第143篇文章 | 那些烂大街的数据分析模型们
上次讲到埋点,它是数据的源头。它如水,万物之源。
我们春天埋下希望的种子,现在秋天到了,该丰收了,怎么把这些数据更好的用起来,以消除决策的不确定性呢。更好的用数据,显然,聪明的数据分析师们,已经想好了这个世界应该有的模型。我们常常可以看到:数据分析N大模型,帮你XXX。这些模型虽然不是什么新奇的东西,但不能因为它烂大街而视之不见,毕竟确实它又是底层建筑,透过它,可以达到以下两个目的:
一、透过数据,更理解用户行为。
二、支撑产品或运营决策。
目的一也是为了二,所以归结到底,模型它的最终目的只有一个:支撑决策。对于运营而言,运营决策应该可以用下面一句话来描述:
对合适的用户,在合适的时机,采用合适的方法,做合适的hit。
因此,接下来我们详细看看,这些烂大街的模型,都是如何围绕着这句话发挥它的功效的。
1.事件分析模型
本质及定义:快速全面地用数据展示某个行为或定位某个问题。
如:某天早上,你的boss看到某项日常指标出现异常,如昨天的某个商品的订单比前一天大涨,叫你去看看原因。
你先去看看昨天哪个渠道的流量出现异常,是不是新媒体部门推了哪篇带货的文章大火了,结果发现流量正常。流量正常,但是你发现昨天的整体转化率有明显的峰值,但具体哪个渠道呢,具体是哪个商品呢?然后你发现这个看板还没做出来,只能给技术哥哥捶背按摩,让他帮你拉数据,然后你自己用excel来拆分,辛苦了半天,你终于找到原因,居然是因为昨天下午你隔壁的姑娘给当天浏览过那个商品的用户狂发优惠券,所以那个商品的转化率从下午开始飙升。
于是,你在想,如果老板下次还问你同样的问题,你还得重新把现在的流程跑一次,同一个坑不能睬两次,所以你只能拉着数据工程师把这个模型按各种各样的维度给搭建起来,指标的各维度一目了然。
因此,快速地去定位一个事件行为,这就需要用到事件分析模型,它的关键环节包括:
1.事件定义:5W原则
2.指标确定:订单波动、搜索转化...
3.维度拆分:流量渠道/设备渠道/转化率
当然,事件分析模板是基础的基础,栗子讲的是根据结果去溯源,去快速地定位问题。它对运营决策而言,在于提高效率和维度拆解,找到最源头。这里关键点在于维度的拆分,不同的行业,不同的用户行为,大家关注的维度有所区别,要因企而异。
2.漏斗转化模型
漏斗转化应该是最最常见的分析模型,它可以看做是一个事件分析模型。当流量越来越贵的时候,节流是重点,因此怎么把进入的流量最大化变得越来越重要。漏斗是一连串的并联,只有通过拆分每个环节,提高环节的转化才能达到提高整体转化的效果。
本质及定义:目标拆解,环节间转化率和整体转化率
目标:
1、通过转化漏斗模型来提高整体转化率
2、拆分转化率,看优化的空间存在于哪些环节,以帮助定位问题。
如:有一天老板走过来对你说,我们用户从首页到下单的转化率好低呢,想想办法把它们搞上去。
听到这句话你估计要蒙圈了,转化率低这个信息量好大,它到底低在哪里呢,要从哪里下手呢:
跟渠道流量的质量应该有很大关系吧?
男女转化会不会有差别呢,老少转化会不会有差别呢?
PC端和移动端也有很大差别吧?
因此,你理了理思绪,又得去找技术哥哥捶背按摩了,埋点,收集,分析...
对于常见的电商产品而言,漏斗转化的关键环节包括:
1、环节确定:首页、搜索列表页、商品详情页、购物车、订单信息填写、支付页、订单完成页
2、维度拆分:流量渠道、设备、用户类型(男的女的,老的少的,新的老的,登录的不登录的)
3、数据收集:前后端埋点相结合,也可以单纯地前端埋点。
4、漏斗制作:定位问题(LIFT模型)
5、解决问题:提高转化率
当然,简单的漏斗模型通过通过百度、谷歌分析的埋点SDK接口就可以看到,这就只需要简单的前端埋点。采用埋点的方式,这个取决于你想看的维度,维度越多,尤其是涉及到用户属性的,通常需要结合后端埋点才能收集得到这些信息。
3. 用户行为路径模型
用户行为路径是全面版的漏斗转化模型,漏斗转化模型是人为主动地去设定一些关键环节,来查看用户的访问情况。
有一天你老板跟你说,楼下商场里面新开了一家网红奶茶店,你去看下进入商场的人,有多少去了奶茶店,最后有多少人购买。
然后你蹲在商场门口一天,数数今天有多少人进入这个商场;你的另一个小伙伴蹲在他家门口,数数有多少人进来;还有一个小伙伴在收银台那里数,有多少人最后买单了。从商场--奶茶店--购买,这是一个转化的漏斗。它的流程是设好关键环节,然后埋伏收集,最后分析,这就是漏斗转化。
但是,如果你老板说,我想看看去了奶茶店的这些人,都是些什么人,喜欢逛哪些店。
这个就是一个用户行为路径统计,也就是那个人生难题:我是谁,我从哪里来,要到哪里去。这时候,你没办法,商场太大了,靠几个人数不完,你只能又得去找技术哥哥捶背按摩。技术哥哥给你开发了个埋点触发器,你把这些触发器放在商场所有的门店里,连厕所你也放了。然后一旦有用户进入门店,触发器就会告诉你,谁谁谁干了什么。最后根据这些数据,你就可以统计到,奶茶店的这些人,80%都逛过XXX店。
由于用户行为是不可预测的,因此用户行为路径模型只能跟着用户去探索,用户有可能经过的路径,都需要设有触发器,也就是埋点。以及在后续分析过程中,它是以用户为维度去解析,把各个环节路径连起来,而在漏斗分析中,有些维度它不需要关注到用户属性,因此操作相对简单。
我们通常需希望用户能按我们给他期望的路径去使用产品,尽可能少地分流,但往往很难。在这方面,也只有宜家把这个发挥到极致,走进宜家,你就基本只有一条路可以选择,当然它也悄悄地设定了几个快速通道,毕竟,用户的聪明的。
本质及定义:通过对单个用户行为进行记录,统计追踪特定用户群体的访问路径及产品功能模块之间的流动。
目的:
1、理解用户行为及动机
2、助于定位影响转化的主要因素,反馈产品设计
关键环节
1、路径确定:完整路径和部分路径
2、维度拆分:渠道、设备、用户类型
3、数据收集:前后端埋点相结合
4、路径解析:以用户为标识,关键用户的路径。
5、路径展示:树图和太阳图
今天端午,剩下的只能等吃完粽子再整理了。
嗯,有朋友提醒我说这些内容太干枯了,说没有人喜欢看。唔,我只担心自己不喜欢看自己写的内容,其他的,随缘呗~
END
About Me
至善叔叔
曾工地搬砖工 现互联网管培生
趣事藏在这看似无聊、重复、单调的日常生活中
领取专属 10元无门槛券
私享最新 技术干货