SMAmu

分析文章

從問題、方法到證據,閱讀 SMAmu 的分析思路。

  1. 先驗資料,再談洞察:我為什麼撤下 PTT 的月趨勢圖

    PTT 原始檔 99.1% 的日期年份對不上網址,我因此撤下月趨勢圖,並對重複與不完整月份設關卡。

  2. 互動指標別用平均數:1% 的貼文拿走 76% 的留言

    Dcard 留言平均 22.85、中位數僅 3;前 1% 貼文占 76.0% 留言,KPI 宜改看分位數。

  3. 底妝負面比例最高嗎:信賴區間之外,還要驗證模型

    模型判讀的底妝負面比例 26.2%(95% 區間 24.4%~28.0%)在五個主題中最高;但 120 筆 LLM 盲標檢查顯示模型負面標籤的精確率只有 7.5%,所以不排名。

  4. 同樣聊美妝,Dcard 和 PTT 聊的不一樣

    保養在 Dcard 占 38.3%、在 PTT 只占 19.5%:同一品類在兩個渠道的討論組成不同,內容與排程也該分工。

  5. 從共同提及看誰是真正的競品

    植村秀×蘭蔻共同提及 274 篇卻 lift 只有 1.00;理膚寶水×薇姿 lift 3.12。次數多不等於關聯強。

  6. 用品牌×主題指數找出定位缺口

    媚比琳×眼妝指數 475、聖羅蘭×唇彩 253;指數看定位,但格內不足 30 篇就不該下結論。

  7. 從 864 篇到 24 篇:用質性閱讀找出顧客真正的問題

    保養 864 篇候選、底妝 926 篇候選,各分層抽 24 篇讀文並分流,把量化訊號轉成可驗證的假設。

  8. 把洞察變成實驗:先寫好驗證設計,再談成效

    以底妝諮詢與保養產品角色說明兩份未執行的驗證草案,示範假設、指標、護欄與決策規則怎麼事前寫好。

  9. 前三個商品占六成營收:集中度風險怎麼看

    用虛構電商資料示範營收集中度:前三商品占金額 64.4%、件數 32.3%,並說明為何商品少時用前三名。

  10. 從 RFM 分群到 CRM 行動:410 位顧客撐起四成營收

    虛構電商資料示範 RFM:1,750 位顧客中高價值活躍 410 人(23.4%)貢獻 41.1% 營收,並以對照組驗證。