你想知道的,都在這里!本文是神策數據「十問十答」科普系列文章的第一期,圍繞數據分析模型展開。

1

Q:常用的數據分析模型有哪些?

A:神策數據總結了企業常用的數據分析模型,包括:事件分析、漏斗分析、留存分析、歸因分析、分布分析、用戶路徑分析、LTV 分析、間隔分析、Session 分析、用戶分群、熱力分析、用戶屬性分析……

關注神策數據公眾號,回復“數據分析模型”即可免費下載完整版白皮書。

2

Q:電商平臺想了解最近一場大促活動轉化率低的原因,可以使用哪種數據分析模型定位問題所在?

A:漏斗分析。電商平臺可以從某維度如省份對用戶行為分析,通過對比找到轉化率低的省份,并進一步對比分析不同省份的產品顯示庫存情況、物流狀態、某類商品在不同省份的受歡迎程度、不同付費推廣渠道的用戶轉化等情況,找到可以優化的短板。

春節精準營銷轉化漏斗(模擬數據)

同時,該電商平臺還可以選擇某一轉化步驟并拿到在這一個步驟中的流失用戶列表,進行精細化運營。也可以結合用戶路徑查看流失用戶的后續行為,推斷可能原因,加以驗證并推出對應策略。

3

Q:如何進行用戶留存分析?

A:舉個例子,當產品經理想了解產品版本迭代對新用戶留存的影響,那么便可以采用留存分析,將新用戶的 7 日留存或者 30 日留存按照應用版本切分,就能直觀地對比出來不同版本對新用戶留存的差異。

用戶注冊后的 7 日留存分析(模擬數據)

4

Q:留存分析能給企業帶來哪些業務提升?

A:簡單來講,留存指標對于絕大部分業務來說都是核心數據指標之一。留存分析是一個應用面廣、價值突出的分析模型,通過留存分析企業可以快速了解用戶群后續是否有再次訪問、有沒有發生關鍵業務行為等。通過對比不同用戶群體間的留存,企業可以找到更具有忠誠度的用戶群體,無論做活動還是用戶調研,都可以優先圍繞高留存率的用戶進行。

5

Q:怎么能更形象地理解 Session 分析?

A:如果把網站或 App 比喻成一個商場,那用戶行為就如同逛街的顧客,他們的訪問行為通常和逛商場一樣是一系列連續行為。對于網站或 App 而言,用戶的一系列訪問行為是一個 Session。

Session 分析是在把用戶單點發生的行為串聯起來形成一個整體的前提下,了解用戶訪問某個特定事件的情況。常見的數據指標包括 Session 整體或者某個特定事件的次數、人數、時長、深度、跳出率等。

以用戶在某個在線教育網站的訪問為例,用戶的一系列訪問中,“用戶平均訪問多少次”“用戶平均訪問了多少個頁面”“用戶訪問平均時長是多少”“用戶在某個具體頁面的平均停留時長是多少”等問題都需要通過 Session 分析解決。

6

Q:哪一種模型可以分析產品對用戶的價值?

A:留存分析。留存分析是一種用來分析用戶參與情況與用戶粘性的分析模型,考察發生了初始行為的用戶中,有多少人會在接下來的幾天里發生后續行為,是衡量產品對用戶價值高低的重要方法。

留存分析可以幫助我們回答一些問題:某一天進入產品的新用戶群,在未來一段時間內每天分別有多少人完成轉化?某個社交產品迭代了新注冊用戶的引導流程,新版本的新用戶留存是否有所提升?某產品新增了邀請好友的功能,是否有用戶因為該功能延長產品使用時間?

7

Q:什么是熱力分析?

A:熱力分析是指應用一種特殊高亮的顏色、數據標注等,顯示頁面或頁面組(結構相同的頁面,如商品詳情頁、官網博客等)區域中不同元素點擊密度、觸達率、停留分布等特征。

神策數據官網熱力分析示例(模擬數據)

熱力分析法主要用來分析用戶在頁面上的點擊、觸達深度等情況,并以直觀的效果展示給使用者,它是互聯網行業常用的一種分析模型,比較直觀地表現了用戶在產品頁面上的瀏覽偏好,說明用戶和網頁的交互情況。

8

Q:常用的歸因分析思路有哪幾種?

A:這里介紹四種常見的歸因思路。

1、首次歸因。多個待選觸點中,認為第一個的功勞為 100%。理由是第一個觸點幫助用戶建立了認知、與用戶形成了連接。適用于重視新用戶線索的業務。

2、末次歸因。多個待選觸點中,認為最后一個的功勞為 100%。這種思路適用范圍最廣泛,常用于電商業務的站內歸因計算。

3、線性歸因。多個待選觸點中,認為每個“待歸因事件”平均分配此次功勞。適合坑位效果比較平均的產品。

4、位置歸因。多個待選觸點中,認為第一個和最后一個各占 40% 的功勞,其余平分剩余的 20% 功勞。兼顧最初的線索和最終的決策。

9

Q:什么是用戶行為路徑分析模型?

A:用戶行為路徑分析是根據用戶在 App 或網站中的訪問行為,分析用戶在各模塊中跳轉規律與特點,挖掘出用戶的群體特征,進而實現業務指標:如提升核心模塊的到達率、App 產品設計的優化改版、流失用戶去向分析等。

真實的用戶行為路徑通常是一個交叉反復的過程。以電商行業為例,企業希望用戶從登錄后依次完成首頁瀏覽、搜索商品、加入購物車、提交訂單、支付訂單等環節,而用戶真實的選購過程中,可能在提交訂單后返回首頁繼續搜索商品,也可能取消訂單,每一個路徑都有不同的動機。所以在用戶行為路徑分析模型的使用過程中,需要與其他數據分析模型配合進行深入分析,快速找到用戶需求點以及用戶興趣偏好,從而引領用戶走向最優路徑或者期望中的路徑。

10

Q:分布分析對企業的業務價值是什么?

A:分布分析是用戶在特定指標下的頻次、總額等特征的結構化分段展現。分布分析是了解數據分布表現的主要方法,往往能通過對數據結構的分層分析,判斷幾段數值的占比、對整體數據的影響,同時了解數據分布的集中度,以及主要的數據分布區間段。

通過觀察事件在不同維度中的分布情況,企業可以了解該事件的累計數量和頻次,以及分布特征,進一步洞察業務健康度、分層結構等。

關注神策數據公眾號,回復“數據分析模型”即可免費下載完整版白皮書。

審核編輯黃宇