海淘科技小編給大家分析一個(gè)淘寶SEO的數(shù)據(jù)分析，無(wú)論你做什么樣的優(yōu)化，最終的目的是達(dá)到一個(gè)成交，如何達(dá)到成交，我們要對(duì)自己的優(yōu)化或者其他事項(xiàng)進(jìn)行數(shù)據(jù)的分析，得到更多的客戶。
數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計(jì)方法對(duì)收集來(lái)的數(shù)據(jù)進(jìn)行分析，以求最大化的發(fā)揮數(shù)據(jù)的價(jià)值。數(shù)據(jù)如同金錢(qián)一樣，本身并沒(méi)有太多的價(jià)值，而正是由于使用分析方法的存在，利用分析方法來(lái)得出一定的結(jié)論與發(fā)現(xiàn)問(wèn)題，從而挖掘其巨大的價(jià)值。
很多時(shí)候，VC投資需要看數(shù)據(jù)，做投資決策;公司產(chǎn)品/運(yùn)營(yíng)需要做迭代的依據(jù)… 數(shù)據(jù)需求的可能會(huì)來(lái)自多個(gè)方面，總體而言，數(shù)據(jù)分析的原因主要有以下四種：
1.驅(qū)動(dòng)產(chǎn)品迭代： 用戶使用產(chǎn)品的真實(shí)軌跡是怎樣的?為什么他們會(huì)這么做，有沒(méi)有更簡(jiǎn)便的流程，以幫助我們作出優(yōu)化決策?也可以分析產(chǎn)品過(guò)往的數(shù)據(jù)，來(lái)洞悉問(wèn)題，驅(qū)動(dòng)有目標(biāo)的產(chǎn)品迭代。
2.深度需求分析 對(duì)用戶所處馬斯諾幾個(gè)層面的需求，用數(shù)據(jù)來(lái)支撐;對(duì)交互需求，用數(shù)據(jù)佐證;對(duì)公司層面的需求，通過(guò)數(shù)據(jù)驗(yàn)證合理性。
3.驅(qū)動(dòng)運(yùn)營(yíng)決策： 產(chǎn)品新功能上線后效果怎么樣?新功能的用戶活躍度、用戶留存率的變化?A方案和B方案哪個(gè)更好?諸如此類的問(wèn)題，評(píng)判一個(gè)問(wèn)題的好壞，比較可靠的恐怕就是數(shù)據(jù)了。感性的定義很多時(shí)候往往會(huì)產(chǎn)生大量的不必要的爭(zhēng)執(zhí)。
4.決策商業(yè)機(jī)會(huì)： 針對(duì)商業(yè)機(jī)會(huì)的評(píng)估，必要的需求調(diào)研及市場(chǎng)調(diào)研顯得尤為關(guān)鍵。一個(gè)新市場(chǎng)是否值得介入?一個(gè)新項(xiàng)目是否值得投資?是否可以收購(gòu)某公司等等?
viri.png
1、數(shù)據(jù)采集：
原則1：全量而非抽樣
采集多種數(shù)據(jù)來(lái)源，前端與后端、業(yè)務(wù)數(shù)據(jù)庫(kù)的全面采集。前端有網(wǎng)頁(yè)端與APP客戶端等，后端采集用來(lái)補(bǔ)充前端行為事件所無(wú)法采集到的數(shù)據(jù)。
原則2：多維細(xì)分
針對(duì)客戶行為事件實(shí)現(xiàn)5W1H的全面細(xì)化，將行為中的什么人、什么時(shí)候、從哪里、什么原因、什么事情、如何做的行為軌跡全面記錄下來(lái)，并進(jìn)行細(xì)化，人(who)可以從注冊(cè)賬號(hào)、性別、年齡、個(gè)人成長(zhǎng)階段等細(xì)分;時(shí)間(when)可以從起始時(shí)間、結(jié)束時(shí)間等細(xì)分;從哪里(where)可以從IP、位置信息、運(yùn)營(yíng)商、OS、機(jī)型、IMEI、網(wǎng)絡(luò)接入方式(2G/3G/4G/WIFI)等細(xì)分;原因(why)可以從愛(ài)好、需求層級(jí)等細(xì)分;事情(what)可以從主題、步驟等細(xì)分。行為事件與維度的結(jié)合，就能得出需要的指標(biāo)，比如用戶在什么地域下的訂單……
