流量分析：如何分析数据的波动？
流量分析。
内容分为四部分：
背景；
渠道分析；
转化与价值分析；
流量波动逻辑性分析。
背景
建立产品指标体系和报表之后，分析师和业务方最重要的事情就是每天看各种数据，而这个看数据的过程就是流量分析。这里的流量指广义的流量，并不一定单指日活。它是指所有的流量，比如用户从哪儿来，经过什么过程，产生什么价值，如果流量波动了，为何波动。
从流量分析的定义来看，可以分为以下四部分：
渠道分析——从哪来；
转化分析——经过什么过程；
价值分析——产生什么价值；
波动分析——日常的监控分析。
渠道分析
我们先来看渠道分析，渠道分析包含三部分：
常见渠道及渠道分类；
渠道推广的整个过程；
渠道的关键指标及分析方法。
渠道分为内部渠道和外部渠道，内部渠道包括内部的产品矩阵。比如，今日头条会给抖音带量，内部渠道往往都是免费使用。外部渠道往往需要付费，包括多个渠道。第一是搜索引擎，比如打开百度会看到有很多广告的推广；第二是 App 内的广告，比如今日头条里会经常看到京东或双 11 的链接；第三是社交媒体，比如微信朋友圈的广告；第四是软件市场，比如应用宝、华为手机市场、豌豆荚等。
内部渠道和外部渠道都是为了拉新、拉增而用。对于一款健康的 App，前期靠渠道（特别是外部渠道）的品牌带量，后期靠自传播或者免费推广。大多公司都会单独设有渠道运营经理岗位，分析师在这部分的价值体现不会很大。
我们再看下渠道的分类，如下图所示。
横坐标是渠道给我们产品带来的量级，从左到右是越来越高。纵坐标是渠道本身的质量，一般我们可以用留存来看，有些同学可能会用收入衡量渠道质量，其实本质一样，因为留存跟收入本身就是高度相关性的指标。假设我们就是用留存来衡量，那么按照量级和质量画这样一个四象限，可以把渠道分为 4 类。
量级少，但是质量比较高。对于这种渠道，需要扩量，需在扩量的基础上仔细观察数据。
量级多，同时质量也高。代表渠道非常好，这部分渠道需加快变现能力。
量级多，质量不太好。说明用户不匹配，交互有问题，这部分渠道需要拆解，精细化运营。
量级少，质量也差，这部分渠道直接放弃即可。
其实所有的分析都是先分析一级渠道，然后在此基础上进行拆解。比如，一级渠道的 A 渠道留存很差，我们要进一步对 A 渠道进行二级渠道拆解，看是所有二级渠道差还是部分二级渠道差，这里所有质量的好与差都是相对大盘来说。
渠道的关键指标及分析方法
第三是渠道的关键指标以及分析方法。
关键指标指前期看有效用户数和次留，中期看次日、7 日、30 日留存，后期看 ROI。
其中要注意，由于渠道都是收费的，所以有效用户数会有刷量的嫌疑，所以除了看直接量级，还要看有主动行为的用户数，比如上节课里面的停留大于 3 秒的用户数。所有渠道最终的目的还是商业变现，所以一定要计算每个渠道的 ROI，及时把 ROI 小于 1 的渠道砍掉。
分析方法包括结构分析、趋势分析、对比分析、作弊分析。
结构分析：先按照一级渠道来拆解，再按照二级渠道来拆解。
趋势分析：需看每个渠道的变化趋势，包括量级和留存。
对比分析：不同渠道间的趋势对比。
作弊分析：包含用户行为分析和机器学习，这块可以用 Python 来完成。
转化与价值分析
渠道转化和价值的分析，我们分为两个点，第一是漏斗分析，第二是功能模块分析（常规分析、价值分析）。
漏斗分析
我在前面讲电商模块时已提到过漏斗分析，漏斗分析是数据分析师看一款产品必不可少的阶段，我以京东 App 电商模块为例，如下图所示。
如果需要提升某一步转化率，核心思想都是按照用户基础属性和行为属性来细分。
基础属性：手机品牌、地域、imei 特征。
举例：主界面全部 UV 到店面页 UV 为 50%，我们想提高至 60%，需要进一步拆分。比如，华为手机和苹果手机等品牌各自的转化率是多少，华北、华南、华东等地域的转化率是多少，按照这种基础属性，最后甚至都可以拿到用户的基础画像。当你按照这些维度去拆解，你就能更精细化运营。
行为属性：入口、时段、用户活跃度、用户标签。
举例：用户是通过桌面图标还是弹窗还是外链进入的页面，早、中、晚的用户量级，用户活跃度的区分，不活跃的老用户被激活后的活跃度观察。
总之需按照用户的基础属性和行为属性来拆分，对有问题的群体进行针对性优化，才能更精细化。
功能模块的常规分析
用户进来主页面之后不一定非要走漏斗，因为用户还可以使用各种各样的功能，对于功能模块来说，我们往往会看这三个指标。
功能渗透率=功能用户数/大盘用户数（使用某功能用户在大盘的占比）；
