Week1-Revenue, Profitability, and Risk Metrics(上)

2017-06-23 蓋樓[184]

Revenue, Profitability, and Risk Metrics(上)

本章會深入講收入指標、盈利率、風險指標的案例，還有當中的細節，主要分為6個部分。

Revenue Metrics- Traditional Enterprise Sales Funnels
Revenue Metrics- Amazon example of Use Dynamic Metrics- Part1
Revenue Metrics- Amazon example of Use Dynamic Metrics- Part2
Profitability/Efficiency Metrics: Inventory Management
Profitability/Efficiency Metrics:Hotel Room Occupancy Optimization
Risk Metrics:Leverage and Repetitional Risk

1.Revenue Metrics- Traditional Enterprise Sales Funnels:

此小節的重點在於講述傳統的企業銷售漏斗，漏斗有點意味著input是大量的資訊，output是少量、重要的產出。
而這裡要講述的就是該怎麼去識別最重要的商業指標，當中談到lead(線索)開始找起，假使你是一個販售貨車的公司，從一個聯繫人、他的姓名、聯繫方式，在一家運輸貨車公司工作，而我們的銷售團隊就要考慮他的資格，有沒有購買能力？願不願意購買？是否擁有能做抉擇來購買的權限？
就像一個圓一樣，得取得全部條件的交集，才有可能收到的銷售，因為這裡提到有很多種商場的情況，儘管跟你長時間通話，但是最後還是不會購買你的產品，又或者請你去展示產品，但是只是單存無聊，而且對方並沒有資格決策是否購買。
即使，你拿到條款談判與價格商討完成，那也只能算是軟圈銷售，意味著在簽訂法律合同前，任何一切錯誤，都稱作軟圈。舉例來說，對方的決策者突然被革職、自己的公司突然關掉生產線，因此，新的線索變得很重要，更進一步來說，新的合格線索更加重要。

2.Revenue Metrics- Amazon example of Use Dynamic Metrics- Part1

首先，以傳統的銷售切入，同常由銷售員一對一與潛在客戶溝通，但現今越來越多是，多人與一個資訊系統溝通，而Amazon這家電商公司，有著以及時調整用戶體驗與及時調整商業流程特性。
講義舉出，用三個關鍵詞去搜索“information theory learning” Amazon內的書，並且做了在1995與2017年的搜索比較，前者會從總共1200百本書中，隨機挑選出12本（每一頁的本數），可能消費者選個2頁，看到沒有需要的書，就放棄了; 而後者則是利用Dynamic Metrics，會將這12本書在1200本書中，做相關性排名，並且預測12本書中，我最有可能買的書。
當我們某本C書銷量最好，但是讀著並非固定，會有影響銷量的可能性，所以所有的點擊、銷售量、書本促銷組合都是每分每秒在變動，並且做出更動，這就是本身系統的設計（符合right answer），這一點就圖書館差很多，圖書館的搜索就是要exaclty相同，而且不會跑出一堆非相關的搜尋結果。

3.Revenue Metrics- Amazon example of Use Dynamic Metrics- Part2

在介紹完Amazon個性化數據服務後，發現在每一個特殊的圖書編號下，都得必須保存在主體範圍、子主題、子類下，進一步看相關性的排名。
而當一百人共同買一本書“達文西密碼”，這數據就叫共獻數據（Co-occurence data），而當中相同主題接近的書籍，可能會搭配一起組合，但是並非很直覺把第一、第二名的相關書放在一起，而是會透過A/B test，了解怎樣的搭配是最符合營收。同時，在點擊時，還會去測試有點擊了哪些書，但最後有買的客群。
總結來說分三種：有買，而且是買組合、有買，但是單買（這結果納入推薦引擎）、沒買（但瀏覽過）

結論（三點心得）：

1.銷售方式，我覺得將會一直做改變，儘管本質就是增加收入，但是如果掌握與機器、資訊系統協同能力（溝通能力），那過去那種外向、熱情的銷售特質，我覺得權重會稀釋掉，因為，真正能掌握消費者剛需才是真正王道，特質是條件之一，但不並代表成功。
2.有一種越是讀銷售知識，越是要重視計算機專業的念頭，從更種商業案例，Dynamic Metrics, real-time changes, Big-data 變得是商場上的關鍵。
3.亞馬遜的搜尋讓我串起這學期學得資料庫，總覺得在data爆炸且仍然持續暴增的時代，能把database處理得更有系統、更加動態，也會是未來的剛需。而剩下三點，明天補上。

PreviousWeek1-What are Business Metrics?NextWeek1-Revenue, Profitability, and Risk Metrics(下)

Last updated 6 years ago

Was this helpful?

