admin

互联网运营中10种常见的数据分析方法 - 知乎

admin 感悟评价 2024-05-14 60浏览 0

推荐一篇关于互联网运营中的10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,指标数据的信息价值很有限。

细分方法可以分为两类,一类是逐步分析,比如来自北京市的访客可以分为朝阳,海淀等区域;另一类是维度交叉,比如来自付费sem的新访客。

细分可用于解决所有问题。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。

互联网运营中10种常见的数据分析方法 - 知乎

2.对比分析

对比分析主要是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,通过对相同维度下的指标对比,可以发现并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。

互联网运营中10种常见的数据分析方法 - 知乎

时间对比又可以包括: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1周和上月第1周对比就是同比;所有数据同今年第1周对比就是定期比。通过三种方式可以分析业务增长水平速度等信息。

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:

①在一个过程中是否发生泄漏,如果有泄漏,我们在漏斗中看到,并且能够通过进一步的分析堵住这个泄漏点。

②在这个过程中是否出现了其他不应该出现的过程,造成转化主进程受的损害。

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观察留存情况。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主要原因是简单且直观。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(甚至整个LTV)等留存或流失变化情况。

以前留存分析,只要用户有回访回访及定义为留存,这会导致留存指标虚高。

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。

6.AB测试

互联网运营中10种常见的数据分析方法 - 知乎

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。那么如何验证了,主要方法就是ab测试。

例如你发现漏斗转化中有漏洞,假设一定是商品价格导致了流失,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,于是采取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,若是如此,新价格就应该确定下来,如此反复优化。

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,既可以提高数据分析的时效性,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。例如重度交互(注册、邀请好友等)和交易事件(加入购物车、下单付款等),则通过SDK批量埋点的方式来实施。

8.来源分析

流量红利消失,我们对于获客来源的重视度提高,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。

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。

可以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。

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,对转化率的提升是重要作用的。

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。

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运用。

参考文章:

https://www.sohu.com/a/212888005_468714

http://www.woshipm.com/data-analysis/758063.html

作者:Alexander

来源:博客园

本文为转载分享,如有侵权请联系删除

版权声明

本文仅代表作者观点,不代表B5编程立场。
本文系作者授权发表,未经许可,不得转载。

发表评论