如何用常用的分析模型進行數據分析?

5 評論 8416 瀏覽 41 收藏 14 分鐘

編輯導語:互聯網的流量紅利褪去之后,流量獲取變得越來越難,數據的重要性也逐漸凸顯。本文作者介紹了兩個常用的模型分析:漏斗模型、AARRR模型,并且分析了如何利用這兩個分析模型做好數據分析。

一、為什么我們要做數據分析?

現在都在說互聯網下半場,什么意思就是流量紅利慢慢褪去,已經不是早前互聯網時代剛興起的時候,網民覆蓋少遍地黃金,只要一個產品做出來,甚至不需要運營就有大量用戶進來,而現在流量全部集中在一些頭部的企業,再去分搶流量,勢必頭破血流。

據國泰證券研究,電商行業獲客成本不斷攀升,2020年已經高到離譜,阿里平均獲客成本704,拼多多163,京東392。在獲客成本如此之高的情況下,精細化的數據運營成為不得不走的一條路徑。

二、兩個常用的模型分析

1. 漏斗模型

最早是由一位美國的知名廣告人提出的,叫做消費者購買漏斗。是對流程中各個環節的分解和量化,幫助我們找到問題并優化。像電商網站漏斗模型是最常用,當然了其他的產品也是可以的,只需要定義出核心的流程。

拿電商舉例:

漏斗模型一般都可以做,但是你接下來是如何發現問題,如何提出假設,如何優化才是關鍵,這里面的核心是需要把握每個環節的流量情況,最好通過指標比例公式來拆解,不然只是一個訪問的量是無法定位問題的。

1)首頁流量

我們一般從外部渠道拉來更多的流量引流到首頁,所以流量的質量很重要,我們一般衡量頁面的流量指標一般通過這幾個:頁面UV點擊率、停留時間、跳出率,一般用戶對頁面感興趣會有更多的點擊行為,點擊行為就會產生點擊率、跳轉率等。

  • 頁面點擊率=頁面點擊次數/UV:點擊率越高說明頁面的內容能夠吸引用戶。當然我們也可以看某個功能點擊率占大盤的點擊率,來看首頁的不同功能的流量情況;
  • 跳出率=通過首頁進入就離開的次數/首頁訪問的總次數:跳出率越高,如果排除頁面的問題,說明頁面的內容對于用戶期望相差甚遠,,如果是低停留時間,高跳出率、低點擊率說明頁面內容質量不高或者渠道的用戶質量不高。

2)搜索商品—商品列表頁

搜索是站內流量的主要來源,承擔著站內商品檢索和商品布局分類的關鍵作用,一般圍繞搜索的指標量有如下:

  • 搜索無結果次數:搜索無結果次數越低說明檢索效率越好,如果結果次數比較高,需要從搜索詞中評估是否是建立關聯關系和是否需要擴充品類;
  • 詳情頁的UV轉化率=訪問詳情頁的UV/搜索的UV,是為了衡量到詳情頁的質量情況;
  • 搜索的點擊率=點擊次數/搜索次數,衡量搜索結果頁面的質量;
  • 搜索詞次數和人數。如果搜索詞的次數和人數較高,說明該搜索的品類和商品是熱門需求。熱門搜索詞需關注點擊率與詳情頁的到達率,如果點擊率過高,但是UV到詳情頁到達率一般,說明可能有作弊行為(商家為了刷排名),如果點擊和到達率都挺高,那說明搜索結果良好;
  • 首屏的點擊率=首屏的點擊次數/搜索次數。是衡量搜索結果首屏的排序質量,如果大多需要翻頁才能找到自己的需求商品,說明需要調整排序方式或者是權重;
  • 高級篩選項點擊率:若點擊次數過低,說明使用率不高,需要重新優化篩選項。

3)商品詳情頁

詳情頁作為轉化的關鍵路徑,是用戶決策的關鍵,所以一般分析詳情頁的質量可以從平均停留時間、加車數、立即購買數等:

  • 平均停留時長=頁面停留總時長/UV數,一般關系著頁面的綜合因素:商品圖片、價格、優惠信息、詳情頁、評價等;
  • 加入購物車數/立即購買數:說明意向客戶的數量,如果意向數量不高只能說明,商品沒有達到用戶的需求,需要考慮頁面綜合因素。

4)生成訂單

提交訂單一般是轉化的最后一環,目的是為了讓用戶盡快付款,這個里面衡量的指標有全局指標成交轉化率、有效訂單的轉化率:

  • 成交轉化率=提交訂單用戶數/頁面UV,如果低,說明提交訂單意愿不強烈,可能確認訂單頁布局有問題,可能地址填寫不友好,可能價格優惠不明顯等;
  • 有效訂單轉化率=實際付款訂單數/生成訂單數,如果不高,是否是支付頁的問題,如果不是支付頁問題那么可以使用push/短信催付。

5)小結

衡量一個頁面“是否引發興趣”的指標有:點擊率、跳出率、停留時長,下滑加載到底部的比例。一般人的視線從上往下,最先看到頭部信息,如果頭部信息不夠吸引,一般會進行滑動加載,可以看到達底部的比例和停留時長。

