1. 概述
1.1 以消费者为中心的精细化运营
1.1.1 消费者主权崛起
前端与后端
前端——面向用户,运营、销售等
后端——成本单元,开发、行政、财务等
数据分析通过对业务的分析,使用数据连接企业前端与后端
KOC与KOL
KOC(Key Opinion Consumer),即关键意见消费者,一般指能影响自己的朋友、粉丝,产生消费行为的消费者。相比于KOL,KOC的粉丝更少,影响力更小,优势是更垂直、更便宜
KOL(Key Opinion Leader),关键意见领袖,是营销学上的概念,通常被定义为:拥有更多、更准确的产品信息,且为相关群体所接受或信任,并对该群体的购买行为有较大影响力的人。
信息爆炸的时代,挖掘消费者需求的同时,还要培养消费者感情
CRM
(Customer Relationship Management),客户关系管理
企业为提高核心竞争力,利用相应的信息技术以及互联网技术协调企业与顾客间在销售、营销和服务上的交互,从而提升其管理方式,向客户提供创新式的个性化的客户交互和服务的过程。
SCRM
(Social Customer Relationship Management),社会化客户关系管理
以管理对象的社交价值为核心的CRM管理,更加以消费者为中心,并且以如何充分发挥每个消费者的社交价值为业务流程创新的重点。
CRM:消费者=收入的贡献者
SCRM:消费者=口碑贡献者、品牌信任贡献者、消费热情贡献者
CDP
(Customer Data Platform),客户数据平台
以客户数据为中心,包括来自PC、移动zhi端、线下门店、物联网等实时和非实时数据,所有的数据都以营销人的视角来进行归类、分析、整合和应用,帮助企业做出正确的决策,实现商业目标。
CEM
(Customer Experience Management)客户体验管理
以提高客户整体体验为出发点,注重与客户的每一次接触,通过协调整合售前、售中和售后等各个阶段,各种客户接触点,或接触渠道,有目的地,无缝隙地为客户传递目标信息,创造匹配品牌承诺的正面感觉,以实现良性互动,进而创造差异化的客户体验,实现客户的忠诚, 强化感知价值,从而增加企业收入与资产价值。
1.1.2 存量用户精细化运营
零和竞争
通常指一种技术的应用带来的市场份额上的增加,必然会导致另一种技术在市场份额的减少,双方加起来的总变化量为零。零和竞争也用来比喻无法带来总量增加或整体进步的恶性竞争。
获客成本增高,说好听点转为存量运营,其实是为了守住自己的阵地
互联网人口红利用尽,存量时代来临,企业的增长必须靠消费者的精细化运营来实现。但对于大部分企
业,都还是“知行不一”的:市场费用的投入还是一种粗放模式,看不到增长效果,也找不到发力的突破
口,只能再投,最终形成恶性循环。
CPA、CPS、CPC、CPM推广
根据不同付费方式区分推广
CPA:(Cost Per Action)通过推广之后的用户行为进行收费,投放广告之后按照订单数量等方式进行统计,此种方法推广风险较高,但是成功之后的效果比CPM更好。
CPC:(Cost Per Click)按照点击量来进行收费的,但是收费方式对于推广网站来说并不适用,因此并不常用,有的网站对APP进行了宣传,也达到了宣传效果,但是没有人进行点击,会使得推广方得不偿失。
CPM:(Cost Per Mille)按照千次曝光进行计算收费的方式,假设收费方式为10元/CPM,那么每一千个人看见推广广告,你就需要给推广商支付10元。这是目前比较流行的推广方式之一,可以有效增加曝光率。
CPS:(Cost Per Sales)通过实际的销售量进行收费的,更适合购物类APP进行推广,但是需要精确的流量进行数据统计转换,很多软件都通过此类方式成功推广。
对于企业来说,本质上是因为一段时间内,钱与用户都是非可再生资源,“有限”是其最大的特点。
努力抢别人的,防止别人抢自己的。
