深入浅出 — 数据分析

1、为什么要数据分析？

2、什么场景下用数据分析？

3、数据分析的方法

1、为什么要数据分析？

数据分析能够相对完整地揭示用户行为的内在规律。基于此帮助企业实现多维交叉分析，让企业快速反应、适应变化的敏捷商业智能决策。

2、什么场景下用数据分析？

场景1：领导决策采用哪种方案时，我们需要提供各种方案的相关数据，经过数据分析后的决策才更加准确。

场景2：产品经理设计系统时，根据数据分析流量，根据渠道流量、按钮点击分析用户行为，做出来的系统才会被用户认可。

场景3：运营/业务根据购买的用户群里、用户分布，提起备货及设计相应的营销活动，提前规划才会做到事半功倍。

3、数据分析的方法

每种数据分析方法都针对不同维度的数据研究，各个分析模型存在相互依赖的关系，精益数据分析是数据分析方法交叉应用的结果。

类型	作用
行为事件分析	用来研究某行为事件的发生对企业组织价值的影响以及影响程度
漏斗分析	分析各个阶段的用户转化率
留存分析	分析用户参与情况和活跃程度
分布分析	分析用户在特定指标下的频次、总额等归类展现
点击分析	应用一种高亮颜色显示不同元素点击密度的图示
用户路径	用户在网站中访问行为路径
用户分群	用户信息标签化
属性分析	丰富用户画像维度

（1）行为事件分析

a、使用场景

企业借助行为事件分析来追踪和记录用户行为或业务过程，如用户注册、浏览商详、浏览购物车等，通过研究与事件发生关联的所有因素挖掘用户行为事件背后的原因和交互影响。

b、特点与价值

行为事件分析方法一般经过事件定义与选择、多维度下钻分析、解释与结论等环节。

事件定义与选择：事件描述的是一个用户在某个时间点、某个地方、以某种方式完成了某个具体的事情。
- who：事件主体.未登录用户，可以是cookie、设备id等匿名ID；登录用户，可以是用户Pin
- When：事件发生的时间，精确到秒级
- Where：事件发生的地点，可以使用IP或者GPS定位位置信息
- How：事件的来源，用户使用设备、浏览器、APP版本、渠道来源等
- What：事件的详细内容，比如“购买”类型的事件，需要记录商品名称、商品类型、购买数量、付款方式、购买金额、使用的促销/优惠券等
多维度下钻分析：高效的行为事件分析要支持任意下钻分析和精细化条件筛选。
- 按时间维度分析用户的购买行为
- 按区域维度分析区域购买力
- 按用户人群分析不同人群的消费能力
解释与结论：判断数据分析结果是否与预期相符
- 如增加一个默认领券功能，是否增加了使用券的频率，是否提高了转化率

c、案例

现象：运营人员发现，11月18日来自新浪渠道的PV数据异常标高，快速排查是异常流量还是虚假流量？

方案：企业可以先定义事件，通过“筛选条件”限定是“新浪”来源。再增加其他维度，比如：“渠道来源”、“时间”、“地理位置”等。以下是“新浪”各个城市浏览页面的总次数。

（2）漏斗分析

a、解释

漏斗分析是一套流程体系，它能够科学反映用户的行为状态以及从起点到终点各个阶段用户转化率情况。他是企业实现精细化运营的重要分析模型。

b、特点与价值

企业可以监控用户在各个层级的转化情况
- 用户体验优化：聚焦用户选购全流程中最有效转化路径，同时找到可优化的短板
- 提升留存率：通过不同层级的转化情况，定位流失环节，快速进行优化
多维度切分与呈现用户转化情况
不同属性的用户群体漏斗比较，从差异化角度探索优化思路

c、案例

场景：运营通过数据分析，普通会员的支付转化率要低于钻石会员

方案：深度分析转化率低的原因，通过不同付费渠道，找到优化短板，尝试在支付流程中新增新手引导，帮助新手顺利购买

d、科学归因&属性关联

科学归因：科学分析来源的渠道，比如说：营销活动有市场活动、线上运营、邮件营销，消费者通过市场活动了解到M商品，但没有购买，消费者在营销邮件中看到该商品降价，直接购买。所以该转化为邮件营销渠道

属性关联：可以确保流量转化的准确性

（3）留存分析

据第三方平台调研结果，2013年互联网创业公司的投资成本为300-500元，而2016年额涨为1000-3000元。在电商领域，新用户获取成本是是维护老用户的3-10倍。

a、解释

随着市场饱和，绝大多数企业亟待解决如何增加客户黏性，如何延长每个客户的生命周期价值。

留存分析是一种用来分析用户参与情况和活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。

b、特点与价值

留存率是判断产品价值最重要的标准，揭示了产品保留用户的能力
宏观把握用户生命周期长度及定位产品可改善之处

c、案例

游戏的生命周期的时长差异和玩家的游戏黏度，直接体现了游戏的竞争能力和盈利能力。

场景：游戏行业提升活跃、留存 ——如何精准找到玩家“流失点”？

方案：通过分析流失玩家的等级分布，其中100-110、80-90级是玩家流失较多的关卡。为精准定位导致玩家流失的关键因素，需要每个环节、每个场景进行深入跟踪和分析。

