中文字幕日韩精品一区二区免费_精品一区二区三区国产精品无卡在_国精品无码专区一区二区三区_国产αv三级中文在线

運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

2021-01-30    分類: 網(wǎng)站建設(shè)

提起數(shù)據(jù)分析,大家往往會(huì)聯(lián)想到一些密密麻麻的數(shù)字表格,或是高級(jí)的數(shù)據(jù)建模手法,再或是華麗的數(shù)據(jù)報(bào)表。其實(shí),“ 分析 ”本身是每個(gè)人都具備的能力;比如根據(jù)股票的走勢(shì)決定購(gòu)買還是拋出,依照每日的時(shí)間和以往經(jīng)驗(yàn)選擇行車路線;購(gòu)買機(jī)票、預(yù)訂酒店時(shí),比對(duì)多家的價(jià)格后做出最終選擇。

這些小型決策,其實(shí)都是依照我們腦海中的數(shù)據(jù)點(diǎn)作出判斷,這就是簡(jiǎn)單分析的過(guò)程。對(duì)于業(yè)務(wù)決策者而言,則需要掌握一套系統(tǒng)的、科學(xué)的、符合商業(yè)規(guī)律的數(shù)據(jù)運(yùn)營(yíng)分析知識(shí)。

一、數(shù)據(jù)分析的戰(zhàn)略思維

無(wú)論是產(chǎn)品、市場(chǎng)、運(yùn)營(yíng)還是管理者,你必須反思:數(shù)據(jù)本質(zhì)的價(jià)值,究竟在哪里?從這些數(shù)據(jù)中,你和你的團(tuán)隊(duì)都可以學(xué)習(xí)到什么?

1. 數(shù)據(jù)分析的目標(biāo)

對(duì)于企業(yè)來(lái)講,數(shù)據(jù)分析的可以輔助企業(yè)優(yōu)化流程,降低成本,提高營(yíng)業(yè)額,往往我們把這類數(shù)據(jù)分析定義為商業(yè)數(shù)據(jù)分析。商業(yè)數(shù)據(jù)分析的目標(biāo)是利用大數(shù)據(jù)為所有職場(chǎng)人員做出迅捷、高質(zhì)、高效的決策,提供可規(guī)?;慕鉀Q方案。商業(yè)數(shù)據(jù)分析的本質(zhì)在于創(chuàng)造商業(yè)價(jià)值 ,驅(qū)動(dòng)企業(yè)業(yè)務(wù)增長(zhǎng)。

2. 數(shù)據(jù)分析的作用

我們常常講的企業(yè)增長(zhǎng)模式中,往往以某個(gè)業(yè)務(wù)平臺(tái)為核心。這其中,數(shù)據(jù)和數(shù)據(jù)分析,是不可或缺的環(huán)節(jié)。    

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

通過(guò)企業(yè)或者平臺(tái)為目標(biāo)用戶群提供產(chǎn)品或服務(wù),而用戶在使用產(chǎn)品或服務(wù)過(guò)程中產(chǎn)生的交互、交易,都可以作為數(shù)據(jù)采集下來(lái)。根據(jù)這些數(shù)據(jù)洞察,通過(guò)分析的手段反推客戶的需求,創(chuàng)造更多符合需求的增值產(chǎn)品和服務(wù),重新投入用戶的使用,從而形成形成一個(gè)完整的業(yè)務(wù)閉環(huán)。這樣的完整業(yè)務(wù)邏輯,可以真正意義上驅(qū)動(dòng)業(yè)務(wù)的增長(zhǎng)。

3. 數(shù)據(jù)分析進(jìn)化論

我們常常以商業(yè)回報(bào)比來(lái)定位數(shù)據(jù)分析的不同階段,因此我們將其分為四個(gè)階段。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

階段 1:觀察數(shù)據(jù)當(dāng)前發(fā)生了什么?

