环节，我们如何赋予用户运营智能化，让获客与培育更高效？
▌1、公域流量阶段
在公域流量阶段，着重我们的目标用户所在。值得注意的是，在获取公域流量阶段要做好自动标签。
所谓自动标签，就是我们在获客时要为之后的用户运营考虑，确保在注册环节就能得到大量的用户标签信息。
比如用户搜索的是什么，用户的职位是什么，用户是通过什么活动进来的？这些标签，都可以通过 UTM 的方式被记录，同时在用户注册的时候进入到用户的多种数据库里。
在流量阶段记录访客的标签有必要的，在运营后期的一系列的智能弹窗、内容触达都需要精准识别用户。
举例：如果用户从公域流量进来的时候，我们就能够获取到他的搜索意图，然后当用户注册的时候同步将搜索意图存进数据库，在后面我们进行邮件群发或者个性化推荐的时候就可以更精准，更精准的内容自然会得到更高的打开率。
▌2、着陆阶段
访客到达我们的网站（ToB应用很少有APP），着陆页是访客与产品的之一触点。过去我们在做线索获取的时候，会很注意落地页的转化率，我们利用热图分析、漏斗分析进行流量的着陆优化，让更多的用户在落地页完成Call To Action的执行。
但是我们忽略了一个环节，那就是欢迎。传统用户运营的欢迎是怎么样的？右下角弹窗，弹窗的内容会倾向于针对新用户引导与基础QA。而智能用户运营的欢迎形式应该怎样做？
我们可以通过度量、细分、触达这3个环节来理解智能用户运营作用下的欢迎：
度量： 我们要识别出新用户和老用户，对于ToB的官网来说，用户会经常来到我们的网站上学习或调研，如果每次都弹出新用户引导，这将会是一个很糟糕的体验；
细分： 在这个环节，可以有多种环节的细分，比如对新用户与老用户（多次到访）的识别，根据用户的搜索意图来确定需求；
触达： 基于细分的人群，可以定制化提供不同的欢迎弹窗，个性化弹窗对于用户着陆成功有很大的帮助；
▌3、转化阶段
转化指的是访客正式成为我们的线索，也就是从访客到注册留资，我们在这个阶段需要注重转化率，用漏斗分析来优化用户从着陆页到表单页，再到表单提交的整体转化率。
在转化环节，我们思考的永远是如何让用户更愿意完成注册，通过优化表单，增加表单的引导来促进表单转化率。 然而智能用户运营可以让转化流程更智能，这里依旧分为3个环节来阐述智能用户运营是如何帮助转化率优化的。
度量： 通过对用户的行为度量，我们可以定位用户是通过哪些关键词进入网站，也可以知道用户从哪个落地页来到注册表单；
细分： 细分出不同需求的用户，细分出不同行业解决方案的用户；
触达： 根据上面细分出不同需求的人群，提供个性化的引导文字和CTA按钮。
同时在这个阶段，还有两个增益的智能用户运营思路： 首先在表单环节迟疑的用户，比如停留时间超过20秒，考虑是否可以弹窗来解决用户顾虑； 另外，我们可以将这部分人群进行保存分群，结合广点通、信息流等工具进行精准广告营销。
▌4、激活阶段
ToB网站有一个魔法行为，通过对用户行为分析，你会发现到底是什么行为让用户找到产品价值，更愿意多次回访。 我们其中一个客户的魔法行为，就是在Demo里创建了一个报表（创建报表是Demo里的一个行为），但凡在Demo里创建了一个报表的用户，都会发现这个产品的价值，更愿意继续探索，甚至SDR在进行客户回访时候都会顺利得多。
在激活的环节，我们应该将目标锁定在了排除障碍让用户到达创建报表上。 现在早已经过了酒香不怕巷子深的年代，更何况ToB业务本身就相对复杂，究竟如何才能让用户经过一层一层的障碍到达目的地呢？
我们通过用户行为分析结合在线调研发现，大部分用户不愿意深层次体验的原因竟然是看不懂以至于没了兴趣。 于是，我们制定的激活策略就是，利用workflow给予用户主动投放式引导。
度量： 找到注册成功的用户，并且得到注册时候字段里的行业选择、职业选择、关键词搜索。
细分： 进行不同行业的注册成功人群细分，基于不同职业的人群细分，基于不同解决方案（关键词）的人群进行划分。
触达： 在易观方舟智能用户运营下，利用workflow设定新用户问候邮件的自动触发机制，即用户注册成功后立即触发问候邮件。 邮件里内容设定为如何下载、如何体验Demo及其他相关的教程。 同时，基于不同的用户分群，给予不同的定制化白皮书和内容推送。 如果我们首次发送用户的打开率较低，我们还会设定补发策略，比如用户3天没有打开邮件，就进行第二次邮件补发。
