互联网运营中10种常见的数据分析方法 - 知乎

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。

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。

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

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