你想知道的,都在這里!本文是神策數(shù)據(jù)「十問十答」科普系列文章的第一期,圍繞數(shù)據(jù)分析模型展開。

1

Q:常用的數(shù)據(jù)分析模型有哪些?

A:神策數(shù)據(jù)總結(jié)了企業(yè)常用的數(shù)據(jù)分析模型,包括:事件分析、漏斗分析、留存分析、歸因分析、分布分析、用戶路徑分析、LTV 分析、間隔分析、Session 分析、用戶分群、熱力分析、用戶屬性分析……

關(guān)注神策數(shù)據(jù)公眾號(hào),回復(fù)“數(shù)據(jù)分析模型”即可免費(fèi)下載完整版白皮書。

2

Q:電商平臺(tái)想了解最近一場(chǎng)大促活動(dòng)轉(zhuǎn)化率低的原因,可以使用哪種數(shù)據(jù)分析模型定位問題所在?

A:漏斗分析。電商平臺(tái)可以從某維度如省份對(duì)用戶行為分析,通過對(duì)比找到轉(zhuǎn)化率低的省份,并進(jìn)一步對(duì)比分析不同省份的產(chǎn)品顯示庫(kù)存情況、物流狀態(tài)、某類商品在不同省份的受歡迎程度、不同付費(fèi)推廣渠道的用戶轉(zhuǎn)化等情況,找到可以優(yōu)化的短板。

春節(jié)精準(zhǔn)營(yíng)銷轉(zhuǎn)化漏斗(模擬數(shù)據(jù))

同時(shí),該電商平臺(tái)還可以選擇某一轉(zhuǎn)化步驟并拿到在這一個(gè)步驟中的流失用戶列表,進(jìn)行精細(xì)化運(yùn)營(yíng)。也可以結(jié)合用戶路徑查看流失用戶的后續(xù)行為,推斷可能原因,加以驗(yàn)證并推出對(duì)應(yīng)策略。

3

Q:如何進(jìn)行用戶留存分析?

A:舉個(gè)例子,當(dāng)產(chǎn)品經(jīng)理想了解產(chǎn)品版本迭代對(duì)新用戶留存的影響,那么便可以采用留存分析,將新用戶的 7 日留存或者 30 日留存按照應(yīng)用版本切分,就能直觀地對(duì)比出來不同版本對(duì)新用戶留存的差異。

用戶注冊(cè)后的 7 日留存分析(模擬數(shù)據(jù))

4

Q:留存分析能給企業(yè)帶來哪些業(yè)務(wù)提升?

A:簡(jiǎn)單來講,留存指標(biāo)對(duì)于絕大部分業(yè)務(wù)來說都是核心數(shù)據(jù)指標(biāo)之一。留存分析是一個(gè)應(yīng)用面廣、價(jià)值突出的分析模型,通過留存分析企業(yè)可以快速了解用戶群后續(xù)是否有再次訪問、有沒有發(fā)生關(guān)鍵業(yè)務(wù)行為等。通過對(duì)比不同用戶群體間的留存,企業(yè)可以找到更具有忠誠(chéng)度的用戶群體,無論做活動(dòng)還是用戶調(diào)研,都可以優(yōu)先圍繞高留存率的用戶進(jìn)行。

5

Q:怎么能更形象地理解 Session 分析?

A:如果把網(wǎng)站或 App 比喻成一個(gè)商場(chǎng),那用戶行為就如同逛街的顧客,他們的訪問行為通常和逛商場(chǎng)一樣是一系列連續(xù)行為。對(duì)于網(wǎng)站或 App 而言,用戶的一系列訪問行為是一個(gè) Session。

Session 分析是在把用戶單點(diǎn)發(fā)生的行為串聯(lián)起來形成一個(gè)整體的前提下,了解用戶訪問某個(gè)特定事件的情況。常見的數(shù)據(jù)指標(biāo)包括 Session 整體或者某個(gè)特定事件的次數(shù)、人數(shù)、時(shí)長(zhǎng)、深度、跳出率等。

以用戶在某個(gè)在線教育網(wǎng)站的訪問為例,用戶的一系列訪問中,“用戶平均訪問多少次”“用戶平均訪問了多少個(gè)頁(yè)面”“用戶訪問平均時(shí)長(zhǎng)是多少”“用戶在某個(gè)具體頁(yè)面的平均停留時(shí)長(zhǎng)是多少”等問題都需要通過 Session 分析解決。

6

Q:哪一種模型可以分析產(chǎn)品對(duì)用戶的價(jià)值?