这样的自动化和定制化的内容，会让用户更有意愿来体验Demo里的那个功能，从而促进用户向更成熟的方向发展。
▌5、高价值用户
对于ToB领域来说，什么才是高价值用户？ 那就是极有可能成为我们“客户”的那些“用户”。 这些用户在前期会有很多共性及特性，我们要做的就是把高价值用户挖掘出来，同时培养所有用户向高价值用户乃至客户的方向发展。
一般用户长→高价值用户→签单客户
度量： ToB的高价值用户会有很多共性行为。 比如过去30天，某个用户在网站和Demo上的卷入度很深，多次体验、同时体验了多个内容，这说明用户的兴趣和明显，我们就应该找出这个用户。 同样如果一个公司有多个员工来到网站进行调研，那说明用户成熟度已经发展到很后期；
细分： 将过去30天高频访问用户全选出来，根据企业邮箱来找出一个公司多用户来访问的情况；
触达： 人员列表同步给SDR优先处理，或进行定向的精准线下会议邀请。
▌6、签约阶段
在签约环节，我们关注的是用户的产品使用情况，用户深度地使用产品，签约的可能性也会更高。 我们可以根据用户的产品使用情况进行及时的反馈预警，同时结合用户的行为给用户提供深度服务。
度量： 通过用户在产品上的使用频次、使用功能点等，了解用户产品使用的真实状态。
细分： 基于用户的使用深度，找出高活跃用户以及沉默用户。
触达： 线上和线下同时进行用户成功服务，在线上针对性地给予用户发送产品使用手册及更佳实践案例，在线下积极拜访客户解决客户业务问题，尽可能地提高续约率。
在用户生命周期的不同阶段，智能用户运营都在发挥非常大的作用。 对于ToB来说，用户运营已经不仅仅是转化率优化、内容群发那么简单，基于用户行为的用户度量，基于用户属性和行为的用户细分，基于个性化的、可配置的、自动化的内容触达，数管齐下，都能够提高用户服务的质量和满意度。
以上内容，是基于易观方舟提出智能用户运营解决方案，简单总结的针对To业务的思路。
03
结语
智能用户运营，在用户与我们交互的全流程在底层起着智能化的作用，让我们把用户运营做的更高效，我们也将这种 *** 论产品化，推出了易观方舟智能用户运营产品套件，它主要包含3个部分，我们可以通过「智能分析」进行用户度量，通过「智能画像」进行用户视图刻画及分群，通过「智能运营」能运营进行内容营销和用户触达。
智能分析包含12大分析模型，包括ToB常用的漏斗分析、留存分析、热图分析等。
智能画像包含用户画像、用户标签等。
智能运营包含很有价值的Workflow工作流配置、多渠道触达及效果验证等。
我们相信，没有一款产品是完美的，虽然功能有限，在功能之上的行业具体应用却有无限的可能。
erastob.mpemba效应
姆潘巴效应Mpemba Effect
人们通常都会认为，一杯冷水和一杯热水同时放入冰箱时，冷水结冰快。事实并非如此。1963年的一天，在地处非洲热带的坦桑尼亚一所中学里，一群学生想做一点冰冻食品降温。一个名叫埃拉斯托·姆佩巴的学生在热牛奶里加了糖后，准备放进冰箱里做冰淇淋。他想，如果等热牛奶凉后放入冰箱，那么别的同学将会把冰箱占满，于是就将热牛奶放进了冰箱。过了不久，他打开冰箱一看，令人惊奇的是，自己的那杯冰淇淋已经变成了一杯可口的冰淇淋，而其他同学用冷水做的冰淇淋还没有结冰。他的这一发现并没有引起老师和同学们的注意，相反在为他们的笑料。姆佩巴把这特殊现象告诉了达累萨拉姆大学的物理学教授奥斯博尔内博士。奥斯博尔内听了姆佩巴的叙述后也感到有点惊奇，但他相信姆佩巴讲的一定是事实。尊重科学的奥斯博尔内又进行了实验，其结果也姆佩巴的叙述完全相符。这就确切地肯定了在低温环境中，热水比冷水结冰快。此后，世界上许多科学杂志载文介绍了这种自然现象，还将这种现象命名为"姆佩巴效应。
热水比冷水更快结冰的事实已被知道了很多个世纪。最早提到并记载此一现象的数据，可追溯到公元前300年的亚里斯多德，他写道：
"先前被加热过的水，有助于它更快地结冰。因此当人们想去冷却热水，他们会先放它在太阳下..."