首先,基本的數(shù)據(jù)展示,可以告訴我們發(fā)生了什么。例如,公司上周投放了新的搜索引擎 A 的廣告,想要比對(duì)一周下來(lái),新渠道A比現(xiàn)有渠道B情況如何,A、B 各自帶來(lái)了多少流量,轉(zhuǎn)化效果如何? 又比如,新上線的產(chǎn)品有多少用戶喜歡,新注冊(cè)流中注冊(cè)的人數(shù)有多少。這些都需要通過(guò)數(shù)據(jù)來(lái)展示結(jié)果,都是基于數(shù)據(jù)本身提供的“發(fā)生了什么”。

階段 2:理解為什么發(fā)生?

如果看到了渠道 A 為什么比渠道 B 帶來(lái)更多的流量,這時(shí)候我們就要結(jié)合商業(yè)來(lái)進(jìn)一步判斷這種現(xiàn)象的原因。這時(shí)候我們可以進(jìn)一步通過(guò)數(shù)據(jù)信息進(jìn)行深度拆分, 也許某個(gè)關(guān)鍵字帶來(lái)的流量,也許是該渠道更多的獲取了移動(dòng)端的用戶。這種數(shù)據(jù)深度分析判斷,成為了商業(yè)分析第二個(gè)進(jìn)階,也同時(shí)能夠提供更多商業(yè)價(jià)值上的體現(xiàn)。  

階段 3:預(yù)測(cè)未來(lái)會(huì)發(fā)生什么?

而當(dāng)我們理解了渠道 A、B 帶來(lái)流量的高低,就根據(jù)以往的知識(shí)預(yù)測(cè)未來(lái)會(huì)發(fā)生什么。在投放渠道 C、D 的時(shí)候,猜測(cè)渠道 C 比渠道 D 好,當(dāng)上線新的注冊(cè)流、新的優(yōu)化,可以知道哪一個(gè)節(jié)點(diǎn)比較容易出問(wèn)題;我們也可以通過(guò)數(shù)據(jù)挖掘的手段,自動(dòng)預(yù)測(cè)判斷 C 和 D 渠道之間的差異,這就是數(shù)據(jù)分析的第三個(gè)進(jìn)階,預(yù)測(cè)未來(lái)會(huì)發(fā)生的結(jié)果。

階段 4:商業(yè)決策

所有工作中最有意義的還是商業(yè)決策,通過(guò)數(shù)據(jù)來(lái)判斷應(yīng)該做什么。而商業(yè)數(shù)據(jù)分析的目的,就是商業(yè)結(jié)果。當(dāng)數(shù)據(jù)分析的產(chǎn)出可以直接轉(zhuǎn)化為決策,或直接利用數(shù)據(jù)做出決策,那么這才能直接體現(xiàn)出數(shù)據(jù)分析的價(jià)值。

4. 數(shù)據(jù)分析的 EOI 框架

EOI 的架構(gòu)是包括 LinkedIn、Google 在內(nèi)的很多公司定義分析型項(xiàng)目的目標(biāo)的基本方式,也是管理者在思考商業(yè)數(shù)據(jù)分析項(xiàng)目中一種基本的、必備的手段。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

其中,我們先會(huì)把公司業(yè)務(wù)項(xiàng)目分為三類:核心任務(wù),戰(zhàn)略任務(wù),風(fēng)險(xiǎn)任務(wù)。以谷歌為例,谷歌的核心任務(wù)是搜索、SEM、廣告,這是已經(jīng)被證明的商業(yè)模型,并已經(jīng)持續(xù)從中獲得很多利潤(rùn)。谷歌的戰(zhàn)略性任務(wù)(在2010年左右)是安卓平臺(tái),為了避免蘋(píng)果或其他廠商占領(lǐng),所以要花時(shí)間、花精力去做,但商業(yè)模式未必成型。風(fēng)險(xiǎn)任務(wù)對(duì)于創(chuàng)新來(lái)說(shuō)是十分重要的,比如谷歌眼鏡、自動(dòng)駕駛汽車等等。