A:留存分析。留存分析是一種用來分析用戶參與情況與用戶粘性的分析模型,考察發(fā)生了初始行為的用戶中,有多少人會(huì)在接下來的幾天里發(fā)生后續(xù)行為,是衡量產(chǎn)品對(duì)用戶價(jià)值高低的重要方法。

留存分析可以幫助我們回答一些問題:某一天進(jìn)入產(chǎn)品的新用戶群,在未來一段時(shí)間內(nèi)每天分別有多少人完成轉(zhuǎn)化?某個(gè)社交產(chǎn)品迭代了新注冊(cè)用戶的引導(dǎo)流程,新版本的新用戶留存是否有所提升?某產(chǎn)品新增了邀請(qǐng)好友的功能,是否有用戶因?yàn)樵摴δ苎娱L(zhǎng)產(chǎn)品使用時(shí)間?

7

Q:什么是熱力分析?

A:熱力分析是指應(yīng)用一種特殊高亮的顏色、數(shù)據(jù)標(biāo)注等,顯示頁(yè)面或頁(yè)面組(結(jié)構(gòu)相同的頁(yè)面,如商品詳情頁(yè)、官網(wǎng)博客等)區(qū)域中不同元素點(diǎn)擊密度、觸達(dá)率、停留分布等特征。

神策數(shù)據(jù)官網(wǎng)熱力分析示例(模擬數(shù)據(jù))

熱力分析法主要用來分析用戶在頁(yè)面上的點(diǎn)擊、觸達(dá)深度等情況,并以直觀的效果展示給使用者,它是互聯(lián)網(wǎng)行業(yè)常用的一種分析模型,比較直觀地表現(xiàn)了用戶在產(chǎn)品頁(yè)面上的瀏覽偏好,說明用戶和網(wǎng)頁(yè)的交互情況。

8

Q:常用的歸因分析思路有哪幾種?

A:這里介紹四種常見的歸因思路。

1、首次歸因。多個(gè)待選觸點(diǎn)中,認(rèn)為第一個(gè)的功勞為 100%。理由是第一個(gè)觸點(diǎn)幫助用戶建立了認(rèn)知、與用戶形成了連接。適用于重視新用戶線索的業(yè)務(wù)。

2、末次歸因。多個(gè)待選觸點(diǎn)中,認(rèn)為最后一個(gè)的功勞為 100%。這種思路適用范圍最廣泛,常用于電商業(yè)務(wù)的站內(nèi)歸因計(jì)算。

3、線性歸因。多個(gè)待選觸點(diǎn)中,認(rèn)為每個(gè)“待歸因事件”平均分配此次功勞。適合坑位效果比較平均的產(chǎn)品。

4、位置歸因。多個(gè)待選觸點(diǎn)中,認(rèn)為第一個(gè)和最后一個(gè)各占 40% 的功勞,其余平分剩余的 20% 功勞。兼顧最初的線索和最終的決策。

9

Q:什么是用戶行為路徑分析模型?

A:用戶行為路徑分析是根據(jù)用戶在 App 或網(wǎng)站中的訪問行為,分析用戶在各模塊中跳轉(zhuǎn)規(guī)律與特點(diǎn),挖掘出用戶的群體特征,進(jìn)而實(shí)現(xiàn)業(yè)務(wù)指標(biāo):如提升核心模塊的到達(dá)率、App 產(chǎn)品設(shè)計(jì)的優(yōu)化改版、流失用戶去向分析等。

真實(shí)的用戶行為路徑通常是一個(gè)交叉反復(fù)的過程。以電商行業(yè)為例,企業(yè)希望用戶從登錄后依次完成首頁(yè)瀏覽、搜索商品、加入購(gòu)物車、提交訂單、支付訂單等環(huán)節(jié),而用戶真實(shí)的選購(gòu)過程中,可能在提交訂單后返回首頁(yè)繼續(xù)搜索商品,也可能取消訂單,每一個(gè)路徑都有不同的動(dòng)機(jī)。所以在用戶行為路徑分析模型的使用過程中,需要與其他數(shù)據(jù)分析模型配合進(jìn)行深入分析,快速找到用戶需求點(diǎn)以及用戶興趣偏好,從而引領(lǐng)用戶走向最優(yōu)路徑或者期望中的路徑。

10

Q:分布分析對(duì)企業(yè)的業(yè)務(wù)價(jià)值是什么?

A:分布分析是用戶在特定指標(biāo)下的頻次、總額等特征的結(jié)構(gòu)化分段展現(xiàn)。分布分析是了解數(shù)據(jù)分布表現(xiàn)的主要方法,往往能通過對(duì)數(shù)據(jù)結(jié)構(gòu)的分層分析,判斷幾段數(shù)值的占比、對(duì)整體數(shù)據(jù)的影響,同時(shí)了解數(shù)據(jù)分布的集中度,以及主要的數(shù)據(jù)分布區(qū)間段。

通過觀察事件在不同維度中的分布情況,企業(yè)可以了解該事件的累計(jì)數(shù)量和頻次,以及分布特征,進(jìn)一步洞察業(yè)務(wù)健康度、分層結(jié)構(gòu)等。

關(guān)注神策數(shù)據(jù)公眾號(hào),回復(fù)“數(shù)據(jù)分析模型”即可免費(fèi)下載完整版白皮書。

審核編輯黃宇