本文来源于公众号渔好学

01

什么是漏斗分析

漏斗分析是一种可以直观地呈现用户行为步骤以及各步骤之间的转化率,分析各个步骤之间的转化率的分析方法。

比如对应我们每一次在淘宝上的购物, 从打开淘宝app, 到搜索产品, 到查看产品详情, 到添加购物车, 到下单, 到成功交易, 漏斗分析就是帮助我们去计算每一个环节的转化率。

从打开淘宝app 到搜索的转化率, 从搜索产品到查看产品的详情的转化率,从查看产品到添加购物车的转化率, 从添加购物车到下单的转化率等等。

02

漏斗分析的价值

漏斗分析的价值主要有:  功能优化, 运营投放, 用户流失等。

功能优化: 

以视频制作工具为例, 从下面我们可以明显看出, 进入到上传视频的转化率只有80%, 可能是上传入口不明显, 上传的引导不够, 上传功能的吸引程度不够等原因引起的, 我们就可以去优化上传功能。

运营投放: 

以运营投放类为例, 在实际业务中经常会对一些定向的用户投放一些活动, 让他们参加活动, 比如针对游戏的业务, 会定期针对潜在的付费用户投放一批充值优惠大礼包活动。

从下图的触达到参与的转化率只有 62.5%, 说明我们选的定向的用户可能对于我们的活动不是非常感兴趣, 可能是这批用户本身不是特别喜欢参与活动, 所以我们就可以重新选取其他可能更加可能响应的用户来做定向推送。

那么怎么选取最有可能参与活动的用户呢, 这里最简单的就可以用用户特征分析的方法来, 我们可以分析出参与活动和不参与活动的特征差异, 进行对比,

也就是采取对比的分析方法, 具体可以见数据分析方法和思维—对比细分

分析的结果就可以得到比如参与活动的用户可能本身在过去的付费频次上更好, 付费的金额更大, 并且在游戏的平均时长, 平均的游戏局数上更多, 年龄集中在18岁以下的群体中。

那么我们就可以用这些特征去圈定更多的用户去做投放。

另外一种去优化定向用户提高参与率的方法就是去利用模型去提前预测好哪些用户可能会参与活动, 可能使用的模型比如决策树, 逻辑回归等分类模型。

用户流失:

以电商app 淘宝为例, 假如我们的订单人数下降了, 这时候就需要梳理用户购买链路, 把用户从打开app 到下单的所有的链路都梳理一遍, 然后利用漏斗分析, 计算每个环节的转化率。

假如我们梳理链路中发现, 从搜索商品到查看商品的转化率很低,  那么我们就需要看是否是很多搜索无结果, 或者是搜索中的结果很多用户不太满意, 导致用户不买单。

那就可以把电商的付费问题转化为搜索的问题, 从而又可以对搜索的整个转化链路再做一次漏斗分析, 一步步的去定位问题。

03

漏斗分析的应用

在用户增长的最出名的漏斗模型叫做AARRR, 即从用户获取, 用户激活, 用户留存, 用户付费到用户传播。

以拼多多为例, 以AARRR漏斗模型解析拼多多的用户增长之路。

1.用户获取

拼多多主要的目标群体是三四线城市,这也属于现有电商平台比较空白的区域,对于三四线用户来说,最好的吸引方案就是优惠。

而且三四线用户时间充足,时间成本于他们而言是非常低的,而砍价也是一种惯常的方法,在他们的群体中很少存在对贪小便宜歧视的问题,也没有太多的社交压力,甚至砍价可以变成一种联系的手段,砍价群又何尝不是一种交流。

他们也很乐意用时间和社交成本来换取更大的优惠。所以砍价这种优惠活动红极一时,也帮助拼多多拉取了很多流量。

砍价活动借助微信朋友圈和微信群的关系链, 成为爆发式的转发和增长, 一般亲朋友不会拒绝你的要请砍一刀。

2.用户激活

当拉到新用户的时候, 就要保证最大程度的去激活他, 拼多多采取的做法也是跟拉新类似, 就是不断用用户的传播去触达好友。

当一个用户被其他朋友反复触达的时候, 自然而然就会去打开曾经下载过的app,在其他朋友感受到拼多多百亿补贴各种补贴各种优惠的真香的时候, 自己也会去尝试。

3.留存

为了提高用户的留存, 拼多多提供了一个签到领取奖品的活动鼓励用户每天都打开app 来签到打卡, 签到满XX天就可以送你对应的商品礼物, 大大促进拼多多用户群体的薅羊毛的心理, 同时也提升了留存。

除了这个活动拼多多里面还设置了不同的各种小活动, 满足不同的用户群体的需要, 在玩小任务的过程中领取对应的奖励。

4. 用户付费

拼多多以优惠券等的形式刺激用户下单, 比如下面的下首单并赚XX元, 而且还不给你叉掉这个页面的按钮。

还有就是非常出名的百亿补贴, 直接用大额现金给用户补贴, 这一个打法把一二线的用户也被转化了;

还有就是0元下单的活动, 0元免费下三单全额返还金额的活动;

以及限时优惠限时秒杀, 9快手特卖等都是促使用户去下单等活动;

页面上也是各种“”XX已经拼单“”等文字的提醒引导也是促进用户下单。

5. 用户传播

传播主要依赖微信这个流量大平台以及微信关系链, 朋友之间的传播氛围, 有些东西是要转发朋友才可以领取现金以及拼单以及优惠, 在这些优惠面前, 转发的成本变得很小。

另外拼多多上是有一些真的实惠又好用的高性价比的商品, 这种的商品会引发朋友之间互相推荐。

以上的一些原因, 拼多多的商品和玩法在朋友之前疯狂流转, 在传播的过程中, 每个用户都熟知了拼多多可以做到这么实惠的玩法, 被触达的用户又会开始新的转发, 从而引爆增长。

社交网络的增长是没有尽头的, 也是阻止不了的, 一代帝国的诞生!