但在20世纪前，此现象只被视为民间传说。直到1969年，才由Mpemba再次在科学界提出。自此之后，很多实验证实了Mpemba效应的存在，但没有一个唯一的解释。
大约在1461年，物理学家GiovanniMarliani在一个关于物体怎样冷却的辩论上，说他已经证实了热水比冷水更快结冰。他说他用了四盎司沸水，和四盎司未加热过的水，分别放在两个小容器内，置于一个寒冷冬天的屋外，发现沸水首先结冰。但他没能力解释此一现象。
到了十七世纪初，此现象似乎成为一种常识。1620年培根写道"水轻微加热后，比冷水更容易结冰。"不久之后，笛卡儿说"经验显示，放在火上一段时间的水，比其它水更快地结冰。"
直至1969年，那已是Marliani实验500年之后，坦桑尼亚中学的一个命叫Mpemba的中学生再发现此现象的故事，被刊登在《新科家》（NewScientist）杂志。这个故事告诉科学家和老师们，不要忽视非科学家的观察，和不要过早下判断。
1963年，Mpemba正在学校造雪糕，他混合沸腾的牛奶和糖。本来，他应该先等牛奶冷却，之后再放入冰箱。但由于冰箱空间不足，他不等牛奶冷却，就直接放入去。结果令他很惊讶，他发现他的热牛奶竟然比其同学的更早凝固成冰。他问他的物理老师为什么，但老师说，他一定是和其它同学的雪糕混淆了，因为他的观察是不可能的。
当时Mpemba相信他老师的说法。但那一年后期，他遇见他的一个朋友，他那朋友在Tanga镇制造和售卖雪糕。他告诉Mpemba，当他制造雪糕时，他会放那些热液体入冰箱，令他们更快结冰。Mpemba发觉，在Tanga镇的其它雪糕销售者也有相同的实践经验。
后来，Mpemba学到牛顿冷却定律，它描述热的物体怎样变冷（在某些简化了的假设下）。Mpemba问他的老师为什么热牛奶比冷牛奶先结冰。这位老师同样回答是一定Mpemba混淆了。当Mpemba继续争辩时，这位老师说："所有我能够说的是，这是你Mpemba的物理，而不是普遍的物理。"从那以后，这位老师和其它同学就用"那是Mpemba的数学"或"那是Mpemba的物理"来批评他的错误。但后来，当Mpemba在学校的生物实验室，尝试用热水和冷水做实验时，他再一次发现：热水首先结冰。
更早时，有一位物理教授O *** orne博士访问Mpemba的那间中学。Mpemba问他这个问题。O *** orne博士说他想不到任何解释，但他迟些会尝试做这个实验。当他回到他的实验室，便叫一个年轻的技术员去测试Mpemba的实验。这位技术员之后报告说，是热水首先结冰，又说："但我们将会继续重复这个实验，直至得出正确的结果。"然而，实验报告给出同样的结果。在1969年，Mpemba和O *** orne报导他们的结果。
同一年，科学上很常见的巧合之一，Kell博士独立地写了一篇文章，是关于热水比冷水先结冰的。Kell显示，如果假设了水最初是透过蒸发冷却，和维持均匀的温度，这样，热水就会失去足的质量而首先结冰。Kell因此表明这种现象是真的（当时，这现象在加拿大城市是一个传闻。），而且能够用蒸发来解释。然而，他不知道O *** orne的实验。O *** orne测量那失去的质量，发现蒸发不足以解释此现象。后来的实验采用密封的容器，排除了蒸发的影响，仍然发现热水首先结冰。
三、对姆佩巴效应的各种解释
什么是Mpemba效应？有两个形状一样的杯，装着相同体积的水，唯一的分别是水的温度。现在将两杯水在相同的环境下冷却。在某些条件下，初温较高的水会先结冰，但并不是在任何情况下，都会这样。例如，99.9℃的热水和0.01℃的冷水，这样，冷水会先结冰。Mpemba效应并不是在任何的初始温度、容器形状、和冷却条件下，都可看到。
一般人会认为这似乎是不可能的，还有人会试图去证明它不可能。这种证明通常是这样的：30℃的水降温至结冰要花10分钟，70℃的水必须先花一段时间，降至30℃，然后再花10分钟降温至结冰。由于冷水必须做过的事，热水也必须做，所以热水结冰慢。这种证明有错吗？
