中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

數據運營的優化重點在于把復雜的，多因素影響的過程拆分，簡化影響過程，從而挖掘其中的關鍵要素進行改進優化。

上次我們提到了通過分群分析進行渠道轉化數據的監測，調整了渠道投放策略，最終提升了渠道ROI的結果。

復習請戳：數據運營實戰（一）

首先，我們回顧一下我們的目標問題：

某電商App，現在面臨的問題是用戶成交量較低，與投放推廣的成本相比，ROI較低。

這個問題，我們應該如何分析？

上周已經講過：

通過數據挖掘，我們發現了優質渠道A，其用戶群與我們的高價值用戶比較吻合，同時平均客單價約是原有主要渠道D的1/2~1/3，我們的投入產出比例得到了優化。這主要依賴于通過數據分析找到了優質低價的渠道，降低了獲客成本。

漏斗改進效果如下圖：

那么，這個漏斗是否存在其他可以改進的地方呢？

當然有！我們的現實世界并非是簡單的數據邏輯結構，很多結果都是多種原因綜合導致的，我們可以用多種角度去分析同一個問題。

下面我們將結合漏斗分析與用戶分群來做一個深度分析，通過漏斗的細致拆分和交叉對比，定位問題所在。

漏斗分析

那我們就從這個漏斗開始分析：從上面都是漏斗中，我們可以看到，加入購物車之前的轉化率都較高，但在購物付款的流程中，轉化率急劇降低至14.65%，這里應該也有改進的空間。

我們再看頁面瀏覽數據，可以發現，用戶在訂單確認頁面停留的時間長達95秒，這與我們平時的認知不相符。

漏斗拆分

為了驗證我們的假設，我們建立兩個小用戶群——“確認要付款的人群”&“成功付款的人群”，即把漏斗中“訂單人群”到“付款人群”進行了拆分，把確認付款的動作獨立出來。

我們能夠發現，在“確認要付款”到“成功付款”確實是損失轉化的主要環節。

分群分析

我們看這群“確認付款”&“未成功付款”的人群：

我們姑且把這個人群叫做“付款失敗”組。

在MTA中你可以通過設置用戶分群設置來實現這一步的處理，如下圖。

通過幾個人群的對比，我們發現“付款失敗”組的人群離線環境陡增約14%，另外，其3G、2G網絡的比例要高于大盤人群（5.68% vs. 1.36%），且設備品牌中，相對機型較小眾、低端。

我們實際測試了品牌1和品牌2的實際幾個機型，主要針對的就是付款頁面的頁面體驗，存在以下問題：

• 機型適配性較差，開發時主要考慮的是現有主流機型適配，對小眾機型的關注度較低；
• 頁面卡頓嚴重，長達40秒以上的空白頁面，嚴重消耗了用戶耐心。

于是我們做了以下改善：

• 緊急修復版本，在小眾機型的主要推廣渠道上升級了版本適配性的App；
• 頁面加載量優化，包括切割、壓縮、刪減圖片，框架優化，預加載等策略，惡劣網絡下加載速度提升至約15秒；
• 加載等待頁面設計，增加了動畫的等待頁面，給用戶賣個萌，增加用戶等待的耐心。

效果驗證

頁面優化后，我們的漏斗轉化流程有明顯改善：

我們針對這群“付款失敗”用戶群所做的改善，為轉化漏斗提高了3%的轉化效率，這是非常大的一個收益。另外，我們在后續的漏斗改進中，還嘗試結合了頁面點擊/頁面流轉的分析，刪去了付款頁面中不必要的信息、按鈕，保證了付款流程的順暢性，對于提升漏斗也有一定的作用。

好了，今天的分享就到這里啦~

總結一下

數據運營的優化思路其實就是通過細致拆分，把復雜的、多因子的事件分析拆分為獨立的、單因子的歸因分析，以確定改進的思路。

下周將會帶來數據埋點的內容，敬請期待哦~

相關閱讀：

數據運營實戰（一）：細分目標人群，結合用戶畫像的實踐

本文由 @騰訊大數據 原創發布于人人都是產品經理。未經許可，禁止轉載。