數(shù)據(jù)分析項(xiàng)目對(duì)這三類任務(wù)的目標(biāo)也不同,對(duì)核心任務(wù)來(lái)講,數(shù)據(jù)分析是助力(E),幫助公司更好的盈利,提高盈利效率; 對(duì)戰(zhàn)略任務(wù)來(lái)說(shuō)是優(yōu)化(O),如何能夠輔助戰(zhàn)略型任務(wù)找到方向和盈利點(diǎn);對(duì)于風(fēng)險(xiǎn)任務(wù),則是共同創(chuàng)業(yè)(I),努力驗(yàn)證創(chuàng)新項(xiàng)目的重要性 。管理者需要對(duì)公司業(yè)務(wù)及發(fā)展趨勢(shì)有著清晰的認(rèn)識(shí),合理分配數(shù)據(jù)分析資源、制定數(shù)據(jù)分析目標(biāo)方向。

二、數(shù)據(jù)分析的 3 大思路

而面對(duì)海量的數(shù)據(jù),很多人都不知道從如何準(zhǔn)備、如何開(kāi)展,如何得出結(jié)論。下面為大家介紹做數(shù)據(jù)分析時(shí)的 3 個(gè)經(jīng)典的思路,希望在數(shù)據(jù)分析的實(shí)際應(yīng)用中能給大家?guī)?lái)幫助。

1. 數(shù)據(jù)分析的基本步驟

上面我們提到了數(shù)據(jù)分析與商業(yè)結(jié)果之間關(guān)聯(lián)的重要性,所有商業(yè)數(shù)據(jù)分析都應(yīng)該以業(yè)務(wù)場(chǎng)景為起始思考點(diǎn),以業(yè)務(wù)決策作為終點(diǎn)。數(shù)據(jù)分析該先做什么、后做什么?基于此,我們提出了商業(yè)數(shù)據(jù)分析流程的五個(gè)基本步驟。

第一步,要先挖掘業(yè)務(wù)含義,理解數(shù)據(jù)分析的背景、前提以及想要關(guān)聯(lián)的業(yè)務(wù)場(chǎng)景結(jié)果是什么。

第二步,需要制定分析計(jì)劃,如何對(duì)場(chǎng)景拆分,如何推斷。

第三步,從分析計(jì)劃中拆分出需要的數(shù)據(jù),真正落地分析本身。

第四步,從數(shù)據(jù)結(jié)果中,判斷提煉出商務(wù)洞察。

第五步,根據(jù)數(shù)據(jù)結(jié)果洞察,最終產(chǎn)出商業(yè)決策。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

舉個(gè)例子:

某國(guó)內(nèi)互聯(lián)網(wǎng)金融理財(cái)類網(wǎng)站,市場(chǎng)部在百度和 hao123 上都有持續(xù)的廣告投放,吸引網(wǎng)頁(yè)端流量。最近內(nèi)部同事建議嘗試投放神馬移動(dòng)搜索渠道獲取流量;另外也需要評(píng)估是否加入金山網(wǎng)絡(luò)聯(lián)盟進(jìn)行深度廣告投放。

在這種多渠道的投放場(chǎng)景下,如何進(jìn)行深度決策? 我們按照上面商業(yè)數(shù)據(jù)分析流程的五個(gè)基本步驟來(lái)拆解一下這個(gè)問(wèn)題。

第一步:挖掘業(yè)務(wù)含義。

首先要了解市場(chǎng)部想優(yōu)化什么,并以此為北極星指標(biāo)去衡量。對(duì)于渠道效果評(píng)估,重要的是業(yè)務(wù)轉(zhuǎn)化:對(duì) P2P 類網(wǎng)站來(lái)說(shuō),是否發(fā)起 “投資理財(cái)” 要遠(yuǎn)重要于 “訪問(wèn)用戶數(shù)量” 。所以無(wú)論是神馬移動(dòng)搜索還是金山渠道,重點(diǎn)在于如何通過(guò)數(shù)據(jù)手段衡量轉(zhuǎn)化效果;也可以進(jìn)一步根據(jù)轉(zhuǎn)化效果,優(yōu)化不同渠道的運(yùn)營(yíng)策略。