2. AARRR模型

這個模型是又稱為海盜模型,最早是由麥克盧爾提出的,分別代表了產品生命周期的5個階段,一般根據產品不同的階段聚焦不同的目標而不是眉毛胡子一把抓。

  • MVP階段(初創階段):定量分析,這個階段用戶量少,如果沒有專業的分析工具,通過用戶、親朋好友的反饋也是可以幫我們做分析;
  • 增長階段:留存分析,核心關注用戶忠誠度,如果用戶對你的產品沒興趣無法留下來,就算你拉再多的用戶也是徒勞。我們都說用戶就像水池的水,進水口就是新用戶,水池的容量就是留存活躍用戶,出水口就是流失用戶,如果流失速度大于用戶注冊速度,遲早水池里的水就流盡了;
  • 營收階段:渠道分析、交易額、LTV。

接下我們重點看看獲取和留存階段如何做:

1)獲?。耗康目辞赖馁|量

我們一般會從各個渠道(搜索引擎,市場投放、新自媒體、線下活動、外部合作渠道等)去獲取用戶,我們一般會關注各個渠道的用戶數量和質量,數量我們看拉新用戶數,質量我們看通常的轉化情況,收益我們看交易金額。

一般我們基于“注冊數”、“付費轉化率”等兩個維度建立渠道四象限分析,一般可以用excel散點圖可以做成矩陣圖,通過算出各個維度的平均值,之后通過橫縱坐標交叉即可(有興趣可以了解一下矩陣圖的方法)。

  • 第一象限:注冊量和轉化率較高的渠道加大投放;
  • 第二象限:注冊量較低,但是轉化較高,可以和渠道方溝通曝光的策略等;
  • 第三象限:注冊量低,轉化也低,可以考慮廢棄;
  • 第四象限:注冊量高但是轉化低,需要優化轉化流程,或是考慮投放的用戶不精準。

如果企業本身有外部廣告投放等,成本投入較大,基于(成本和用戶轉化率進行四象限分析),目的是篩選出低成本高轉化的渠道。

2)留存:留存分析

留存是衡量產品價值的最有效的指標,一般分析留存我們都是基于如下的留存表進行分析,話雖如此,但是真的面對這張圖的時候,很多人還是傻眼,不知道如何下手。

友盟—留存分析表

一般留存曲線分為三部分:震蕩期、選擇期、平穩期。但是有些產品幾乎是沒有平穩期,那么這樣的產品就很危險,說明留存持續下降,遲早水池里的水在某一天都流干。

一般在震蕩、選擇期關注新用戶留存、平穩期關注功能留存,那如果留存偏低我們應該如何分析呢?

3)新用戶留存分析

我們一般定義新用戶留存,起始行為首次啟動,留存行為可以定義再次啟動或者是付費(業務上定義什么樣的行為為留存即可),如果留存偏低我們就需要進行對比分析,一般留存和業務功能息息相關,可以將功能模塊抽離出來對比分析(這個不僅是新用戶留存分析可以用,在平穩期我們關注功能留存也很有用)。

從這個里面就能很清楚看到,功能3帶來的留存率相比其他更高,可以引導我們做出如下決策:

  • 新用戶的留存方向從次日留存率看,其實圍繞這功能3和4;
  • 功能模塊的優化方向:首先要明確核心功能模塊,如果核心功能模塊留存不高,那就說明這個環節是需要重點優化的。

小結:新用戶的激活時間越快越好,最好是當天就能完成核心行為;用戶流失前,盡量引導他們使用留存較高的功能,讓他們體會產品的核心價值。

4)用戶分組分析

分析留存用戶和流失用戶的區別,分析兩類用戶的特征,特別是流失用戶,方法可以基于上面的漏斗模型,定義核心的路徑,然后分析用戶行為,具體流失于哪一步,然后針對性的分析。

針對已流失的用戶也可以尋求用戶反饋,具體傾聽他們的想法,因為什么原因沒有滿足你們的需求離開了,如果沒有很好的第三方的分析工具花很長時間在分析上其實是典型的“撿了芝麻丟了瓜的行為”,直接尋求用戶的反饋,也不失為一個有效的方式,快速決策驗證比全局分析效率更快,因為用戶真的不喜歡你的產品可以說短時間就卸載了。

后面的章節我會具體講解一下用戶分析和解決問題的結構分析,希望能在數據分析之路上能幫助你們。

 

作者:琛?。还娞枺河钫f產品

本文由 @琛琛 原創發布于人人都是產品經理,未經許可,禁止轉載

題圖來自 Unsplash,基于 CC0 協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 內容型產品 指標

    回復
    1. 從我的理解內容型產品核心在于兩個類型的指標,一個是內容指標一個是互動指標,內容指標重點衡量內容的對于用戶的吸引程度,主要有訪問、點擊以及訪問時長。另外一個互動指標主要是衡量此內容產生多少互動,比如分享、轉發、點贊、評論等維度的指標。這個具體根據產品特性具體細究

      來自上海 回復
  2. 2.詳情頁的uv轉化反應的問題我覺得和點擊次數/搜索次數反應的問題是類似的,都可以來衡量搜索質量或者說檢索商量信息的匹配度

    回復
  3. 有兩個問題想和作者探討一下1.首頁點擊率的計算公式,點擊次數/pv是不是更準確一點,因為如果用戶進入首頁發現多個自己感興趣的商品,瀏覽完其中一個商品信息之后應該是會再次回到首頁點擊另一個商品信息,這里一個用戶是會產生多個點到擊事件的

    回復
    1. 我這個公式主要是定義一個用戶訪問頁面的平均次數,你這個公式點擊次數/PV,這個點擊次數就是PV,而你下面又解釋了點擊首頁的其中一個商品信息回到首頁再點擊另外一個商品信息,那其實指的是另外一個指標功能模塊的點擊率,是衡量首頁功能模塊流量情況,這個我認為是兩件事

      來自上海 回復