功能的功能留存率：第一天使用该功能同时第二天也使用该功能的用户数/第一天使用该功能的用户数；
功能大盘留存率：第一天使用该功能同时第二天是大盘用户的用户数/第一天使用该功能用户数。
对于 2 和 3，可以进一步理解。功能留存是指第二天还要使用该功能，大盘留存是指第二天只要打开 App 就可以。
另外一个必须关注的数据是大盘用户，大盘用户等于所有功能用户排重加上不使用任何功能用户（逛一逛的用户）。对于不使用任何功能的用户也要监控起来，只有这样才是完整的大盘。
功能模块的价值分析
衡量功能的真正价值有三个指标。
功能核心用户数：有多少用户是这功能的核心用户，它的定义是符合某种要求的功能用户数，一般用使用次数、使用时长、使用天数等具备某种行为来定义“核心”。这里面如果单纯看用户数可能会出现一个悖论——所有功能在涨，但大盘在跌。
功能对大盘贡献度，比如对大盘留存提升的贡献。
功能 A 对大盘留存的提升贡献=功能A渗透率*功能A的大盘留存率提升数。
严格来说，只有 A/B 测试才能说明功能对大盘贡献度，但实际应用中不可能所有功能都做 A/B 测试，所以这种计算可以对不同功能进行横向对比。
功能带来的收入对比：每个功能每个月赚多少钱。
分析师对收入部分可能没接触过，但实际过程中会有单独的计费系统，基本上你拉一个月的收入数，除以你的功能用户数即可，计算起来非常简单，所以这一块不用刻意担心。
流量波动逻辑性分析
下面我们来看下流量波动的逻辑性分析，常见的流量波动分析包括日活和留存，所以我主要围绕这两个来展开。
日活
日活波动受外部影响和内部影响。
外部影响包括行业变化和竞品变化，而竞品的变化跟竞品的策略有关，所以外部影响就分为常识、外部事件、竞品策略。
内部影响包含数据统计、用户基础属性、用户行为属性。
数据统计：数有没有搞错——数据采集和统计口径。
用户基础属性：用户从哪里来，通过什么方式进入——渠道（新增用户变化）、入口（手机型号）、画像。
用户行为属性：用户进来干了什么——具体功能的变化，跟版本可能有关。
当我们按照金字塔原理的逻辑来拆分产品，就不会有遗漏，这就是日活波动采取的一个逻辑性思考。
留存
接下来看留存，留存相对来说要复杂一点。留存波动包含新用户留存和老用户留存，新用户留存与渠道和渠道过程有关，老用户留存有两个影响因素：核心功能用户留存、非核心非功能用户留存，所以要区分来看。
老用户留存：核心功能的留存加上非核心功能的留存，这里核心功能可以进一步拆解为功能 A 的留存加上功能 B 的留存加上功能 C 的留存。
假设留存下跌，会出现以下情况：
A、B、C 中有 1 个留存下跌，这种情况最好解释，直接解释由于谁下跌即可。
A、B、C 中有两个以上留存下跌，这要看其中谁是主要下跌因子，找到它。如果下跌幅度都差不多，则需进一步观察。如果还是持续下跌，必然是产品某核心部分出问题，围绕指标体系做一次产品全盘分析，找到它。如果跌了几天之后回去了，可能跟外部影响因素有关，暂时不管。
在留存这件事上，由于是比例，排查起来会比较费神，保持耐心跟业务方多沟通，就一定能够找到主要影响因子。流量分析是分析师每天都要做的一件事，小到看日报，大到波动排查几个月，所以一定要非常熟悉各类核心数据，要能够很好地说出数据的规律并能够进行预测。当数据出现稍微一点点异常时，你能够很敏锐地感觉到，然后去排查，之所以这样说，是因为我有过很多次经历。
比如，某产品近三天日活分别是 1000w、1020w、1025w，按照产品规律，第四天应该在1050w 左右，如果第四天是 1035w，这就说明必然某部分出问题了。所谓的数据敏感性就是指对数据产品的微观感知能力，这需要大量的沉淀和思考才能做到。
总结
流量分析本质上就是解决用户从哪来，干了什么，带来什么价值。整体可以概括为三个部分。
渠道分析——渠道的整个过程和分析方法；
功能模块价值分析——漏斗分析、功能常规指标和价值指标分析；
流量波动逻辑性分析——一定要有逻辑性，在过程非常严密的基础上得到正确的结果。
流量分析：如何分析数据的波动？相关推荐
- 数据统计分析案例（对比分析、销量定比分析、同比、双坐标图、环比、shift、贡献度分析（帕累托法则）、差异化分析、resample、季节性波动分析）
本文来自<Python数据分析从入门到精通>--明日科技编著 本章以案例为主,通过简单的知识讲解使读者了解数据统计分析中常用的分析方法,如对比分析,同比.定比和环比分析,贡献度分析,差异化 ...