扫描下方二维码,关注公众号,获取更多精彩内容!

数据分析方法和思维—漏斗分析相关推荐

  1. 数据分析方法和思维—相关性分析法

    01 写在前面 在数据分析的问题中, 经常会遇见的一种问题就是相关的问题, 比如抖音短视频的产品经理经常要来问留存(是否留下来)和观看时长, 收藏的次数, 转发的次数, 关注的抖音博主数等等是否有相关 ...

  2. 数据分析方法(1)之漏斗分析

    文章目录 1.理论 1.1. 定义 1.2. 使用场景 1.3.例子 1.4.作用 2.实战 2.1.数据集说明 2.2.数据预处理 2.3.每日各行为用户数 2.4.环节.整体转化率,解析原因建议 ...

  3. 数据分析方法——用户群组分析

    文章目录 数据分析方法--用户群组分析 内容摘要 一.群组分析方法介绍 二.项目背景及目的 三.python实操 (1)数据导入 (2)数据处理 (3)用户群组存留率计算 (4)用户群组存留率可视化 ...

  4. 数据分析方法与思维:漏斗分析

    什么是漏斗分析方法? 从业务流程起点开始到最后目标完成的每个环节都会有用户流失,因此需要一种分析方法来衡量业务流程每一步的转化效率,漏斗分析方法就是这样的分析方法. 漏斗分析是一种可以直观地呈现用户行 ...

  5. 9种最常用数据分析方法,解决90%分析难题

     一.关联分析  关联分析,也叫作"购物篮分析",是一种通过研究用户消费数据,将不同商品之间进行关联,并挖掘二者之间联系的分析方法. 关联分析目的是找到事务间的关联性,用以指导决策 ...

  6. 九大数据分析方法之:周期性分析法

    有小伙伴问:能不能系统介绍下数据分析方法.今天它来啦!数据分析常用的方法有九种,今天先介绍第一种,操作上最简单的:周期性分析法.它是新人们避免犯小白错误的最好方法. 做数据的新人最容易犯啥错?当然是一 ...

  7. 数据分析师不能不知道的5种数据分析方法,解决90%分析难题!

    网上介绍了那么那么多的数据分析方法,但不同的数据分析方法使用场景不同,A常用的B不一定常用. 所以这篇只介绍5种基于逻辑层面的,几乎人人都会用的数据分析方法. 先来分享一下数据分析6大步骤: 按照这6 ...

  8. 数据分析方法和思维—麦肯锡逻辑树分析法

    01 什么是逻辑树 逻辑树又称为问题数,演绎树或者分解树,是麦肯锡公司提出的分析问题,解决问题的重要方法 首先它的形态像一颗树,把已知的问题比作树干,然后考虑哪些问题或者任务与已知问题有关,将这些问题 ...

  9. 数据分析方法之用户画像分析!

    01 写在前面 我们经常在淘宝上购物, 作为淘宝方, 他们肯定想知道他的使用用户是什么样的, 是什么样的年龄性别, 城市, 收入, 他的购物品牌偏好, 购物类型, 平时的活跃程度是什么样的, 这样的一 ...

最新文章

  1. 转载: Python os 模块的功能以及子函数介绍
  2. JGG:青岛大学苏晓泉团队利用条件致病菌指数评估环境微生物风险
  3. Prototype1.5.1源代码解读分析-5
  4. 领域驱动设计(DDD)的精髓
  5. Android 动画 Animator 家族
  6. [AIR] 获取U盘,打开U盘
  7. cmd 文件批量添加前缀
  8. pytorch以图搜图作业
  9. 计算三角形的周长和面积
  10. 未经处理的异常:System.BadImageFormatException:“未能加载文件或程序集“GxIAPINET
  11. 风险准备(金)这样(估)算,来年工作不白干
  12. nisp一级练习题及答案
  13. Python文本文件的输入输出
  14. 还在调API写所谓的AI“女友”,唠了唠了,教你基于python咱们“new”一个(深度学习)
  15. java kafka consumer不消费,报错marking the coordinator (id rack null) dead for group
  16. SECS-GEM通信标准的特点
  17. Translation Rule 和命中法则
  18. cocos2dx Demo
  19. xcode8 解决打印台打印不出来东西
  20. 数据预处理--离散变量处理

热门文章

  1. 苏州移动实习二面惨痛教训
  2. Spark 权威指南 第20章 流处理基础
  3. 学习python制作扑克
  4. 鹧应签证办理v2.3.16 旅游 出国 签证
  5. jQuery读书笔记二 jQuery中的事件与应用
  6. 武侠玄幻之无极剑仙(三)
  7. Redis List
  8. 计算机知识(1)——为什么32位系统只支持4GB内存?
  9. 关系数据库--结构化查询语言(SQL)
  10. 也说拍拍贷无担保模式