常見用戶行為分析模型解析(3)——漏斗分析模型

10 評論 226701 瀏覽 393 收藏 9 分鐘

用戶行為分析之漏斗分析模型是企業實現精細化運營、進行用戶行為分析的重要數據分析模型,其精細化程度影響著營銷管理的成敗,以及用戶行為分析的精準度。

現代營銷觀念認為:“營銷管理重在過程,控制了過程就控制了結果?!庇脩粜袨榉治鲋┒贩治瞿P褪瞧髽I實現精細化運營、進行用戶行為分析的重要數據分析模型,其精細化程度影響著營銷管理的成敗,以及用戶行為分析的精準度。粗陋的漏斗分析模型因為過程管理不透明、數據分析不精細、用戶行為分析不科學而造成結果失控。因此,我們經常能夠聽到一些產品經理的抱怨不絕于耳:從啟動 APP 到“支付成功”,用戶轉化率為何僅僅 0.8 %?

一、什么是漏斗分析?

究竟什么是漏斗分析?漏斗分析是一套流程式數據分析,它能夠科學反映用戶行為狀態以及從起點到終點各階段用戶轉化率情況的重要分析模型。

漏斗分析模型已經廣泛應用于流量監控、產品目標轉化等日常數據運營與數據分析的工作中。例如在一款產品服務平臺中,直播用戶從激活APP開始到花費,一般的用戶購物路徑為激活APP、注冊賬號、進入直播間、互動行為、禮物花費五大階段,漏斗能夠展現出各個階段的轉化率,通過漏斗各環節相關數據的比較,能夠直觀地發現和說明問題所在,從而找到優化方向。

二、漏斗分析模型的特點與價值

對于業務流程相對規范、周期較長、環節較多的流程分析,能夠直觀地發現和說明問題所在。值得強調的是,漏斗分析模型并非只是簡單的轉化率的呈現,科學的漏斗分析模型能夠實現以下價值:

1.企業可以監控用戶在各個層級的轉化情況,聚焦用戶選購全流程中最有效轉化路徑;同時找到可優化的短板,提升用戶體驗。

降低流失是運營人員的重要目標,通過不同層級的轉情況,迅速定位流失環節,針對性持續分析找到可優化點,如此提升用戶留存率。

2.多維度切分與呈現用戶轉化情況,成單瓶頸無處遁形。

科學的漏斗分析能夠展現轉化率趨勢的曲線,能幫助企業精細地捕捉用戶行為變化。提升了轉化分析的精度和效率,對選購流程的異常定位和策略調整效果驗證有科學指導意義。

3.不同屬性的用戶群體漏斗比較,從差異角度窺視優化思路。

漏斗對比分析是科學漏斗分析的重要一環。運營人員可以通過觀察不同屬性的用戶群體(如新注冊用戶與老客戶、不同渠道來源的客戶)各環節轉化率,各流程步驟轉化率的差異對比,了解轉化率最高的用戶群體,分析漏斗合理性,并針對轉化率異常環節進行調整。

三、在漏斗分析模型中,科學歸因、屬性關聯的重要性

先談歸因

在科學的漏斗分析中,需要科學歸因設置。每一次轉化節點應根據事件功勞差異(事件對轉化的功勞大?。┒茖W設置。企業一直致力定義最佳用戶購買路徑,并將資源高效集中于此。而在企業真實的漏斗分析中,業務流程轉化并非理想中那么簡單。

以市場營銷為例,市場活動、線上運營、郵件營銷都可能觸發用戶購買。A 欲選購一款化妝品,通過市場活動了解 M 產品,后來在百度貼吧了解更多信息,但是始終沒有下定決心購買。后來收到 M 公司的營銷郵件,A 被打折信息及詳實的客戶評價所吸引,直接郵件內跳轉至網站購買了該商品。

那么,在漏斗設置時,轉化歸因應該“歸”哪一個渠道呢?在這個案例中,運營人員愿意以實際轉化的事件的屬性為準。郵件營銷的渠道在用戶購買決策的全流程中對用戶影響的“功勞”最大、權重較大,直接促進用戶轉化。在科學的漏斗分析模型中,用戶群體篩選和分組時,以實際轉化事件——郵件營銷來源的用戶群體的屬性為準,則大大增大了漏斗分析的科學性。

再一起看屬性關聯

在進行漏斗分析時,尤其電商行業的數據分析場景中,運營人員在定義“轉化”時,會要求漏斗轉化的前后步驟有相同的屬性值。比如同一 ID(包括品類 ID、商品 ID)才能作為轉化條件——瀏覽 iphone6,購買同一款 iphone6 才能被定義為一次轉化。因此,“屬性關聯”的設置功能是科學漏斗分析不可或缺的內容。

四、漏斗分析場景

場景一:電商行業不同客戶群體的轉化情況

某電商企業客戶根據客戶的消費能力,將客戶劃分為普通會員、黃金會員、鉆石會員。為加強對用戶的轉化引導,F 欲針對不同用戶群體采用不同的運營方式。

圖1 ?普通會員與鉆石會員的漏斗轉化情況對比(圖片來源:神策數據產品)

通過對比,可明顯看出,普通會員從“提交訂單”到“支付訂單”的轉化率明顯低于鉆石會員。為找到“支付訂單”階段轉化率變低的原因,F公司運營人員應深度分析普通會員轉化率情況,如對比不同付費渠道(PC 端、手機端等)的轉化情況,找到優化的短板。另外,可以嘗試支付訂單流程的新手引導,幫助新手順利完成購買。

場景二:零售行業——中商惠民科學評估站內推廣位的效果

首頁推廣位的效果監控是站內運營重要一環,數據的監測與分析是重要工作,它為站內優化、頁面體驗提升作出指導。運營人員可以通過用戶的點擊轉化率與購買轉化率可以判斷頁面不同推廣位置效果。下圖是中商惠民首頁推廣位“一元促銷”、“清潔專場”兩個Banner轉化率情況對比。(注:為涉嫌商業機密,以下場景模擬真實應用場景而設,數據均為虛擬。)

圖2 ?“一元促銷”、“清潔專場”兩個Banner轉化率情況對比(圖片來源:神策數據產品)

除此之外,漏斗分析模型已經廣泛應用于各行業的數據分析工作中,用以評估總體轉化率、各個環節的轉化率,以科學評估促銷專題活動效果等,通過與其他數據分析模型結合進行深度用戶行為分析,從而找到用戶流失的原因,以提升用戶量、活躍度、留存率,并提升數據分析與決策的科學性等。

相關閱讀

常見用戶行為分析模型解析(1)——行為事件分析

常見用戶行為分析模型解析(2)——用戶留存分析

 

作者:張喬,神策數據內容營銷負責人。公眾號:神策數據

本文由 @張喬-神策 原創發布于人人都是產品經理。未經許可,禁止轉載。

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. ? 苦惱的點在于,業務數據本身不全,鏈條是斷的,無法追蹤上下游的狀況。

    來自北京 回復
  2. 多緯度,不同用戶群體,不同轉化環節,看轉化率的問題~

    回復
  3. 感謝大佬

    來自廣東 回復
  4. 請問您圖片里用的是什么工具

    回復
    1. 感謝您的閱讀 ?? 。神策分析。

      來自北京 回復
  5. 能留個微信號嗎?

    回復
  6. 回復
    1. ??

      來自北京 回復