像福尔摩斯般地顺藤摸瓜：设指标、集数据、找规律
作者：admin 发表时间：2017-07-18 浏览：146 海淘动态
插播一条好消息给Wish卖家:
说起移动平台领导者Wish, 外贸卖家无人不晓。上周PayPal宣布与Wish进一步拓展合作范围，商户可以选择使用PayPal每月两次从Wish平台结算收款。具体信息可以查看本周的第3条推送。顺祝Wish卖家年底大卖！
—— PP哥
上期，Jan为大家分享了邮件发送和撰写的技巧：《外贸B2B战术升级(2)- 糙汉易失手，细节赢芳心, 邮件营销的技巧全开发》。本周，Jan拿出独门秘方来终结这个系列的发布– B2B战术升级第三篇，用数据分析优化邮件营销。Jan表示，正是通过邮件营销的三步骤，他的公司获得了100多张订单，占公司全年订单量的50%以上，这三步骤中，最重要的其实是本文提到的数据统计分析。
说到数据分析，没做过的都有些怕怕！其实，数据分析也许是天下最简单的思考方式了，因果相联。福尔摩斯的分析能力是众人仰慕的，他的方法论可以被简单地总结为：观察、收集、反问、关联，以及排除不可能，最大的可能性就是结论。类似的原理，在邮件营销的数据分析中也可以用，你会发现其实开始并不难。
赶紧往下读吧！
步骤1:
制定跟进指标
在很多外贸业务员看来，发了开发信就有可能收到询盘，跟进并取得合作就是一个完整流程。其实不尽然，Jan认为一个完整的邮件营销模式应该是这样的：找客户—开发客户—与客户合作—制定数据指标—收集数据—分析数据，找到原因—总结规律—提升改善开发方法—开发客户……
客户会发起询盘是因为对我们发出的第一份“开发信”感兴趣，但我们是否有想想为什么客户会感兴趣呢？
是因为客户群体所在的国家不同？还是因为新产品？或是价格？可能的原因有很多，但我们并不知道具体是什么！收集客户数据，就能分析出具体原因。Jan认为，任何的商业行为都是有规律的，如同福尔摩斯认为的，所有发生的事情都是有缘由的。数据分析的过程就是寻找和利用规律。在做数据分析时，第一件事，是要设立追踪邮件营销的各种指标，并把指标的计算公式设计出来。
举例如下：
每周开发信数量=公司所有业务员每周发送的邮件数量总和；每周询盘（数量）=公司所有业务员每周获得的询盘数量总和（如表1、表2所示）。
（表1：各个国家的开发信数量，及对应的获得询盘数量）
（表2：各产品类型的开发信数量及询盘数量）
有人可能会问，我们到底要制定哪些指标？其实，这些指标完全是自定义的，主要看我们最关注的是什么问题，每个公司可能制定的指标都不同，当然也有一些共性的东西。
如上图“表1”，我们关注的是各个国家的开发信数量及对应的获得询盘数量这两个指标，每周从市场维度去看这些数据。如“表2”，我们关注的是各类型产品的开发信数量及询盘数量。
假设我们是做运动鞋的，这个表格的指标可制定为，在开发信内容上推送的不同鞋款的数量。
此外，在获得询盘之后，你可能还关注价格、订单数量等情况，这些都可以制定为你要跟进的指标。
（表3：根据邮件营销效果制订的指标表格）
如上图“表3”所示，假设s、t、m、n是邮件营销效果的四个指标。其中s是月平均开发信发送数量，t为月平均询盘数量，m是业务员的月平均发送开发信数量，而n是业务员月平均收到的询盘的数量。
那么t就应该是公司的开发信效果好坏的参考依据，m和n是业务员的开发信效果好坏的参考依据。当然，通常来说，上述数据采集的时间越长，所得的指标会越准确。
例：10月份公司的询盘数为50个，大于每月询盘平均数（即T的值），说明10月份超出了平均效果。这时候就可以回顾该月数据，并分析能产生好效果的原因，是因为开发的国家不同了？还是因为推了新产品等？通常，总能找到取得好效果的原因。
同理：业务员的当月数据与m，n进行对比（如“表4”所示）。超出了预期效果，分析造成这一结果的原因，调整其他业务员工作方法；没达到预期效果，分析问题出现的原因，调整工作方法。
（表4：业务员数据分析）
PS：