- cacti 网络流量监测图形分析工具
Cacti是一套基于PHP,MySQL,SNMP及RRDTool开发的网络流量监测图形分析工具. 安装方法 一.安装rrdtool CentOS-5: rpm -ivh http://apt.sw. ...
- Linux 网桥代码分析 六 网桥数据转发函数分析
对于数据包转发函数,主要是分为两大类:数据转发到指定端口.数据扩散到所有端口. 下面就从这两方面进行分析: 一 数据转发到指定端口 对于数据转发到指定端口的功能,也可以分为两个方面:对入口流量进行的 ...
- 使用Python爬取分析政府采购网数据
好久没写博客了,一直觉得之前写的都没啥技术性,这次分享个最近觉得很值得记录的一次操作吧~. Leader临时分配给我个任务,要我爬取下政府采购网近一个月公开招标中二三甲医院的数据,这一 ...
- 店铺数据分析很重要吗？分析拼多多数据重要性，店铺引流效果有效提升。
随着拼多多的迅速发展,入驻拼多多的商家是一年比一年多,竞争越来越大,然而很多的商家虽然入驻成功了,但是店铺营收并不理想,其实导致该情况出现的原因很多,但其中很关键的一点就是忽视数据分析的重要性,其实在 ...
- 【数据说第九期】如何分析用户行为数据，来驱动业务增长？
[写在前面] 上一期来梳理交流了怎么才算真正的理解"数据".而人不同,方法.思路.数据都不同,做到了理解"数据"那么又如何做到以数据驱动业务增长呢?([数据说 ...
- 网络流量分析软件 mysql_网络流量监测图形分析工具 Cacti
Cacti是一套基于PHP,MySQL,SNMP及RRDTool开发的网络流量监测图形分析工具. Cacti 在英文中的意思是仙人掌的意思,Cacti是一套基于PHP,MySQL,SNMP及RRDTo ...
- 【报告分享】2021双十一家电行业复盘分析报告-Nint数据威(附下载)
摘要:中国家电产业进入到"不惑之年, 40年的风雨历练,已然成为世界的巨人 .随着信息技术的发展,智能家电产品"登堂入室",智能化.云端融合.人机交互已成行业发展趋势 越 ...
- 如何分析用户访问数据呢？
在做网站SEO优化的时候,一定要分析用户访问数据,通过这些数据可以更加的了解用户访问网站的具体情况. 那么,如何分析用户访问数据呢? 一.受访页面 受访页面就是指一段时间内用户访问的页面,通过受访页面 ...
- 高级转录组分析和R数据可视化第11期(报名线上课还可免费参加线下课2020.6)
福利公告:为了响应学员的学习需求,经过易生信培训团队的讨论筹备,现决定安排扩增子16S分析.宏基因组.Python课程和转录组的线上直播课.报名参加线上直播课的老师可在1年内选择参加同课程的一次线下课 ...
最新文章
- 广东java工资一般多少_广东java工资待遇,广东java工资一般多少,广东java工资底薪最低多少...
- Java线程池的拒绝策略
- P6348 [PA2011]Journeys 线段树优化建图 区间连区间
- js模版引擎handlebars.js实用教程——结束语
- Linux 文件打乱顺序
- Android开发艺术探究Note
- 决策树学习笔记整理【转】
- 火狐浏览器jtopo节点切换tab后消失报错NS_ERROR_FAILURE的解决
- Android深度探索-卷1第二章心得体会
- 计算机网络的分层结构、协议、服务和接口
- Alpha阶段事后分析报告
- 怎么用计算机弹电脑病毒音乐,怎么制作电脑病毒？简单电脑病毒制作方法
- ecshop网店系统简评
- extmail如何登陆mysql_linux下ExtMail邮件使用及管理平台
- js 单击、双击、连续多次点击
- 你真的会用三目运算符吗？
- 海尔电视 android,海尔电视怎么投屏
- 用户数据报协议---UDP协议【详解】
- jquery竖向走马灯_jquery实现页面百叶窗走马灯式翻滚显示效果的方法_jquery
- TIA portal v14怎么安装？