第二步,制定分析計(jì)劃。

以 “投資理財(cái)” 為核心轉(zhuǎn)化點(diǎn),分配一定的預(yù)算進(jìn)行流量測(cè)試,觀察對(duì)比注冊(cè)數(shù)量及最終轉(zhuǎn)化的效果。記下倆可以持續(xù)關(guān)注這些人重復(fù)購(gòu)買理財(cái)產(chǎn)品的次數(shù),進(jìn)一步判斷渠道質(zhì)量。

第三步,拆分查詢數(shù)據(jù)。

既然分析計(jì)劃中需要比對(duì)渠道流量,那么我們需要各個(gè)渠道追蹤流量、落地頁(yè)停留時(shí)間、落地頁(yè)跳出率、網(wǎng)站訪問(wèn)深度以及訂單等類型數(shù)據(jù),進(jìn)行深入的分析和落地。

第四步,提煉業(yè)務(wù)洞察。

根據(jù)數(shù)據(jù)結(jié)果,比對(duì)神馬移動(dòng)搜索和金山網(wǎng)絡(luò)聯(lián)盟投放后的效果,根據(jù)流量和轉(zhuǎn)化兩個(gè)核心KPI,觀察結(jié)果并推測(cè)業(yè)務(wù)含義。如果神馬移動(dòng)搜索效果不好,可以思考是否產(chǎn)品適合移動(dòng)端的客戶群體;或者仔細(xì)觀察落地頁(yè)表現(xiàn)是否有可以優(yōu)化的內(nèi)容等,需找出業(yè)務(wù)洞察。

第五步,產(chǎn)出商業(yè)決策。

根據(jù)數(shù)據(jù)洞察,指引渠道的決策制定。比如停止神馬渠道的投放,繼續(xù)跟進(jìn)金山網(wǎng)絡(luò)聯(lián)盟進(jìn)行評(píng)估;或優(yōu)化移動(dòng)端落地頁(yè),更改用戶運(yùn)營(yíng)策略等等。

以上這些都是商務(wù)數(shù)據(jù)分析拆解和完成推論的基本步驟。在接下來(lái)的內(nèi)容中,我們都會(huì)有這個(gè)分析思路。

2. 內(nèi)外因素分解法

在數(shù)據(jù)分析的過(guò)程中,會(huì)有很多因素影響到我們的北極星指標(biāo),那么如何找到這些因素呢?在此向大家推薦內(nèi)外因素分解法。內(nèi)外因素分解法是把問(wèn)題拆成四部分,包括內(nèi)部因素、外部因素、可控和不可控,然后再一步步解決每一個(gè)問(wèn)題。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

舉個(gè)例子:

某社交招聘類網(wǎng)站,分為求職者端和企業(yè)端。其盈利模式一般是向企業(yè)端收費(fèi),其中一個(gè)收費(fèi)方式是購(gòu)買職位的廣告位。業(yè)務(wù)人員發(fā)現(xiàn), “發(fā)布職位” 的數(shù)量在過(guò)去的 6 月中有緩慢下降的趨勢(shì)。對(duì)于這類某一數(shù)據(jù)指標(biāo)下降的問(wèn)題,可以怎么分析呢?