目前數(shù)據(jù)采集(埋點(diǎn))方式主要有三種：
第一種：使用第三方統(tǒng)計(jì)分析標(biāo)準(zhǔn)SDK接入到應(yīng)用中
第二種：使用無(wú)埋點(diǎn)方式
第三種：自己開(kāi)發(fā)，精細(xì)化運(yùn)營(yíng)與產(chǎn)品決策
2、數(shù)據(jù)建模：
搭建數(shù)據(jù)指標(biāo)模型大致要考慮以下三大要素：
a.打通行為數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù); b.回歸關(guān)鍵數(shù)據(jù)指標(biāo) c.多維度考慮數(shù)據(jù)可行性
第一關(guān)鍵指標(biāo)方法
找出第一關(guān)鍵重要指標(biāo)，然后衍生于子指標(biāo)，比如：電商銷售額 如果你想提升銷售額，要么提升買(mǎi)家數(shù)，要么提升客單價(jià)。 銷售額=買(mǎi)家數(shù)x客單價(jià) 銷售額=流量x轉(zhuǎn)化率x客單價(jià) 在到達(dá)商品詳情頁(yè)中，這個(gè)還可以衍生為： 銷售量=商詳uv x 下單率 x 付款率x客單價(jià) 銷售量= 活動(dòng)展現(xiàn) x 活動(dòng)轉(zhuǎn)化率x 下單率x付款率x客單價(jià)
各階段指標(biāo)側(cè)重：
各階段.png
MVP階段(驗(yàn)證)：驗(yàn)證可行性與以用戶留存率為目標(biāo)，定性分析，這個(gè)階段本身并沒(méi)有多少數(shù)據(jù)可言(數(shù)據(jù)型產(chǎn)品)除外。
增長(zhǎng)階段(跨越鴻溝)：大多數(shù)公司都沒(méi)能到這個(gè)階段，增長(zhǎng)階段的數(shù)據(jù)分析需要適當(dāng)?shù)娜?duì)應(yīng)相應(yīng)的數(shù)據(jù)產(chǎn)品分析師，或者使用更深度的數(shù)據(jù)工具來(lái)做相應(yīng)的決策?？梢苑譃閮蓚€(gè)層面 1.留存階段，主要以留存率為指標(biāo)(次日留存、7日留存、15日留存、30日留存率等); 2.引薦階段，主要考慮病毒系數(shù)與病毒周期：平均一個(gè)用戶能帶來(lái)多少個(gè)新用戶。所以當(dāng)病毒系數(shù)大于1時(shí)，信息將會(huì)不斷擴(kuò)散，而總傳播人數(shù)是發(fā)散的。相反，當(dāng)病毒系數(shù)小于1時(shí)，總傳播人數(shù)是收斂的，以及NPS(凈推薦值)。
平臺(tái)期(激活轉(zhuǎn)化)：有專門(mén)的數(shù)據(jù)分析師、工程師，團(tuán)隊(duì)對(duì)數(shù)據(jù)分析更加深入。主要關(guān)注的是平臺(tái)用戶的活躍度、轉(zhuǎn)化率，使得度過(guò)平臺(tái)期迎來(lái)下一個(gè)增長(zhǎng)期。
變現(xiàn)期:營(yíng)收成本、用戶激活召回、LTV、CAC、渠道分析等指標(biāo)
3、數(shù)據(jù)分析： 分析方法：有效的數(shù)據(jù)分析方法能夠深度挖掘數(shù)據(jù)的價(jià)值，常見(jiàn)的數(shù)據(jù)分析法與模型有用戶分群、A/B測(cè)試、多維事件分析、漏斗分析、AARRR分析等等
這里主要以漏斗分析法、AARRR分析模型、A/B測(cè)試、多維事件分析為例展開(kāi)：
● 漏斗分析法
分析從潛在用戶到最終轉(zhuǎn)化用戶這個(gè)過(guò)程中用戶數(shù)量的變化趨勢(shì)，從而尋找到最佳的優(yōu)化空間，這個(gè)方法被普遍用于產(chǎn)品運(yùn)營(yíng)的各個(gè)關(guān)鍵流程分析中。
