数据分析小思路
在我看来,下面的一些方法是用来从数据去寻找规律,偏向于业务,尽管不多,但需要不断去熟悉锻炼这方面的敏感度,而且分析时往往涉及多个角度也就是多个方法。
漏斗分析
顾名思义,漏斗分析是基于用户行为路径,能够科学反映用户行为状态以及从起点到终点各阶段用户的转化率情况。
比如针对电商中的老用户,他的行为路径就是浏览——点击——(加购)——付费
,拆解成更加细致的流程有利于问题定位,进而提供改进措施,功能优化等等。
拆解分析
这里我认为拆解分析一般用于拆解那些核心指标,因为核心指标一般用来反映产品或者服务的整体情况,是一个高度概括的指标,比如营销额GMV。
拆解一般应从一下几个角度进行:
- 用户画像
- 用户基本数据(性别、年龄、职业、地域等等、是否是会员)
- 交易类数据(消费金额、消费频次等)
- 用户行为数据(页面浏览时长、页面访问频次、点赞、收藏等)
- 偏好类数据(兴趣爱好、领域、品牌)
- 新老用户
- 用户渠道(衡量渠道的质量)
- 用户登录入口
- 用户机型
对比分析
对比分析主要可以从时间
和空间
来进行对比
时间上有环比、同比
空间主要是同一时间与其他产品和服务之间进行,以及与心理预期做比对
留存分析
- 首先就是先确定产品的使用周期
不同的产品关注的留存是不一样的,比如内容类、社交类产品,关注短期留存,如次日留存率、第3日留存率等,而电商类可以关注周留存率,而出行类产品可以关注月留存率。 - 拆解分析
这里就不多说了,就是按照不同维度将用户进行拆解,不过主要从新老用户、用户渠道、用户消费能力亦或者是用户活跃度进行。 - 漏斗分析
对拆解后的用户群体进行漏斗分析,观察每一流程的转化率,找到某类用户转化率低的流程,这样就可以做相应的改进啦。 - 功能分析
除了针对于不同类型用户以及业务流程来进行,还可以针对具体的产品功能进行,通过矩阵画出横轴为功能使用留存纵轴为功能用户活跃比
的图,可以定义功能是属于大众功能还是核心功能还是小众功能,进而来看是否能过通过某些功能来增加一些用户的粘性。
用户分群
用户分群就是针对符合某种特定行为或背景信息的用户,进行特定的优化和分析,这里可以通过拆解分析的方法,当然还有一个重要的模型就是可以用来评估用户价值的RFM模型。
针对不同的用户,对用户偏好行为进行分析,归纳总结规律,从而针对性地提出各个不同类型用户的建议。
归因分析
最早应用在了广告投放行业,也可以用来判断活动对最终销售额的影响。
一般来说归因分析有以下几种方法:
- 末次互动归因方法
- 首次互动归因方法
- 位置归因分析方法
- 时间衰减归因方法
- 线性归因方法