常用數(shù)據(jù)分析模型,主要包括:對(duì)比分析、漏斗分析、留存分析、A/B測(cè)試、用戶行為路徑分析、用戶分群、用戶畫像分析等。 1、對(duì)比分析 對(duì)比分析 主要是指將兩個(gè)相互聯(lián)系的指標(biāo)數(shù)據(jù)進(jìn)行比較,從數(shù)量上展示和說(shuō)明研究對(duì)象的規(guī)模大小,水平高低,速度快慢等相對(duì)數(shù)值, 通過(guò)相同維度下的指標(biāo)對(duì)比,可以發(fā)現(xiàn),找出業(yè)務(wù)在不同階段的問(wèn)題。 常見(jiàn)的對(duì)比方法包括:時(shí)間對(duì)比,空間對(duì)比,標(biāo)準(zhǔn)對(duì)比。 時(shí)間對(duì)比: 包含同比、環(huán)比、定基比,時(shí)間不同其他條件相同。 例如: 本周和上周進(jìn)行對(duì)比就是環(huán)比;本月第一周和上月第一周對(duì)比就是同比;所有數(shù)據(jù)同今年的第一周對(duì)比則為定基比。通過(guò)三種方式,可以分析業(yè)務(wù)增長(zhǎng)水平,速度等信息。 空間對(duì)比: 就是同類現(xiàn)象或指標(biāo)在同一時(shí)間不同空間的指標(biāo)數(shù)值進(jìn)行對(duì)比。 例如:6月份淘寶成交額與天貓成交額對(duì)比就是空間對(duì)比。 標(biāo)準(zhǔn)對(duì)比: 對(duì)某指標(biāo)設(shè)定標(biāo)準(zhǔn)值,該指標(biāo)所有數(shù)據(jù)與標(biāo)準(zhǔn)值對(duì)比。 例如:學(xué)生成績(jī)及格設(shè)定在60,大于等于60的為及格,小于的60則為不及格,這就是標(biāo)準(zhǔn)對(duì)比。 2、漏斗分析 漏斗分析模型是一套流程式數(shù)據(jù)分析,它能夠科學(xué)反映用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率情況的重要分析模型。 漏斗分析模型已經(jīng)廣泛應(yīng)用于流量監(jiān)控、產(chǎn)品目標(biāo)轉(zhuǎn)化等日常數(shù)據(jù)運(yùn)營(yíng)與數(shù)據(jù)分析的工作中。 3、留存分析 留存分析是一種用來(lái)分析用戶參與情況/活躍程度的分析模型,考察進(jìn)行初始行為的用戶中,有多少人會(huì)進(jìn)行后續(xù)行為。這是用來(lái)衡量產(chǎn)品對(duì)用戶價(jià)值高低的重要方法。 留存分析可以幫助回答以下問(wèn)題: l 一個(gè)新客戶在未來(lái)的一段時(shí)間內(nèi)是否完成了您期許用戶完成的行為?如支付訂單等。 l 某個(gè)社交產(chǎn)品改進(jìn)了新注冊(cè)用戶的引導(dǎo)流程,期待改善用戶注冊(cè)后的參與程度,如何驗(yàn)證? 4、A/B測(cè)試 A/B測(cè)試是指將產(chǎn)品的兩個(gè)或多個(gè)版本,在同一時(shí)間維度,分別讓類似訪客群組來(lái)訪問(wèn),收集各群組的用戶體驗(yàn)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù),最后分析評(píng)估出最好版本正式采用。 比如: 你發(fā)現(xiàn)漏斗轉(zhuǎn)化中間有漏洞,假設(shè)一定是商品價(jià)格問(wèn)題導(dǎo)致了流失,你看到了問(wèn)題-漏斗,也想出了主意-改變定價(jià)。但主意是否正確,要看真實(shí)的用戶反應(yīng),于是采用AB測(cè)試,一部分用戶還是看到老價(jià)格,一部分用戶看到新價(jià)格,若你的主意真的管用,新價(jià)格就應(yīng)該有更好的轉(zhuǎn)化,若真如此,新價(jià)格就應(yīng)該確定下來(lái),如此反復(fù)優(yōu)化。 5、用戶行為路徑分析 用戶路徑分析即用戶在APP或網(wǎng)站中的訪問(wèn)路徑。 用戶路徑的分析結(jié)果通常以?;鶊D形式展現(xiàn),以目標(biāo)事件為起點(diǎn)/終點(diǎn),詳細(xì)查看后續(xù)/前置路徑,可以詳細(xì)查看某個(gè)節(jié)點(diǎn)事件的流向。用戶路徑分析能夠可視化用戶流,全面了解用戶整體行為路徑,定位影響轉(zhuǎn)化的主次因素,方便產(chǎn)品設(shè)計(jì)的優(yōu)化與改進(jìn)。 6、用戶分群 用戶分群即用戶信息標(biāo)簽化,通過(guò)用戶的歷史行為路徑、行為特征、偏好等屬性將具有相同屬性的用戶劃分為一個(gè)群體,并進(jìn)行后續(xù)分析。因?yàn)槿后w特征不同,行為會(huì)有很大差別,因此可以根據(jù)歷史數(shù)據(jù)將用戶進(jìn)行劃分,進(jìn)而再次觀察該群體的具體行為。 用戶分群關(guān)注群體差異,幫助企業(yè)打破數(shù)據(jù)孤島并真實(shí)了解用戶,讓企業(yè)定位營(yíng)銷目標(biāo)群體,幫助企業(yè)實(shí)現(xiàn)精準(zhǔn)、高效營(yíng)銷。 7、用戶畫像 用戶畫像分析是基于自動(dòng)標(biāo)簽系統(tǒng)將用戶完整的畫像描繪清晰。 常用的畫像標(biāo)簽類別有:基本屬性、心理特征、興趣愛(ài)好、購(gòu)買能力、行為特征、社交網(wǎng)絡(luò)等。 不知道說(shuō)了這么多,大家記住了幾個(gè)。 文章來(lái)源:網(wǎng)絡(luò) 版權(quán)歸原作者所有 上文內(nèi)容不用于商業(yè)目的,如涉及知識(shí)產(chǎn)權(quán)問(wèn)題,請(qǐng)權(quán)利人聯(lián)系小編,我們將立即處理 |
|