詳解:十種常用的的資料分析思路!

陝西優就業發表於2019-01-31

在資料分析和產品、運營最佳化方面,資料分析方法是其核心的層次。那麼如何做好資料分析呢,今天我們來和 陝西優就業 小編講講網際網路運營中的十大資料分析方法。

1.細分分析

細分分析是分析的基礎,單一維度下的指標資料的資訊價值很低。細分方法可以分為兩類,一類逐步分析,比如:來北京市的訪客可分為朝陽,海淀等區;另一類是維度交叉,如:來自付費SEM的新訪客。

細分用於解決所有問題。比如漏斗轉化,實際上就是把轉化過程按照步驟進行細分,流量渠道的分析和評估也需要大量用到細分的方法。

2.對比分析

對比分析主要是指將兩個相互聯絡的指標資料進行比較,從數量上展示和說明研究物件的規模大小,水平高低,速度快慢等相對數值,透過相同維度下的指標對比,可以發現,找出業務在不同階段的問題。

常見的對比方法包括:時間對比,空間對比,標準對比。時間對比有三種:同比,環比,定基比。

例如:本週和上週進行對比就是環比;本月第一週和上月第一週對比就是同比;所有資料同今年的第一週對比則為定基比。透過三種方式,可以分析業務增長水平,速度等資訊。

3.漏斗分析

轉化漏斗分析是業務分析的基本模型,最常見的是把最終的轉化設定為某種目的的實現,最典型的就是完成交易。但也可以是其他任何目的的實現,比如一次使用app的時間超過10分鐘。

漏斗幫助我們解決兩方面的問題:

(1)在一個過程中是否發生洩漏,如果有洩漏,我們能在漏斗中看到,並且能夠透過進一步的分析堵住這個洩漏點。

(2)在一個過程中是否出現了其他不應該出現的過程,造成轉化主程式收到損害。

4.同期群分析

同期群(cohort)分析在資料運營領域十分重要,網際網路運營特別需要仔細洞察留存情況。透過對性質完全一樣的可對比群體的留存情況的比較,來分析哪些因素影響使用者的留存。

同期群分析深受歡迎的重要原因是十分簡單,但卻十分直觀。同期群只用簡單的一個圖表,直接描述了使用者在一段時間週期(甚至是整個LTV)的留存或流失變化情況。

以前留存分析只要使用者有回訪即定義為留存,這會導致留存指標虛高。

5.聚類分析

聚類分析具有簡單,直觀的特徵,網站分析中的聚類主要分為:使用者,頁面或內容,來源。使用者聚類主要體現為使用者分群,使用者標籤法;頁面聚類則主要是相似,相關頁面分組法;來源聚類主要包括渠道,關鍵詞等。

例如:在頁面分析中,經常存在帶?引數的頁面。比如:資訊詳情頁面,商品頁面等,都屬於同一類頁面。簡單的分析容易造成跳出率,退出率等指標不準確的問題,透過聚類分析可以獲取同類頁面的準確資料用於分析場景。

6.AB測試

增長駭客的一個主要思想之一,是不要做一個大而全的東西,而是不斷做出能夠快速驗證的小而精的東西。快速驗證,那如何驗證呢?主要方法就是AB測試。

比如:你發現漏斗轉化中中間有漏洞,假設一定是商品價格問題導致了流失,你看到了問題-漏斗,也想出了主意-改變定價。但主意是否正確,要看真實的使用者反應,於是採用AB測試,一部分使用者還是看到老價格,一部分使用者看到新價格,若你的主意真的管用,新價格就應該有更好的轉化,若真如此,新價格就應該確定下來,如此反覆最佳化。

7.埋點分析

只有採集了足夠的基礎資料,才能透過各種分析方法得到需要的分析結果。

透過分析使用者行為,並細分為:瀏覽行為,輕度互動,重度互動,交易行為,對於瀏覽行為和輕度互動行為的點選按鈕等事件,因其使用頻繁,資料簡單,採用無埋點技術實現自助埋點,即可以提高資料分析的實效性,需要的資料可立即提取,又大量減少技術人員的工作量,需要採集更豐富資訊的行為。

如:重度互動(註冊,邀請好友等)和交易事件(加購物車,下訂單等)則透過SDK批次埋點的方式來實施。

8.來源分析

流量紅利消失,我們對獲客來源的重視度極高,如何有效的標註使用者來源,至關重要。

傳統分析工具,渠道分析僅有單一維度,要深入分析不同渠道不同階段效果,SEM付費搜尋等來源渠道和使用者所在地區進行交叉分析,得出不同區域的獲客詳細資訊,維度越細,分析結果也越有價值。

9.使用者分析

使用者分析是網際網路運營的核心,常用的分析方法包括:活躍分析,留存分析,使用者分群,使用者畫像,使用者細查等。

可將使用者活躍細分為瀏覽活躍,互動活躍,交易活躍等,透過活躍行為的細分,掌握關鍵行為指標;透過使用者行為事件序列,使用者屬性進行分群,觀察分群使用者的訪問,瀏覽,註冊,互動,交易等行為,從而真正把握不同使用者型別的特點,提供有針對性的產品和服務。

使用者畫像基於自動標籤系統將使用者完整的畫像描繪清晰,更有力的支撐運營決策。

10.表單分析

填寫表單是每個平臺與使用者互動的必備環節,優秀的表單設計,對轉化率的提升起到重要作用。

使用者從進入表單頁面之時起,就產生了微漏斗,從進入總人數到最終完成併成功提交表單人數,這個過程之中,有多少人開始填寫表單,填寫表單時,遇到了什麼困難導致無法完成表單,都影響最終的轉化效果。

以上是常見的資料分析方法,更多應用方法需要根據業務場景靈活應用。

來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69902581/viewspace-2565300/,如需轉載,請註明出處,否則將追究法律責任。

相關文章