这种证明错在，它暗中假设了水的结冰只受平均温度影响。但事实上，除了平均温度，其它因素也很重要。一杯初始温度均匀，70℃的水，冷却到平均温度为30℃的水，水已发生了改变，不同于那杯初始温度均匀，30℃的水。前者有较少质量，溶解气体和对流，造成温度分布不均。这些因素会改变冰箱内，容器周围的环境。下面会分别考虑这四个因素。
1.蒸发——在热水冷却到冷水的初温的过程中，热水由于蒸发会失去一部分水。质量较少，令水较容易冷却和结冰。这样热水就可能较冷水早结冰，但冰量较少。如果我们假设水只透过蒸发去失热，理论计算能显示蒸发能解释Mpemba效应。这个解释是可信的和很直觉的，蒸发的确是很重要的一个因素。然而，这不是唯一的机制。蒸发不能解释在一个封闭容器内做的实验，在封闭的容器，没有水蒸气能离开。很多科学家声称，单是蒸发，不足以解释他们所做的实验。
2.溶解气体——热水比冷水能够留住较少溶解气体，随着沸腾，大量气体会逃出水面。溶解气体会改变水的性质。或者令它较易形成对流（因而较易冷却），或减少单位质量的水结冰所需的热量，或者改变沸点。有一些实验支持这种解释，但没有理论计算的支持。
3.对流——由于冷却，水会形成对流，和不均匀的温度分布。温度上升，水的密度就会下降，所以水的表面比水底部热—叫"热顶"。如果水主要透过表面失热，那么，"热顶"的水失热会比温度均匀的快。当热水冷却到冷水的初温时，它会有一热顶，因此与平均温度相同，但温度均匀的水相比，它的冷却速率会较快。虽然在实验中，能看到热顶和相关的对流，但对流能否解释Mpemba效应，仍是未知。
4.周围的事物——两杯水的最后的一个分别，与它们自己无关，而与它们周围的环境有关。初温较高的水可能会以复杂的方式，改变它周围的环境，从而影响到冷却过程。例如，如果这杯水是放在一层霜上面，霜的导热性能很差。热水可能会熔化这层霜，从而为自己创立了一个较好的冷却系统。明显地，这样的解释不够一般性，很多实验都不会将容器放在霜层上。
最后，过冷在此效应上，可能是重要的。过冷现象是水在低于0℃时才结冰的现象。有一个实验发现，热水比冷水较少会过冷。这意味着热水会先结冰，因为它在较高的温度下结冰。但这也不能完成解释Mpemba效应，因为我们仍需解释为什么热水较少会过冷。
在很多情况下，热水较冷水先结冰，但并不是在所有实验中都能观察到这种现象。而且，尽管有很多解释，但仍没有一种完美的解释。所以，姆佩巴效应仍然是一个谜。
toB产品如何做数据分析，数据指标有哪些
我一直在百度问答谈运营技术。但是我认为，我最强在于数据跟视觉。
我认为，竞争到最后，运营跟运营之间的差距是从数据跟视觉开始区分的。
今天我们恰巧有时间来谈谈数据。
什么是数据分析思维？
数据分析思维，我认为是：把行为转化为数据-通过数据反推行为。
我举个例子：
你经常来我店铺购买姨妈巾。
你今天过来买姨妈巾，我就知道你大概一周内要来大姨妈。根据你购买的数量跟规格，我就能推断你一次大姨妈来多久，量大概多少。拉出来你半年的购买时间，我就可以推断你多久一次大姨妈是不是稳定。
如果有两个月没看到你购买姨妈巾了。。。那肯定是在两个月前，你男朋友的雨衣破了。
拉出来你男朋友的购买记录，我就知道，这个店铺的雨衣可能不合格。
为了验证他是不是不合格，我们去看看他半年内的复购率是不是远低于同行。
嗯，就因为你没有买姨妈巾，我怀疑这个店铺的雨衣不合格。
这就是数据分析的基本思维。
学会数据分析的基本思维，只能说，你勉强具备数据分析的可能。
那么做数据分析。需要明白几个东西。
1、数据样本：数据样本如果选择不合理，那么结果完全就是错误的。譬如我去抓取一个定位40岁大妈的姨妈巾店铺，要中国女性的姨妈周期，那根本就不科学好吗。这是青春期跟更年期的差异（此例子说明林慕白同学同样对妇科知识有所涉猎，欢迎广大适龄未婚女性知友来信咨询）。
实战中经常犯的例子是：平销转化率很好的单品，在聚划算卖不好。平销转化率不好的某些单品，聚划算反而会卖爆？为什么呢？想想，别问我，自己想。闹不明白就别尝试做电商的数据分析了。
