干货 | 互联网运营中的十大数据分析方法

2017-12-26 17:36 来源:大数据深度分析
浏览量: 收藏:0 分享

道家强调四个字,叫“道、法、术、器”。“器”是指物品或工具,在数据分析领域指的就是数据分析的产品或工具,“工欲善其事,必先利其器”;“术”是指操作技术,是技能的高低、效率的高下,如对分析工具使用的技术(比如用Excel进行数据分析的水平);“法”是指选择的方法,有句话说“选择比努力重要”;“道”是指方向,是指导思想,是战略。那么如何做好数据分析呢,今天推荐一篇关于互联网运营中的十大数据分析方法。

  1.细分分析

  细分分析是分析的基础,单一维度下的指标数据的信息价值很低。

  细分方法可以分为两类,一类逐步分析,比如:来北京市的访客可分为朝阳,海淀等区;另一类是维度交叉,如:来自付费SEM的新访客。

  细分用于解决所有问题。

  比如漏斗转化,实际上就是把转化过程按照步骤进行细分,流量渠道的分析和评估也需要大量用到细分的方法。

blob.png

  2.对比分析

  对比分析主要是指将两个相互联系的指标数据进行比较,从数量上展示和说明研究对象的规模大小,水平高低,速度快慢等相对数值,通过相同维度下的指标对比,可以发现,找出业务在不同阶段的问题。

  常见的对比方法包括:时间对比,空间对比,标准对比。

  时间对比有三种:同比,环比,定基比。

  例如:本周和上周进行对比就是环比;本月第一周和上月第一周对比就是同比;所有数据同今年的第一周对比则为定基比。通过三种方式,可以分析业务增长水平,速度等信息。

blob.png

  3.漏斗分析

  转化漏斗分析是业务分析的基本模型,最常见的是把最终的转化设置为某种目的的实现,最典型的就是完成交易。但也可以是其他任何目的的实现,比如一次使用app的时间超过10分钟。

  漏斗帮助我们解决两方面的问题:

  在一个过程中是否发生泄漏,如果有泄漏,我们能在漏斗中看到,并且能够通过进一步的分析堵住这个泄漏点。

  在一个过程中是否出现了其他不应该出现的过程,造成转化主进程收到损害。

blob.png

  4.同期群分析

  同期群(cohort)分析在数据运营领域十分重要,互联网运营特别需要仔细洞察留存情况。通过对性质完全一样的可对比群体的留存情况的比较,来分析哪些因素影响用户的留存。

  同期群分析深受欢迎的重要原因是十分简单,但却十分直观。同期群只用简单的一个图表,直接描述了用户在一段时间周期(甚至是整个LTV)的留存或流失变化情况。

  以前留存分析只要用户有回访即定义为留存,这会导致留存指标虚高。

blob.png

  5.聚类分析

  聚类分析具有简单,直观的特征,网站分析中的聚类主要分为:用户,页面或内容,来源。

  用户聚类主要体现为用户分群,用户标签法;页面聚类则主要是相似,相关页面分组法;来源聚类主要包括渠道,关键词等。

  例如:在页面分析中,经常存在带?参数的页面。比如:资讯详情页面,商品页面等,都属于同一类页面。简单的分析容易造成跳出率,退出率等指标不准确的问题,通过聚类分析可以获取同类页面的准确数据用于分析场景。

blob.png

  6.AB测试

  增长黑客的一个主要思想之一,是不要做一个大而全的东西,而是不断做出能够快速验证的小而精的东西。快速验证,那如何验证呢?主要方法就是AB测试。

  比如:你发现漏斗转化中中间有漏洞,假设一定是商品价格问题导致了流失,你看到了问题-漏斗,也想出了主意-改变定价。但主意是否正确,要看真实的用户反应,于是采用AB测试,一部分用户还是看到老价格,一部分用户看到新价格,若你的主意真的管用,新价格就应该有更好的转化,若真如此,新价格就应该确定下来,如此反复优化。

blob.png

  7.埋点分析

  只有采集了足够的基础数据,才能通过各种分析方法得到需要的分析结果。

  通过分析用户行为,并细分为:浏览行为,轻度交互,重度交互,交易行为,对于浏览行为和轻度交互行为的点击按钮等事件,因其使用频繁,数据简单,采用无埋点技术实现自助埋点,即可以提高数据分析的实效性,需要的数据可立即提取,又大量减少技术人员的工作量,需要采集更丰富信息的行为。

  如:重度交互(注册,邀请好友等)和交易事件(加购物车,下订单等)则通过SDK批量埋点的方式来实施。

blob.png

  8.来源分析

  流量红利消失,我们对获客来源的重视度极高,如何有效的标注用户来源,至关重要。

  传统分析工具,渠道分析仅有单一维度,要深入分析不同渠道不同阶段效果,SEM付费搜索等来源渠道和用户所在地区进行交叉分析,得出不同区域的获客详细信息,维度越细,分析结果也越有价值。

blob.png

  9.用户分析

  用户分析是互联网运营的核心,常用的分析方法包括:活跃分析,留存分析,用户分群,用户画像,用户细查等。

  可将用户活跃细分为浏览活跃,互动活跃,交易活跃等,通过活跃行为的细分,掌握关键行为指标;通过用户行为事件序列,用户属性进行分群,观察分群用户的访问,浏览,注册,互动,交易等行为,从而真正把握不同用户类型的特点,提供有针对性的产品和服务。

  用户画像基于自动标签系统将用户完整的画像描绘清晰,更有力的支撑运营决策。

blob.png

  10.表单分析

  填写表单是每个平台与用户交互的必备环节,优秀的表单设计,对转化率的提升起到重要作用。

  用户从进入表单页面之时起,就产生了微漏斗,从进入总人数到最终完成并成功提交表单人数,这个过程之中,有多少人开始填写表单,填写表单时,遇到了什么困难导致无法完成表单,都影响最终的转化效果。

blob.png

  以上是常见的数据分析方法,更多应用方法需要根据业务场景灵活应用。

标签:

责任编辑:zhangxiuqin
在线客服