遇到數據不知道從何下手嗎？這種困境最大的原因，就是來自於你是單點看數據，而不是把數據串起來看。
什麼是把數據串起來看，就是了解不同數字之間的因果關係。譬如說：潛在客戶名單數量和名單合格率相乘，就得到 MQL (Marketing Qualified Lead) 數量。
我們若用圖來表示數據間的因果關係，這就是所謂的數據地圖。
B2B的數據地圖，你可以簡單的拆成新客營收和舊客營收。新客營收則來自業務漏斗的層層轉化 (名單->MQL->SQL…)，下圖是一個每年續約型的 B2B 企業數據地圖範例。
大圖可點此觀看
新客營收，我們可以往下拆
- 新客營收 = Sales Opportunity 數量 x 成交率 x APRRU (Average Revenue Per Payuing User)
- Sales Opportunity 數量，和 SQL (Sales Qualified Lead) 數量與 PQL (Product Qualified Lead) 數量，有正相關的關係
- SQL 數量 = MQL (Marketing Qualified Lead) x 轉化率
- MQL 數量 = 名單數量 x 名單合格率
舊客營收，每個公司拆法不同，這個範例我們簡單拆成「大型客戶」和「中小型客戶」，往下拆的話就是
- 大型客戶營收 = 大型客戶數 x 續約率 x ARPPU
- 中小型客戶營收 = 中小型客戶數 x 續約率 x ARPPU
B2B 的產品，很有可能你都收集不到「行為面」的數據，諸如：客戶每個月用幾次、每次用多久、用了什麼功能…等等，所以在看數據的時候，都會偏向交易面的數據居多，如：ARPPU、續約率…等。
在新客的數據地圖拆解，其實就是遵循著業務銷售流程，從收集名單，然後從中篩選出 Marketing Qualified Lead，然後部分會轉成 Sales Qualified Lead，在 Sales 去接觸後，就會變成 Sales Opportunity，最後成交產生營收。
PQL (Product Qualified Lead) 和新客營收的關係是什麼呢？我舉個例子：像是很多企業用的通訊軟體，10 個人用是免費的，但第 11 個人要使用，那就要收費。
你可以這樣理解，當第 11 個人要使用這個企業通訊軟體時，因為他要付費才能使用，所以這家公司從免費用戶，變成了 Product Qualified Lead， Sales 會去拜訪這家客戶，或是系統也會觸發自助升級機制，讓企業自助轉成付費方案，都是很常見的作法。
--不想錯過我的新文章：訂閱免費電子報
我的線上課：數據化營運、產品增長 和 產品企劃力，歡迎大家報名