1.1.3 用户全生命周期管理(用户链路运营)
增长黑客
增长黑客,英文「Growth Hacking」,指的是创业型团队在数据分析基础上,利用产品或技术手段来获取自发增长的运营手段。
说通俗一点,一家初创公司或者大中型公司内部针对新产品线而诞生的创业型团队,以数据驱动营销,以市场指导产品,通过低成本的手段解决公司产品早期增长问题。
增长黑客这一概念起源于美国互联网行业,最早由 Sean Ellis 提出,已经帮助硅谷多家公司完成产品的快速增长。其中最著名的案例包括 Dropbox,Hotmail,Facebook。近年来,增长黑客的概念传到国内,也引起了众多创业者的关注。
AARRR模型
即Acquisition(获取用户)、Activation(激发活跃)、Retention(提高留存)、Revenue(增加收入)、Referral(传播推荐)
整合营销&链路营销
整合是为了占据消费者心智,而链路是为了驱动消费者行为。
国内企业由此衍生的各类链路营销模型
AIPL模型(阿里)
(首次实现品牌人群资产定量化、链路化运营)
- A(Awareness),品牌认知人群。包括被品牌广告触达和品类词搜索的人;
- I(Interest),品牌兴趣人群。包括广告点击、浏览品牌/店铺主页、参与品牌互动、浏览产品详情页、品牌词搜索、领取试用、订阅/关注/入会、加购收藏的人;
- P(Purchase),品牌购买人群,指购买过品牌商品的人;
- L(Loyalty),品牌忠诚人群,包括复购、评论、分享的人。
AIPL模型帮助阿里对“品牌人群资产”做到量化统计,把品牌在阿里系的人群资产定量化运营,是支撑它全域营销概念落地的关键一环。
品牌所有AIPL资产数据都可以被存在数据银行(Data Bank)中,靠的是用户在阿里体系那个共通的身份(UNI-ID)。
流量池、私域流量
流量池,出自luckin coffee CMO杨飞所著《流量池》一书。
流量池:流量的蓄积的容器,主要是为了防止有效流量流走而设置的数据库。
私域流量
指从公域(internet)、它域(平台、媒体渠道、合作伙伴等)引流到自己私域(官网、客户名单),以及私域本身产生的流量(访客)。私域流量是可以进行二次以上链接、触达、发售等市场营销活动客户数据。
1.1.4 消费者旅程(CXJ)与消费者时刻(MOT)
- 消费者旅程(Customer Journey或Customer Experience Journey,简称CXJ,也称消费者历程),将消费者的购物行为描述为从认知到兴趣,再从兴趣转化为购买,以及从购买转化为忠诚的一连串先后发生的过程。
- 消费者时刻(Moment of Truth,简称MOT)是CXJ中的一些关键“里程碑”似的节点。
1.1.5 用户分级体系(用户标签与用户画像)
用户画像有一个演进过程,一开始通过一些外部获取的数据构建用户画像
-
标签特征
-
从特征到标签
-
从标签到画像
-
千人千面精细化策略
1.2 以数据为核心的驱动闭环
1.2.1 以数据为核心的驱动闭环(PDCA)
PDCA:又称戴明环,将质量管理分为四个阶段,即Plan(计划)、Do(执行)、Check(检查) 和 Act(处理)。
在质量管理活动中,要求把各项工作按照作出计划、计划实施、检查实施效果,然后将成功的纳入标准,不成功的留待下一循环去解决。
1.2.2 以用户数据为核心的CDP
CDP
(Customer Data Platform)即客户数据中台
是通过收集并处理用户在第一方/第二方/第三方平台的数据,实现用户细分,进行精准的自动化营销和广告投放的系统。旨在挖掘开发潜在客户,以及维系老客并提升其价值。
DMP
(Data Management Platform)数据管理平台
是把分散的多方数据进行整合纳入统一的技术平台,并对这些数据进行标准化和细分,让用户可以把这些细分结果推向现有的互动营销环境里的平台。