（4）分布分析

a、解释

分布分析是用户在特定指标下的频次、总额等的归类展现。它可以展现出初单用户对产品的依赖程度，分析客户在不同地区、不同时段所购买的不同类型的产品数量、购买频次，帮助运营人员了解当地的客户状态，以及客户的运转情况。

b、特点与价值

挖掘用户分布规律，优化产品策略
运营并持续产品生命力，增加客户回访率
快速识别核心用户群体，资源配置有的放矢

c、案例

电商用户忠诚度可以用分布分析进行快速决策，重复购买次数、客单价分布均是衡量忠诚度的重要指标。

场景：用户一个月内进行支付订单的次数分析

思路：

从不同性别、不同渠道用户支付频次的差异进行分析，数据比较平均。
从省份角度看，该商品并没有地域偏爱

（5）点击分析

a、解释

点击分析即应用一种特殊高亮的颜色形式，显示页面或页面组区域中不同元素点击密度的图示，包括元素被点击的次数、占比、发生点击的用户列表、按钮的当前与历史等因素。

b、特点与价值

点击图示点击分析方法的效果呈现。点击分析具有分析过程高效、灵活、易用和效果直观的特点。点击分析采用可视化的设计思想和架构，以简洁直观的操作方式，呈现访客热衷的区域，帮助运营人员或管理者评估网页设计的科学性。

精准评估用户与网站交互背后的深层关系
实现网页内跳转点击分析，抽丝剥茧完成网页深层次的点击分析
与其他分析模型配合，以全面视角探索数据价值，能够深度感知用户体验，实现科学决策。

c、案例（电商商详界面优化与改造）

场景：通过点击分析看到用户在该页面频繁地点击商品的图片和已购买的人数，

分析：用户在购买前希望了解更多的商品信息，尤其是图片、已购买用户的评价，进而决定是否下单。在深入分析页面时发现，商品图片只有1张且不支持查看大图，又无法查看用户评价。通过查看历史数据，每天有50%的用户来浏览这样的商品详情页。为了提升用户体验，创建商品时必须上传不少于3张图片，并支持展示已购买者的评价。

改版后：改版后的转化率高于改版前，说明这是一次比较成功的改版。

（6）用户路径

a、解释

用户路径分析是用户在APP或网站中的访问行为路径。为了衡量网站优化的效果或营销推广的效果，以及了解用户行为习惯。

b、特点与价值

可视化用户流，全面了解用户整体行为路径
定位影响转化的主次因素，产品设计的优化与改进有的放矢

c、案例

场景：某电商APP上线后，运营人员通过漏斗分析发现，从登录到支付订单的客服仅有30%。运营人员通过用户路径分析客户流失的原因所在，用户路径分析模型清晰展示了客户的动作走向。

分析：运营人员选取若干事件对客户购买路径进行深度分析，通过分析结算页的PV、提单点击次数、收银台PV，发现结算页提单失败率很高，再次进行分析提单错误，其中无法计算出运费的提单次数约10000次。

策略：针对无法计算出运费的问题，业务针对性设置相应的运费策略，避免无法计算出运费，提高订单的转化率。

（7）用户分群

a、解释

用户分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，我们将具有相同属性的用户划分为一个群里，并进行后续分析。

b、特点与价值

帮助企业打破数据孤岛并真实了解用户
定位营销目标群里，帮助企业实现精准、高效营销

c、案例 - 直播行业——高黏性与高频消费用户的行为观察

以直播产品为例，运营人员可以筛选出过去30天内、等级10级以上、有“留言”和“点赞”行为，并且付费礼物送出次数超过10次的用户，我们将其视为高黏性且高频消费用户，并将其进行分群定义。运营人员可通过事件分析来观察这部分用户群里近期的行为表现。下图显示该用户群体的人均观看时长与其他用户存在明显差别。

（8）属性分析

a、解释

属性分析根据用户自身属性对用户进行分类与统计分析，比如查看用户数量在注册时间上的变化趋势、查看用户按省份的分布情况。

b、特点与价值

丰富用户画像维度，让用户行为洞察粒度更细致。

c、案例

场景1：按省份查看用户数

运营人员可以直观查看用户在不同省份的分布情况，也可以按照城市进行分析，有助于运营快速了解产品用户具体分布在哪些城市，以判断用户喜好。

场景2：查看一个月未发生购买的客户，预警客户流失

由于重点客户资源的稀缺性，其黏性备受企业关注。运营人员通过查看重点用户行为，分别了解重点客户的路径，找到重点客户订单量骤降的原因。