何為用戶轉(zhuǎn)化漏斗，就是你的業(yè)務(wù)是如何一步步將一個(gè)用戶轉(zhuǎn)化過(guò)來(lái)。比如：
活動(dòng)：活動(dòng)展示—>點(diǎn)擊詳情—>轉(zhuǎn)化 約妹子：搭訕—>約會(huì)—>牽手->……
經(jīng)過(guò)的每個(gè)階段，都可以拆為好幾個(gè)子階段。而每一個(gè)階段都會(huì)有用戶流失、用戶留存下來(lái)。對(duì)漏斗的每一個(gè)環(huán)節(jié)準(zhǔn)確地記錄數(shù)據(jù)，以便分析和優(yōu)化各個(gè)環(huán)節(jié)的轉(zhuǎn)化率，是數(shù)據(jù)化運(yùn)營(yíng)的基礎(chǔ)設(shè)施。
比如一個(gè)電商的活動(dòng)頁(yè)，它的漏斗模型應(yīng)該是這樣的：
下單率.png
從瀏覽活動(dòng)頁(yè)面到詳情頁(yè)的轉(zhuǎn)化率是50%，在詳情頁(yè)下單的下單率是10%，最終下單到付款的轉(zhuǎn)化率是40%。
有這么個(gè)漏斗，我們就可以分析每個(gè)環(huán)節(jié)代表了什么，該如何去改善：
活動(dòng)頁(yè)—>詳情頁(yè)uv：頁(yè)面上的內(nèi)容是否醒目，商品是否是用戶喜歡的，需根據(jù)頁(yè)面點(diǎn)擊情況及時(shí)替換點(diǎn)擊效果差的商品。 詳情頁(yè)uv—>下單人數(shù)：詳情頁(yè)是否吸引人，頁(yè)面加載速度是否有影響，是否需要將商品重新排序。 下單人數(shù)—>付款人數(shù)：是否支付引導(dǎo)差，支付工具是否有故障，是否低于業(yè)內(nèi)平均指標(biāo)。
另外，在同一個(gè)系統(tǒng)內(nèi)部，也需要做轉(zhuǎn)化率進(jìn)行對(duì)比，比如本月與上月，本周與上周，增加了還是減少了，這樣才能得出更為準(zhǔn)確的結(jié)論與發(fā)現(xiàn)問(wèn)題。
● AARRR模型
AARRR(Acquisition、Activation、Retention、Revenue、Refer)是硅谷的一個(gè)風(fēng)險(xiǎn)投資人戴維 · 麥克魯爾在2008年時(shí)創(chuàng)建的，分別是指獲取、激活、留存、收入和推薦。
AARRR.png
以下例子中渠道A與渠道B哪一個(gè)更優(yōu)?
比如游戲AARRR各階段指標(biāo) 1.A(How do users find us?) DNU(日新注冊(cè)且登陸用戶數(shù))、推廣渠道監(jiān)測(cè)(成本、流量) 2.A(Do users have a great first experience?) DAU(每日登陸過(guò)游戲用戶數(shù))、日均使用時(shí)長(zhǎng)、道具關(guān)聯(lián)分析模型 3.R(Do users come back?) 留存率(次日留存、7日留存、21日留存、30留存)、流失率、流失預(yù)警分析模型 4.R(How do you make money?) PR(付費(fèi)率)、 ARPU(平均每用戶收入)、ARPPU(平均每付費(fèi)用戶收入))、LTV(生命周期價(jià)值) 5.R(Do users tell others?) K-factor、NPS等
● A/B測(cè)試
A/B測(cè)試就是通過(guò)數(shù)據(jù)支撐，不同渠道、不同人群、最終選定方案。
A/B測(cè)試需要有一定的數(shù)據(jù)支撐，建立準(zhǔn)確性與效率高的框架，比如針對(duì)不同渠道、用戶分群發(fā)布、灰度發(fā)布等來(lái)得出合適方案,這里不加以展開(kāi).