Revenue, Profitability, and Risk Metrics(上)

本章會深入講收入指標、盈利率、風險指標的案例，還有當中的細節，主要分為6個部分。

Revenue Metrics- Traditional Enterprise Sales Funnels
Revenue Metrics- Amazon example of Use Dynamic Metrics- Part1
Revenue Metrics- Amazon example of Use Dynamic Metrics- Part2
Profitability/Efficiency Metrics: Inventory Management
Profitability/Efficiency Metrics:Hotel Room Occupancy Optimization
Risk Metrics:Leverage and Repetitional Risk

1.Revenue Metrics- Traditional Enterprise Sales Funnels:

此小節的重點在於講述傳統的企業銷售漏斗，漏斗有點意味著input是大量的資訊，output是少量、重要的產出。

而這裡要講述的就是該怎麼去識別最重要的商業指標，當中談到lead(線索)開始找起，假使你是一個販售貨車的公司，從一個聯繫人、他的姓名、聯繫方式，在一家運輸貨車公司工作，而我們的銷售團隊就要考慮他的資格，有沒有購買能力？願不願意購買？是否擁有能做抉擇來購買的權限？

就像一個圓一樣，得取得全部條件的交集，才有可能收到的銷售，因為這裡提到有很多種商場的情況，儘管跟你長時間通話，但是最後還是不會購買你的產品，又或者請你去展示產品，但是只是單存無聊，而且對方並沒有資格決策是否購買。

即使，你拿到條款談判與價格商討完成，那也只能算是軟圈銷售，意味著在簽訂法律合同前，任何一切錯誤，都稱作軟圈。舉例來說，對方的決策者突然被革職、自己的公司突然關掉生產線，因此，新的線索變得很重要，更進一步來說，新的合格線索更加重要。

2.Revenue Metrics- Amazon example of Use Dynamic Metrics- Part1

首先，以傳統的銷售切入，同常由銷售員一對一與潛在客戶溝通，但現今越來越多是，多人與一個資訊系統溝通，而Amazon這家電商公司，有著以及時調整用戶體驗與及時調整商業流程特性。

講義舉出，用三個關鍵詞去搜索“information theory learning” Amazon內的書，並且做了在1995與2017年的搜索比較，前者會從總共1200百本書中，隨機挑選出12本（每一頁的本數），可能消費者選個2頁，看到沒有需要的書，就放棄了; 而後者則是利用Dynamic Metrics，會將這12本書在1200本書中，做相關性排名，並且預測12本書中，我最有可能買的書。

當我們某本C書銷量最好，但是讀著並非固定，會有影響銷量的可能性，所以所有的點擊、銷售量、書本促銷組合都是每分每秒在變動，並且做出更動，這就是本身系統的設計（符合right answer），這一點就圖書館差很多，圖書館的搜索就是要exaclty相同，而且不會跑出一堆非相關的搜尋結果。

3.Revenue Metrics- Amazon example of Use Dynamic Metrics- Part2

在介紹完Amazon個性化數據服務後，發現在每一個特殊的圖書編號下，都得必須保存在主體範圍、子主題、子類下，進一步看相關性的排名。

而當一百人共同買一本書“達文西密碼”，這數據就叫共獻數據（Co-occurence data），而當中相同主題接近的書籍，可能會搭配一起組合，但是並非很直覺把第一、第二名的相關書放在一起，而是會透過A/B test，了解怎樣的搭配是最符合營收。同時，在點擊時，還會去測試有點擊了哪些書，但最後有買的客群。

總結來說分三種：有買，而且是買組合、有買，但是單買（這結果納入推薦引擎）、沒買（但瀏覽過）

結論（三點心得）：

1.銷售方式，我覺得將會一直做改變，儘管本質就是增加收入，但是如果掌握與機器、資訊系統協同能力（溝通能力），那過去那種外向、熱情的銷售特質，我覺得權重會稀釋掉，因為，真正能掌握消費者剛需才是真正王道，特質是條件之一，但不並代表成功。

2.有一種越是讀銷售知識，越是要重視計算機專業的念頭，從更種商業案例，Dynamic Metrics, real-time changes, Big-data 變得是商場上的關鍵。

3.亞馬遜的搜尋讓我串起這學期學得資料庫，總覺得在data爆炸且仍然持續暴增的時代，能把database處理得更有系統、更加動態，也會是未來的剛需。而剩下三點，明天補上。