2、数据选择：实际上我们会遇到很多的数据，但是有些数据不一定是我们想要的。就像我们这辈子会遇到很多很好的女生，但是我们很难明白，谁才能更好陪伴我们走完这一生。这个事情无法举例，我这边给一份试题：
现在我们店铺需要做优惠券促销，目的要提高客单价。
好，你告诉我要做满100减10元。
嗯，很好，那你现在告诉我，为什么是满100而不是满110，为什么是减10元而不是减20。拿出来你的数据。
嗯，不要问我怎么弄。也不要怀疑我是不是真的能分析出来，我真的能。
3、动态变化：我们一般最常用的，就是通过数据之间的变化，来分析可能出现一些什么问题或者变化。然而当一个数据量变化的时候，往往其他的数据也会发生变化。所以我们需要清晰什么数据之间是正相关，什么是反相关，他们之间的关系，在什么情况下是成立的。譬如正常收藏的比例跟转化率是正相关的，但是这几天他们是反相关的。转化率越掉，收藏率可能就越高。
我就谈谈数据分析的框架，我估计这些东西别人懒得讲，所以我讲一下。
至于什么工具看什么数据让别人讲吧。
码字有些累。谢谢
tob软件是什么意思
ToB软件就是在企业业务中，以企业作为服务主体为企业客户提供平台、产品或服务并赚取利润的业务模式，我们也可以把它称之为企业服务。ToB，B指的是Business，也就是企业，结合 *** 中的各种阐述，我们可以这样广泛定义。ToB解决的核心问题就是如何提高企业效率和效益。
平台型业务提高客户企业获客的效率，提高客户企业线上平台的效益，比如，饿了么外卖帮助传统餐饮企业增加非堂食营收，扩大门店服务范围，获得更多顾客。
服务型业务为客户企业解决企业内部存在的问题，如果不能直接或者很快带来效益，也会间接影响。比如GrowingIO帮助企业提升数据驱动能力，帮助业务增长，提高用户留存和转化；比如网易七鱼智能 *** 服务帮助企业 *** 效率提升达86%，还能减少人力成本；减少成本也可以说是提高效益。
硬件性业务可以为客户提升生产效率，比如苹果通过全球供应商硬件支持可以提高iPhone的生产效率，降低设备成本。
常见ToB业务模式、
1、B2C平台
比如京东、美团、天猫等平台，将企业或商户的产品通过线上交易平台，售卖给个人用户。
2、B2B平台
比如阿里巴巴就是典型的面向批发采购商的平台，将企业的产品通过线上交易平台，售卖给批发采购商。
3、提供咨询和解决方案产品
比如广告公司、管理咨询服务、企业培训服务、公关服务和财务审计服务等公司，为企业提供相应特定领域服务的公司。业内有名的麦肯锡、埃森哲等咨询公司就有这一类的业务。
4、提供原材料、生产设备及供应链服务
20年初的疫情，口罩脱销，有产能不足的原因，但也有口罩产业链上游——熔喷布断供或高价供货的原因，这个上游原材料厂商其实也是一种ToB业务模式。
再比如，工厂需要的生产设备制造商，这些制造商本质上也是ToB的，当然我们也可以较真说是ToF（Factory）的。（所谓供应链服务是为供应链中所有参与方提供一个资源对接平台）
5、传统产品经销分销模式
每个零售企业都会做销售渠道，销售渠道可以说是这些传统企业最重要的资产之一，而这些渠道的背后，就是一个个经销商，一个个B，反过来看好像也可以，比如大型商超作为区域经销商的背后，是一个个品牌公司，也是一个个B，这也算是ToB的业务模式。
6、软件系统和SaaS产品
老牌软件服务商用友、金蝶，国外的Salesforce，办公协同的钉钉、企业微信、CRM领域的纷享销客和销售易等等。
7、提供代运营服务的公司
近年比较流行的新媒体代运营，电商代运营，还有一些人力资源外包公司，比如一些头部互联网公司的审核部门、 *** 部门也都是外包给这些公司的。
但如果我们再去深究，可能还不只有这些类型。
的基本思维，只能说，你勉强具备数据分析的可能。那么做数据分析。需要明白几个东西。1、数据样本：数据样本如果选择不合理，那么结果完全就是错误的。譬如我去抓取一个定位40岁大妈的姨妈巾店铺，要中国女性的姨妈周期，那根本就不科学好吗。