AB測(cè).png
● 多維事件分析法
多維事件分析，從多個(gè)角度細(xì)分?jǐn)?shù)據(jù)，從中發(fā)現(xiàn)數(shù)據(jù)變化的具體原因。行為事件與維度的結(jié)合可以得到數(shù)據(jù)指標(biāo)，比如在電商應(yīng)用中： 行為事件(1H)：搜索商品、點(diǎn)擊商品詳情、提交訂單、支付訂單、售后服務(wù)等等都是一系列事件 維度(5W)：人(who)可以從姓名、性別、年齡;時(shí)間(when)可以從停留時(shí)間、下單事件、付款事件、到貨時(shí)間等細(xì)分;從哪里(where)可以從IP、城市、運(yùn)營(yíng)商、OS、機(jī)型、IMEI、網(wǎng)絡(luò)接入方式(2G/3G/4G/WIFI)等細(xì)分;原因(why)可原因(why)可以從愛(ài)好、需求層級(jí)等細(xì)分;事情(what)可以從主題、步驟等細(xì)分。 兩者結(jié)合就可以得出多維度指標(biāo)，比如用戶在哪個(gè)區(qū)域下訂單，從什么渠道過(guò)來(lái)的，過(guò)去一段事件支付訂單款項(xiàng)多少等等……
數(shù)據(jù)雖然不可或缺，但也不是萬(wàn)能的，比如在產(chǎn)品創(chuàng)新方向上很難獲得驅(qū)動(dòng)，在長(zhǎng)期的用戶反饋上很難獲得數(shù)據(jù)的足夠判斷，那么真正能驅(qū)動(dòng)一款產(chǎn)品的用戶快速增長(zhǎng)，靠的都是什么方法呢?
驗(yàn)證.png
– 做真正有意義的產(chǎn)品
市場(chǎng)上很大一部分產(chǎn)品都是意義不大的，尤其在這個(gè)存量過(guò)于飽和的市場(chǎng)下，要獲得用戶的快速增長(zhǎng)，還是應(yīng)該回到產(chǎn)品的核心上來(lái)，創(chuàng)造真正有價(jià)值的東西，輔以數(shù)據(jù)驅(qū)動(dòng)，這樣的結(jié)合可能能獲得更大的增長(zhǎng)。
– 塑造品牌價(jià)值 對(duì)核心用戶尤其要重點(diǎn)塑造品牌觀念，在傳統(tǒng)行業(yè)中，眾多企業(yè)做品牌的重視度高于互聯(lián)網(wǎng)行業(yè)的企業(yè)，而在互聯(lián)網(wǎng)確是常常不被重視的，與本身的燥熱有很大關(guān)系，也許我們可以看看健身應(yīng)用Keep的slogan與品牌塑造案例里面學(xué)習(xí)到更多的東西。
– 利用增長(zhǎng)黑客技術(shù) 在《增長(zhǎng)黑客》這本書(shū)里面，談到了很多增長(zhǎng)黑客技術(shù)增長(zhǎng)的案例，如何低成本的獲得用戶增長(zhǎng)等等。
8款國(guó)內(nèi)數(shù)據(jù)分析工具
國(guó)內(nèi)的數(shù)據(jù)分析工具大多由小部分免費(fèi)功能+高級(jí)的收費(fèi)功能服務(wù)相結(jié)合。
1、友盟
2、Growing IO
3、神策數(shù)據(jù)分析
4、TalkingData
5、 諸葛iO
6、 百度移動(dòng)統(tǒng)計(jì)
7、 ASO100
8、 蟬大師
8款國(guó)外數(shù)據(jù)分析工具
1、Google Analytics 2、Flurry Analytics (免費(fèi))-更好的了解用戶群體 3、Crashlytics-Crash分析工具 4、亞馬遜移動(dòng)分析 (免費(fèi)) 5、Tap stream (免費(fèi))-生命周期的分析 6、Followapps – App精細(xì)化分析平臺(tái) 7、App Annie 8、Claritics – App BI數(shù)據(jù)分析
以上就是上海網(wǎng)站建設(shè)公司——海淘科技小編為大家分享的《淘寶SEO |數(shù)據(jù)分析方法》。找網(wǎng)站優(yōu)化服務(wù)，可直接在線聯(lián)系海淘科技客服。