MA
(Marketing Automation)自动化营销
是指企业在众多在线渠道(邮件、SNS、网站、移动等)上,为了更加有效地进行营销而被设计的软件平台和技术。
ERP
(Enterprise Resource Planning)企业资源计划
建立在信息技术基础上,以系统化的管理思想,为企业决策层及员工提供决策运行手段的管理平台。
神策数据的CDP结构
与业务结合的核心能力
2. 精细化运营之用户认知
神策界面
2.1 核心目标
以最少的钱,从公域流量池中获得更多的用户
神策是根据User-Event创建结构的
埋点、无埋点、全埋点
事件分析
漏斗分析
- 成本分析的演变:从CPM,到CPC,到CPA,再到CPS
- 漏斗窗口期,根据核心行为发生步骤来判断
2.2 指标构建
2.2.1 使用时长
使用App退出时间来统计
2.2.2 用户访问深度
通过新用户登录后浏览量来表现,这就要用到Session分析
Session分析
是对连续事件的分析
-
步骤 1:将用户的行为序列,按照发生时间远到近进行排序
-
步骤 2:以第一个行为作为起点,向后进行匹配。
-
若匹配到的是一个开始事件:那么会自动切断会话;以这个开始事件作为起点,进行第二个session 的匹配
-
若匹配到的是一个结束事件:那么会将这个结束事件划入到当前会话中;以结束事件的下一个事件作为起点,进行第二个 session 的匹配
-
若在切割时间内没有匹配到任何事件:那么就会自动切断会话;以下个事件作为起点,进行第二个session 的匹配
-
Session的几个概念
- 跳出率: Session 中只发生一个事件的 Session 个数除以总 Session 数。比如有三个 Session,第一个 Session 事件序列为 A,B;第二个 Session 事件序列为 A;第三个 Session 事件序列为A,C,B;则 Session 总体的跳出率为 1/3。
- 退出率: Session 的退出率包括 Session 中某个事件的退出率 和 Session中任意事件的退出率。某个事件的退出率指该事件作为 Session 的结束事件的次数除以该事件发生次数,任意事件退出率指 Session 数除以 Session 中所有事件发生次数。比如有三个 Session,第一个 Session 事件序列为A,B;第二个 Session 事件序列为A;第三个 Session 事件序列为A,C,A;则 Session 中A事件的退出率为 2/4, 任意事件的退出率为 3/6。
- Session 时长: Session 内最后一个事件触发的时间减去 Session 内第一个事件触发的时间。
- Session 深度: Session 内触发事件的次数。
- Session 内事件时长: 假如某 Session 内事件触发顺序为 a > b > c > d,则事件 a 的时长为 b 减去 a,事件 d 的时长未知。
- Session 初始事件: Session 内第一次触发的事件。
- Session 属性: d 处的 Session 属性是指一个 Session 中初始事件的属性。比如一个 Session 的事件序列为 A,B,C;A 事件的操作系统为 iOS,B 事件的操作系统为 Android,C 事件的操作系统为空,则这个 Session 中的 Session 属性操作系统应该是 iOS,是第一个事件对应的操作系统属性值。
2.2.3 收入指标
ARPPU
ARPPU (Average Revenue Per Paying User): 平均每付费用户收入
ARPPU = 总收入/APA
ARPU
ARPU(Average Revenue Per User) :平均每用户收入。
ARPU = 总收入 / AU
复合型指标(自定义指标)
即需要做复合运算的指标,如ARPU值
付费率