业务员的数据分析可以通过：发送邮件数、所收集的邮箱是否有质量、客户回复情况等方面来进行统计分析，数据的收集越详细，能反应的东西就越多。
步骤2:
如何收集数据
在制定完指标之后，接下来就开始收集数据了。邮件营销的数据收集，需要每天都做。主要来源有2个：一是每位业务员的收集；二是邮件发送工具的数据。
如果你要了解邮件的送达率、垃圾邮件的数量等等，邮件群发工具都有相关数据，所以这个事项比较简单。
如果你要收集不同国家、不同产品的邮件发送情况，询盘情况，价格、订单数量等等，则需要让参与邮件营销的业务员来每天收集。让他们把数据每天固定一个时间填写到已经设计好的表格里去。
这是一项持之以恒的事情，不过实际上每天都做的话，业务员也花不了多少时间。对此，公司可能要设定一个KPI来对业务员在收集数据这个事情上进行考核。
步骤3:
分析数据找到背后原因及规律
在收集完数据之后，接下来就看我们想分析什么问题了。假设我们想分析下每周来自不同国家市场的询盘情况，不同国家的邮件营销的效果（获得询盘的数量），那么上面“表1”将会很清晰地将每周的数据展示给您看。
在每周收集完数据之后，我们可以把第1周、第2周，第3周等数据统计出来，然后按周为周期进行对比。比如针对俄罗斯市场，第2周比第1周的开发信数量增长了多少？询盘增长多少？通过这些数据，我们试图去寻找一些规律性的东西：例如，是否是开发信数量越多，询盘就越多呢？亦或是不同的国家，邮件营销的效果就不一样呢？
假设我们给美国市场一周发送了1000封邮件，结果获得10个询盘，而印度市场每周同样发送1000封邮件，结果才获得1个询盘。此时，我们就要开始分析原因了：是印度客户本来就不喜欢看邮件呢？还是邮件内容有问题？亦或是我们推荐的产品不符合该国客户的喜好？将所有能考虑的问题分析完之后，或许我们会找到这些市场营销的很多规律，那么今后就会有很多惊喜等着我们。
上述的分析是从市场这个维度。如果我们想从产品的维度来分析，其实做法也是一样的，就如上文中“表2”所示。
如果我们想分析每位业务员邮件营销的效果，可以参照下面的分析方法。
（表5：不同业务员邮件营销结果监测表）
Jan举例：假如公司里有业务员A、B两人在开发客户，A业务员发了1000封开发信，B业务员发了300封开发信（如上图“表5”所示）。
从“表5”的数据来看，假设这两个业务员使用的开发信内容、开发时间都一样，那可以得出结论，在美国用当前的开发信模版（内容），发越多的开发信能获得越多的询盘。
同理，假设同一个业务员对不同两个国家用相同模版的开发信，在合适时间去发送，获得询盘更多的国家就应该是可以重点开发的国家。
（表6：不同业务员对不同国家邮件营销结果监测表）
而从“表6”的数据中可以看出：业务员A对巴基斯坦发出的开发信数量更多，但是获得询盘的数量比例远低于业务员B。
对比分析数据，我们还可以对A业务员进行相关情况调查：是否是因为以下原因导致开发信效果不好：开发的客户群体是一些不采购自己这一类产品的国家？开发信发送时间不是最佳时间？邮件内容的不好？发的开发信被当垃圾邮件屏蔽？收集的邮件地址是错误的不能发送成功？附件的图片过大……
了解上述情况以后，通过对比A、B两业务员的业绩数据，分析出效果好和效果不好的原因，在下一次开发时，用改善后的方式去开发，或许能收获惊喜。
综上：在邮件营销过程中，采用数据分析的方法，我们可以找出对公司业务员开发效果产生波动的原因，比如：客户采购季节性变动、开发信内容、附加图片大小、国家区域不同、产品品类差别、邮箱地址真伪等。
我们还可以通过将这些业务员邮件营销产生的数据，按照天、周、月、季度等不同周期进行横向、纵向对比，及时发现其中的不同之处，以便快速做出相应的调整。
另外，数据统计人应该对总体的数据情况有概念。发现有波动变化，可以对具体的相关联数据进行分析，找出是因为大环境而导致变化，还是由于某个业务员的个人因素而产生的影响；随后, 继续执行有益的，改善不利的。
Jan的邮件营销三步骤到此就介绍完毕了。建议B2B的营销人员按照三步走一遍，用几个月的时间来练习和积累一下初步的经验，一定会大有所获。再次谢谢Jan的分享！