根據(jù)內(nèi)外因素分解法,我們可以從四個(gè)角度依次去分析可能的影響因素。

內(nèi)部可控因素:產(chǎn)品近期上線更新、市場(chǎng)投放渠道變化、產(chǎn)品粘性、新老用戶留存問(wèn)題、核心目標(biāo)的轉(zhuǎn)化。

外部可控因素:市場(chǎng)競(jìng)爭(zhēng)對(duì)手近期行為、用戶使用習(xí)慣的變化、招聘需求隨時(shí)間的變化。

內(nèi)部不可控因素:產(chǎn)品策略(移動(dòng)端/PC端)、公司整體戰(zhàn)略、公司客戶群定位(比如只做醫(yī)療行業(yè)招聘)。

外部不可控因素:互聯(lián)網(wǎng)招聘行業(yè)趨勢(shì)、整體經(jīng)濟(jì)形勢(shì)、季節(jié)性變化。

有了內(nèi)外因素分解法,我們就可以較為全面地分析數(shù)據(jù)指標(biāo),避免可能遺失的影響因素并且對(duì)癥下藥。

3. DOSS 思路

DOSS 思路是從一個(gè)具體問(wèn)題拆分到整體影響,從單一的解決方案找到一個(gè)規(guī)?;鉀Q方案的方式??焖僖?guī)?;行У脑鲩L(zhǎng)解決方案,DOSS 是一個(gè)有效的途徑。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

舉個(gè)例子:

某在線教育平臺(tái)提供免費(fèi)課程視頻,同時(shí)售賣付費(fèi)會(huì)員,為付費(fèi)會(huì)員提供更多高階課程內(nèi)容。如果我想將一套計(jì)算機(jī)技術(shù)的付費(fèi)課程,推送給一群持續(xù)在看 C++ 免費(fèi)課程的用戶,那么數(shù)據(jù)分析應(yīng)該如何支持呢?

我們按 DOSS 思路的四個(gè)步驟,分解如下:

具體問(wèn)題:預(yù)測(cè)是否有可能幫助某一群組客戶購(gòu)買課程。

整體影響:首先根據(jù)這類人群的免費(fèi)課程的使用情況進(jìn)行數(shù)據(jù)分析、數(shù)據(jù)挖掘的預(yù)測(cè),之后進(jìn)行延伸,比如對(duì)整體的影響,除了計(jì)算機(jī)類,對(duì)其他類型的課程都進(jìn)行關(guān)注。

單一回答:針對(duì)該群用戶進(jìn)行建模,監(jiān)控該模型對(duì)于最終轉(zhuǎn)化的影響。

規(guī)?;桨福褐笸瞥鲆?guī)?;慕鉀Q方案,對(duì)符合某種行為軌跡和特征的行為進(jìn)行建模,產(chǎn)品化課程推薦模型。

三、數(shù)據(jù)分析的 8 種方法

上面介紹了 3 個(gè)經(jīng)典分析思路,它們可以幫你搭建一個(gè)清晰的數(shù)據(jù)分析思路框架。那么對(duì)于具體的業(yè)務(wù)場(chǎng)景問(wèn)題,我們又該怎么辦呢?

我們以一個(gè)電子商務(wù)網(wǎng)站為例,用數(shù)據(jù)分析產(chǎn)品 GrowingIO 對(duì)該網(wǎng)站進(jìn)行快速地?cái)?shù)據(jù)采集、清晰和可視化展示,然后給大家分享這 8 種常見(jiàn)的數(shù)據(jù)分析方法。

1. 數(shù)字和趨勢(shì)

看數(shù)字、看趨勢(shì)是最基礎(chǔ)展示數(shù)據(jù)信息的方式。在數(shù)據(jù)分析中,我們可以通過(guò)直觀的數(shù)字或趨勢(shì)圖表,迅速了解例如市場(chǎng)的走勢(shì)、訂單的數(shù)量、業(yè)績(jī)完成的情況等等,從而直觀的吸收數(shù)據(jù)信息,有助于決策的準(zhǔn)確性和實(shí)時(shí)性。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

對(duì)于電子商務(wù)網(wǎng)站,流量是非常重要的指標(biāo)。上圖中,我們將網(wǎng)站的訪問(wèn)用戶量(UV)和頁(yè)面瀏覽量(PV)等指標(biāo)匯匯聚到統(tǒng)一的數(shù)據(jù)看板(Dashboard),并且實(shí)時(shí)更新。這樣的一個(gè)數(shù)據(jù)看板,核心數(shù)字和趨勢(shì)一目了然,對(duì)于我們來(lái)說(shuō)一目了然。