2.3 渠道追踪的构建方法
2.3.1 追踪访问某个网页的渠道来源(该网页必须集成神策的 JS SDK并开启全埋点)
如需追踪访问某个网页的渠道来源,例如将您的官方网站链接投放到百度、头条等渠道,需要追踪访问该网页的用户来源于哪个渠道,可以使用神策的网页通用渠道追踪。
UTM参数
Urchin Tracking Module, Google 用来追踪网址(URL)的格式。当我们设定好UTM参数,即可追踪网站活动的流量来源,不同流量来源所占的比例等。
因为UTM参数不能用于HTTPS链接,所以推广链接建议用HTTP
2.3.2 追踪打开某个微信小程序的渠道来源
如需追踪打开某个微信小程序的渠道来源,例如将对应的小程序码或二维码等投放到百度、头条等渠道,需要追踪打开该小程序的用户来源于哪个渠道,可以使用神策的微信小程序推广。
2.3.3 追踪通过某个网页或链接等下载 App 的用户
如需追踪通过某个网页或者链接等下载 App 的用户,例如在您的官方网站或其他网页中有投放您 App的下载链接/二维码,需要追踪通过这个网页下载激活 App 的用户,可以使用神策的App通用渠道。
2.3.4 追踪通过第三方广告商在 App 内投放的广告下载 App 的用户
如需追踪通过第三方广告商在 App 内投放的广告下载 App 的用户,例如您在今日头条、广点通等渠道投放下载 App 的广告,需要追踪通过该渠道下载激活 App 的用户,可以使用神策的App内推方式。
2.4 应用场景
2.4.1 渠道评估,优化投放
通过各渠道的指标进行分析,优化渠道投放策略
2.4.2 用户洞察,优化投放(潜客分析)
通过用户的各个指标(性别、年龄、地域、行为偏好、标签、活跃周期)进行分析,优化内容投放策略
2.4.3 虚假流量识别与流量分析
广告投放环节
- 第一步,广告主选择投放哪种广告,常见的形式包括 SEM、DSP、信息流、开屏广告等;
- 第二步,确认广告的付费形式,常见的广告付费形式有 CPM、CPC、CPA、CPS 为主要的结算方式,分别按照展示量、点击量、 转化量、销售额结算;
- 第三步,跟踪广告的投放数据,常见的投放数据有展现量、点击率、点击量、消费、成功注册量、下载量等。
机器作弊+人为作弊
机器作弊:机器发送、肉机访问、修改DNS/IP访问、爬虫访问
人工作弊:人工点击广告、人工下载、人工访问
识别虚假流量的常见维度
一般来说,真实流量一般自然 (真实的流量在各个维度中表现一定是自然的)与多样(网民的喜好各不相同,行为一定也是多样的)。
而对于虚假流量,常表现出一定的目的性(虚假流量的产生一定和某个特定的目的有关)和规律性(特定的目的导致虚假流量一定有特殊的规律)。
由于虚假流量与真实流量在具体访问行为有较大差异,围绕用户行为可从以下几方面识别出虚假流量。
1. 基本属性
具体包括:时间 & 地域维度、终端类型、操作系统、联网方式、运营商、IP 集中等。
时间维度 & 地域维度
终端类型
2. 产品参与度
具体包括跳出率、平均访问深度、平均访问时长、用户行为路径、页面点击情况、流量留存情况、单页
面人均访问次数等。
(1)跳出率
(2)平均访问深度
(3)平均访问时长
(4)用户行为路径
(5)页面点击情况
(6)留存情况
(7)流量的单页面人均访问次数
3. 转化情况
3. 数据基础
3.1 什么是用户分析
即通过用户的一些表现,反馈出分析师的一些困惑
分析要经历的3个步骤:
- 提出业务问题
- 定义问题的分析对象,具体是哪个行为
- 对行为进行统计和分析
3.2 如何描述用户行为
在神策分析中,我们使用“事件模型(Event 模型)”来描述用户的各种行为,事件模型包括事件(Event)和用户(User)两个核心实体。
3.2.1 Event实体
一个完整的事件(Event),包含如下的几个关键因素:
Who:即参与这个事件的用户是谁。
When:即这个事件发生的实际时间。