说起移动平台领导者Wish, 外贸卖家无人不晓。上周PayPal宣布与Wish进一步拓展合作范围，商户可以选择使用PayPal每月两次从Wish平台结算收款。具体信息可以查看本周的第3条推送。顺祝Wish卖家年底大卖！
—— PP哥
上期，Jan为大家分享了邮件发送和撰写的技巧：《外贸B2B战术升级(2)- 糙汉易失手，细节赢芳心, 邮件营销的技巧全开发》。本周，Jan拿出独门秘方来终结这个系列的发布– B2B战术升级第三篇，用数据分析优化邮件营销。Jan表示，正是通过邮件营销的三步骤，他的公司获得了100多张订单，占公司全年订单量的50%以上，这三步骤中，最重要的其实是本文提到的数据统计分析。
说到数据分析，没做过的都有些怕怕！其实，数据分析也许是天下最简单的思考方式了，因果相联。福尔摩斯的分析能力是众人仰慕的，他的方法论可以被简单地总结为：观察、收集、反问、关联，以及排除不可能，最大的可能性就是结论。类似的原理，在邮件营销的数据分析中也可以用，你会发现其实开始并不难。
赶紧往下读吧！
步骤1:
制定跟进指标
在很多外贸业务员看来，发了开发信就有可能收到询盘，跟进并取得合作就是一个完整流程。其实不尽然，Jan认为一个完整的邮件营销模式应该是这样的：找客户—开发客户—与客户合作—制定数据指标—收集数据—分析数据，找到原因—总结规律—提升改善开发方法—开发客户……
客户会发起询盘是因为对我们发出的第一份“开发信”感兴趣，但我们是否有想想为什么客户会感兴趣呢？
是因为客户群体所在的国家不同？还是因为新产品？或是价格？可能的原因有很多，但我们并不知道具体是什么！收集客户数据，就能分析出具体原因。Jan认为，任何的商业行为都是有规律的，如同福尔摩斯认为的，所有发生的事情都是有缘由的。数据分析的过程就是寻找和利用规律。在做数据分析时，第一件事，是要设立追踪邮件营销的各种指标，并把指标的计算公式设计出来。
举例如下：
每周开发信数量=公司所有业务员每周发送的邮件数量总和；每周询盘（数量）=公司所有业务员每周获得的询盘数量总和（如表1、表2所示）。
（表1：各个国家的开发信数量，及对应的获得询盘数量）
（表2：各产品类型的开发信数量及询盘数量）
有人可能会问，我们到底要制定哪些指标？其实，这些指标完全是自定义的，主要看我们最关注的是什么问题，每个公司可能制定的指标都不同，当然也有一些共性的东西。
如上图“表1”，我们关注的是各个国家的开发信数量及对应的获得询盘数量这两个指标，每周从市场维度去看这些数据。如“表2”，我们关注的是各类型产品的开发信数量及询盘数量。
假设我们是做运动鞋的，这个表格的指标可制定为，在开发信内容上推送的不同鞋款的数量。
此外，在获得询盘之后，你可能还关注价格、订单数量等情况，这些都可以制定为你要跟进的指标。
（表3：根据邮件营销效果制订的指标表格）
如上图“表3”所示，假设s、t、m、n是邮件营销效果的四个指标。其中s是月平均开发信发送数量，t为月平均询盘数量，m是业务员的月平均发送开发信数量，而n是业务员月平均收到的询盘的数量。
那么t就应该是公司的开发信效果好坏的参考依据，m和n是业务员的开发信效果好坏的参考依据。当然，通常来说，上述数据采集的时间越长，所得的指标会越准确。
例：10月份公司的询盘数为50个，大于每月询盘平均数（即T的值），说明10月份超出了平均效果。这时候就可以回顾该月数据，并分析能产生好效果的原因，是因为开发的国家不同了？还是因为推了新产品等？通常，总能找到取得好效果的原因。
同理：业务员的当月数据与m，n进行对比（如“表4”所示）。超出了预期效果，分析造成这一结果的原因，调整其他业务员工作方法；没达到预期效果，分析问题出现的原因，调整工作方法。
（表4：业务员数据分析）
PS：
业务员的数据分析可以通过：发送邮件数、所收集的邮箱是否有质量、客户回复情况等方面来进行统计分析，数据的收集越详细，能反应的东西就越多。
步骤2:
如何收集数据