2. 維度分解

當(dāng)單一的數(shù)字或趨勢(shì)過(guò)于宏觀時(shí),我們需要通過(guò)不同的維度對(duì)于數(shù)據(jù)進(jìn)行分解,以獲取更加精細(xì)的數(shù)據(jù)洞察。在選擇維度時(shí),需要仔細(xì)思考其對(duì)于分析結(jié)果的影響。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

舉個(gè)例子,當(dāng)監(jiān)測(cè)到網(wǎng)站流量異常時(shí),可以通過(guò)拆分地區(qū)、訪問(wèn)來(lái)源、設(shè)備、瀏覽器等等維度,發(fā)現(xiàn)問(wèn)題所在。圖 7 中,當(dāng)天網(wǎng)站的訪問(wèn)用戶量顯著高于上周,這是什么原因呢?當(dāng)我們按照訪問(wèn)來(lái)源對(duì)流量進(jìn)行維度拆分時(shí)(圖 9 ),不難發(fā)現(xiàn)直接訪問(wèn)來(lái)源的訪問(wèn)量有非常大的提升,這樣就進(jìn)一步把問(wèn)題聚焦了。

3. 用戶分群

針對(duì)符合某種特定行為或背景信息的用戶,進(jìn)行歸類處理,是我們常常講到的用戶分群(segmentation )的手段。我們也可以通過(guò)提煉某一群用戶的特定信息,創(chuàng)建該群體用戶的畫(huà)像。 例如訪問(wèn)購(gòu)物網(wǎng)站、寄送地址在北京的用戶,可以被歸類為“北京”用戶群體。而針對(duì)“北京”用戶群體,我們可以進(jìn)一步觀察他們購(gòu)買產(chǎn)品的頻度、類別、時(shí)間,這樣我們就創(chuàng)建出該用戶群體的畫(huà)像。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

在數(shù)據(jù)分析中,我們往往針對(duì)特定行為、特定背景的用戶進(jìn)行有針對(duì)性的用戶運(yùn)營(yíng)和產(chǎn)品優(yōu)化,效果會(huì)更加明顯。上圖中,我們通過(guò) GrowingIO 的用戶分群功能將一次促銷活動(dòng)中支付失敗的用戶挑選出來(lái),然后推送相應(yīng)的優(yōu)惠券。這樣精準(zhǔn)的營(yíng)銷推廣,可以大幅度提高用戶支付的意愿和銷售金額。

4. 轉(zhuǎn)化漏斗

絕大部分商業(yè)變現(xiàn)的流程,都可以歸納為漏斗。漏斗分析是我們最常見(jiàn)的數(shù)據(jù)分析手段之一,無(wú)論是注冊(cè)轉(zhuǎn)化漏斗,還是電商下單的漏斗。通過(guò)漏斗分析可以從先到后還原用戶轉(zhuǎn)化的路徑,分析每一個(gè)轉(zhuǎn)化節(jié)點(diǎn)的效率。

其中,我們往往關(guān)注三個(gè)要點(diǎn):

第一,從開(kāi)始到結(jié)尾,整體的轉(zhuǎn)化效率是多少?

第二,每一步的轉(zhuǎn)化率是多少?

第三,哪一步流失最多,原因在什么地方?流失的用戶符合哪些特征?