Where:即事件发生的地点。
How:即用户从事这个事件的方式。这个概念就比较广了,包括用户使用的设备、使用的浏览器、使用 的 App版本、操作系统版本、进入的渠道、跳转过来时的 referer 等,目前,神策分析预置了如下字段用来描述这类信息,使用者也可以根据自己的需要来增加相应的自定义字段。
What:以字段的方式记录用户所做的事件的具体内容。不同的事件需要记录的信息不同,下面给出一些典型的例子:
$app_version:应用版本
$city: 城市
$manufacturer: 设备制造商,字符串类型,如"Apple"
$model: 设备型号,字符串类型,如"iphone6"
$os: 操作系统,字符串类型,如"iOS"
$os_version: 操作系统版本,字符串类型,如"8.1.1"
$screen_height: 屏幕高度,数字类型,如1920
$screen_width: 屏幕宽度,数字类型,如1080
$wifi: 是否 WIFI,BOOL类型,如true
神策中自定义查询支持SQL查询数据
3.2.2 User 实体
每个 User 实体对应一个真实的用户,每个用户有各种属性,常见的属性例如:年龄、性别,和业务相关的属性则可能有:会员等级、当前积分、好友数等等。这些描述用户的字段,就是用户属性。
3.2 埋点方案的制定——事件设计
采集用户行为数据,首先需要根据业务分析需求明确采集的目标行为,进一步搞清楚应该在哪些地方埋什么样的点。
这个环节的输出物一般被称之为“埋点需求文档(DRD)”。
在大部分互联网公司,规范的产品迭代流程是,业务侧产品经理在输出“产品需求文档(PRD)”的同时,数据产品经理或分析师等角色需要同步输出 DRD,双方的需求同步进入开发和测试验收。
由于神策的底层数据模型是 Event + User 的事件模型,因此埋点在神策分析里被称之为“事件”,埋点需求文档则被统称为“采集方案设计”,本节的工作需要借助神策方提供的《数据采集方案》模板来完成
3.3.1. 采集方案思路
采集方案设计的核心思路,大体来说分为如下几点:
- 将用户指标拆解为单个或多个行为动作;
- 将需要分析的目标动作抽象为“事件”,添加事件维度;
- 根据业务需求,整体完善采集方案设计;
3.3.2. 不同事件设计
行为颗粒度
对于相似场景,比如,提交门票订单,提交机票订单,在设计事件时是针对每个场景单独设计还是合并成一个事件?有两种设计思路共参考:
A.设计为同一事件,适用场景:各事件所需属性相差不大;平时分析场景多整体分析。
B.设计为不同事件,适用场景:各事件所需属性相差很大;分析场景多分别分析。如果采用本思路,也建议在一些相同属性上用一样的属性名称,便于今后使用“虚拟事件功能”来整体分析。
例 : 简单 的统计三个按钮 A、B、C 的点击情况时,不需要做成 “点击 A 按钮”、“点击 B 按钮”、“点击 C按钮” 三个事件,而是做成 “点击按钮” 事件,将 A、B、C 三个按钮以属性 “按钮名称” 进行传递。
被动事件
被动事件:由于神策分析中的漏斗分析、留存分析等都需要事件的触发主体是同一个人,所以在一些场景下需要给用户触发被动事件,如用户提交认证后,需要审核,审核并不是由用户主动触发,可设置为被动事件。
User表注意
• 单边,双边用户
单双边是针对产品有多个身份使用用户时才会进行区分。单边用户,即仅有一 类用户的产品,如健身产品Keep,聊天工具 QQ 等 ; 双边用户如 O2O 产品,用户可能是普通消费者,也可能是商家用户。需要根据产品的不同,提前对用 户识别和相应属性进行设计。
• 缓慢变化维
如果遇到一些会发生变化的属性,比如用户的 VIP 等级,不能只作为用户属 性传进用户表中,还需在事件表中,记录一个 “当前发生事件 VIP 等级” 这个 属性。因为当前会员等级的统计,和发生事件时用户的会员等级统计是两种情况。