在制定完指标之后，接下来就开始收集数据了。邮件营销的数据收集，需要每天都做。主要来源有2个：一是每位业务员的收集；二是邮件发送工具的数据。
如果你要了解邮件的送达率、垃圾邮件的数量等等，邮件群发工具都有相关数据，所以这个事项比较简单。
如果你要收集不同国家、不同产品的邮件发送情况，询盘情况，价格、订单数量等等，则需要让参与邮件营销的业务员来每天收集。让他们把数据每天固定一个时间填写到已经设计好的表格里去。
这是一项持之以恒的事情，不过实际上每天都做的话，业务员也花不了多少时间。对此，公司可能要设定一个KPI来对业务员在收集数据这个事情上进行考核。
步骤3:
分析数据找到背后原因及规律
在收集完数据之后，接下来就看我们想分析什么问题了。假设我们想分析下每周来自不同国家市场的询盘情况，不同国家的邮件营销的效果（获得询盘的数量），那么上面“表1”将会很清晰地将每周的数据展示给您看。
在每周收集完数据之后，我们可以把第1周、第2周，第3周等数据统计出来，然后按周为周期进行对比。比如针对俄罗斯市场，第2周比第1周的开发信数量增长了多少？询盘增长多少？通过这些数据，我们试图去寻找一些规律性的东西：例如，是否是开发信数量越多，询盘就越多呢？亦或是不同的国家，邮件营销的效果就不一样呢？
假设我们给美国市场一周发送了1000封邮件，结果获得10个询盘，而印度市场每周同样发送1000封邮件，结果才获得1个询盘。此时，我们就要开始分析原因了：是印度客户本来就不喜欢看邮件呢？还是邮件内容有问题？亦或是我们推荐的产品不符合该国客户的喜好？将所有能考虑的问题分析完之后，或许我们会找到这些市场营销的很多规律，那么今后就会有很多惊喜等着我们。
上述的分析是从市场这个维度。如果我们想从产品的维度来分析，其实做法也是一样的，就如上文中“表2”所示。
如果我们想分析每位业务员邮件营销的效果，可以参照下面的分析方法。
（表5：不同业务员邮件营销结果监测表）
Jan举例：假如公司里有业务员A、B两人在开发客户，A业务员发了1000封开发信，B业务员发了300封开发信（如上图“表5”所示）。
从“表5”的数据来看，假设这两个业务员使用的开发信内容、开发时间都一样，那可以得出结论，在美国用当前的开发信模版（内容），发越多的开发信能获得越多的询盘。
同理，假设同一个业务员对不同两个国家用相同模版的开发信，在合适时间去发送，获得询盘更多的国家就应该是可以重点开发的国家。
（表6：不同业务员对不同国家邮件营销结果监测表）
而从“表6”的数据中可以看出：业务员A对巴基斯坦发出的开发信数量更多，但是获得询盘的数量比例远低于业务员B。
对比分析数据，我们还可以对A业务员进行相关情况调查：是否是因为以下原因导致开发信效果不好：开发的客户群体是一些不采购自己这一类产品的国家？开发信发送时间不是最佳时间？邮件内容的不好？发的开发信被当垃圾邮件屏蔽？收集的邮件地址是错误的不能发送成功？附件的图片过大……
了解上述情况以后，通过对比A、B两业务员的业绩数据，分析出效果好和效果不好的原因，在下一次开发时，用改善后的方式去开发，或许能收获惊喜。
综上：在邮件营销过程中，采用数据分析的方法，我们可以找出对公司业务员开发效果产生波动的原因，比如：客户采购季节性变动、开发信内容、附加图片大小、国家区域不同、产品品类差别、邮箱地址真伪等。
我们还可以通过将这些业务员邮件营销产生的数据，按照天、周、月、季度等不同周期进行横向、纵向对比，及时发现其中的不同之处，以便快速做出相应的调整。
另外，数据统计人应该对总体的数据情况有概念。发现有波动变化，可以对具体的相关联数据进行分析，找出是因为大环境而导致变化，还是由于某个业务员的个人因素而产生的影响；随后, 继续执行有益的，改善不利的。
Jan的邮件营销三步骤到此就介绍完毕了。建议B2B的营销人员按照三步走一遍，用几个月的时间来练习和积累一下初步的经验，一定会大有所获。再次谢谢Jan的分享！
分享到
部分图片内容来自于网友投稿
0/300
微博发布