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

上圖中注冊(cè)流程分為 3 個(gè)步驟,總體轉(zhuǎn)化率為 45.5% ;也就是說(shuō)有 1000 個(gè)用戶來(lái)到注冊(cè)頁(yè)面,其中 455 個(gè)成功完成了注冊(cè)。但是我們不難發(fā)現(xiàn)第二步的轉(zhuǎn)化率是 56.8% ,顯著低于第一步 89.3% 和第三步轉(zhuǎn)化率 89.7%,可以推測(cè)第二步注冊(cè)流程存在問(wèn)題。顯而易見(jiàn)第二步的提升空間是大的,投入回報(bào)比肯定不低;如果要提高注冊(cè)轉(zhuǎn)化率,我們應(yīng)該優(yōu)先解決第二步。

5. 行為軌跡

關(guān)注行為軌跡,是為了真實(shí)了解用戶行為。數(shù)據(jù)指標(biāo)本身往往只是真實(shí)情況的抽象,例如,網(wǎng)站分析如果只看訪問(wèn)用戶量(UV)和頁(yè)面訪問(wèn)量(PV)這類指標(biāo),斷然是無(wú)法全面理解用戶如何使用你的產(chǎn)品。

通過(guò)大數(shù)據(jù)手段,還原用戶的行為軌跡,有助于增長(zhǎng)團(tuán)隊(duì)關(guān)注用戶的實(shí)際體驗(yàn)、發(fā)現(xiàn)具體問(wèn)題,根據(jù)用戶使用習(xí)慣設(shè)計(jì)產(chǎn)品、投放內(nèi)容。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

上圖中展示了一位用戶在某電商網(wǎng)站上的詳細(xì)行為軌跡,從官網(wǎng)到落地頁(yè),再到商品詳情頁(yè),最后又回到官網(wǎng)首頁(yè)。網(wǎng)站購(gòu)買轉(zhuǎn)化率低,以往的業(yè)務(wù)數(shù)據(jù)無(wú)法告訴你具體的原因;通過(guò)分析上面的用戶行為軌跡,可以發(fā)現(xiàn)一些產(chǎn)品和運(yùn)營(yíng)的問(wèn)題(比如是不是商品不匹配等等),從而為決策提供依據(jù)。

6. 留存分析

在人口紅利逐漸消褪的時(shí)代,留住一個(gè)老用戶的成本要遠(yuǎn)遠(yuǎn)低于獲取一個(gè)新用戶。每一款產(chǎn)品,每一項(xiàng)服務(wù),都應(yīng)該核心關(guān)注用戶的留存,確保做實(shí)每一個(gè)客戶。我們可以通過(guò)數(shù)據(jù)分析理解留存情況,也可以通過(guò)分析用戶行為或行為組與回訪之間的關(guān)聯(lián),找到提升留存的方法。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

在 LinkedIn,增長(zhǎng)團(tuán)隊(duì)通過(guò)數(shù)據(jù)發(fā)現(xiàn),如果新用戶進(jìn)來(lái)后添加 5 個(gè)以上的聯(lián)系人(上圖紅色線條),那么他/她在LinkedIn 上留存要遠(yuǎn)遠(yuǎn)高于那些沒(méi)有添加聯(lián)系人(上圖綠色和紫色的線條)的留存。 這樣,添加聯(lián)系人稱為 LinkedIn 留存新用戶的最核心手段之一。

除了需要關(guān)注整體用戶的留存情況之外,市場(chǎng)團(tuán)隊(duì)可以關(guān)注各個(gè)渠道獲取用戶的留存度,或各類內(nèi)容吸引來(lái)的注冊(cè)用戶回訪率,產(chǎn)品團(tuán)隊(duì)關(guān)注每一個(gè)新功能對(duì)于用戶的回訪的影響等等,這些都是常見(jiàn)的留存分析場(chǎng)景。

7. A/B 測(cè)試

A/B 測(cè)試用來(lái)對(duì)比不同產(chǎn)品設(shè)計(jì)/算法對(duì)結(jié)果的影響。產(chǎn)品在上線過(guò)程中經(jīng)常會(huì)使用 A/B 測(cè)試來(lái)測(cè)試不同產(chǎn)品或者功能設(shè)計(jì)的效果,市場(chǎng)和運(yùn)營(yíng)可以通過(guò) A/B 測(cè)試來(lái)完成不同渠道、內(nèi)容、廣告創(chuàng)意的效果評(píng)估。

7000 字深度總結(jié):運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法

舉個(gè)例子,我們?cè)O(shè)計(jì)了兩種不同的產(chǎn)品交互形式,通過(guò)比較實(shí)驗(yàn)組(A 組)和對(duì)照組(B 組)的訪問(wèn)時(shí)長(zhǎng)和頁(yè)面瀏覽量?jī)蓚€(gè)衡量指標(biāo),來(lái)評(píng)估哪一種交互形式更佳。

要進(jìn)行A/B測(cè)試有兩個(gè)必備因素:第一,有足夠的時(shí)間進(jìn)行測(cè)試;第二,數(shù)據(jù)量和數(shù)據(jù)密度較高。因?yàn)楫?dāng)產(chǎn)品流量不夠大的時(shí)候,做 A/B 測(cè)試得到統(tǒng)計(jì)結(jié)果是很難的。而像 LinkedIn 這樣大體量的公司,每天可以同時(shí)進(jìn)行上千個(gè) A/B 測(cè)試。所以 A/B 測(cè)試往往在公司數(shù)據(jù)規(guī)模較大時(shí)使用會(huì)更加精準(zhǔn),更快得到統(tǒng)計(jì)的結(jié)果。

8. 數(shù)學(xué)建模

當(dāng)一個(gè)商業(yè)目標(biāo)與多種行為、畫(huà)像等信息有關(guān)聯(lián)性時(shí),我們通常會(huì)使用數(shù)學(xué)建模、數(shù)據(jù)挖掘的手段進(jìn)行建模,預(yù)測(cè)該商業(yè)結(jié)果的產(chǎn)生。

作為一家 saas 企業(yè),當(dāng)我們需要預(yù)測(cè)判斷客戶的流失時(shí),可以通過(guò)用戶的行為數(shù)據(jù)、公司信息、用戶畫(huà)像等數(shù)據(jù)建立流失模型。利用統(tǒng)計(jì)學(xué)的方式進(jìn)行一些組合和權(quán)重計(jì)算,從而得知用戶滿足哪些行為之后流失的可能性會(huì)更高。

我們常常說(shuō),不能度量,就無(wú)法增長(zhǎng),數(shù)據(jù)分析對(duì)于企業(yè)商業(yè)價(jià)值的提升有著至關(guān)重要的作用。當(dāng)然,僅僅掌握單純的理論還遠(yuǎn)遠(yuǎn)不夠,實(shí)踐出真知。 數(shù)據(jù)分析的方法大家不妨在自己日常工作中,有分析相關(guān)項(xiàng)目里嘗試使用,相信可以事半功倍,創(chuàng)造更多商業(yè)價(jià)值。

當(dāng)前文章:運(yùn)營(yíng)必備的 15 個(gè)數(shù)據(jù)分析方法
地址分享:http://m.rwnh.cn/news23/98273.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供品牌網(wǎng)站建設(shè)、App設(shè)計(jì)、域名注冊(cè)外貿(mào)網(wǎng)站建設(shè)、建站公司網(wǎng)站內(nèi)鏈

廣告

聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請(qǐng)盡快告知,我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如需處理請(qǐng)聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來(lái)源: 創(chuàng)新互聯(lián)

搜索引擎優(yōu)化
长治县| 大新县| 景东| 蒙自县| 乾安县| 宜昌市| 和硕县| 平泉县| 绵竹市| 铜陵市| 英德市| 榕江县| 桂平市| 海安县| 舒城县| 冕宁县| 临桂县| 林口县| 汽车| 杭锦后旗| 互助| 石林| 榆林市| 上高县| 长白| 广南县| 嘉定区| 抚松县| 平度市| 临朐县| 嘉善县| 屯留县| 米脂县| 乌兰浩特市| 芒康县| 乐亭县| 大竹县| 黄浦区| 开鲁县| 霍城县| 万山特区|