互联网业务数据分析报告及用户分层模型
一、业务逻辑回顾及互联网相关指标
1、实战项目与业务逻辑回顾
数据报表(数据源)→用户画像(数据分析)→数据化运营(决策指导)→商业分析(宏观判断)→分析报告(结论梳理)
- 数据报表——内部数据(直接调取、后台下载)、爬虫程序、数据采集器、第三方工具
- 用户画像——通过标签体系对用户信息汇总统计,经过可视化统计处理得到用户画像体系。结合用户画像,可以进行价格歧视、价格调整、精细化选品、精细化运营、评估不同店铺的产品定位和运营能力等。
- 数据化运营——四象限分析法解决多维度数据比较问题(如多广告组优化)、结合产品生命周期实现精细化+数据化运营(引入期低价占据市场份额、成长期尝试调整价格逐步提升利润、成熟期不断调整价格保证利润积累数据资产、衰退期通过营销等方式进入下一个生命周期)
- 商业分析——例如,通过分析6种渠道发售策略下不同因素对电子书销量的影响决定发售策略
- 分析报告——日常型分析报告
(1)日常型分析报告
- 表一:主站下滑少,新版首页下滑多,说明新版首页用户有很多非主站典型用户,通过对减少UV的UID进行统计分析来验证
- 表二:[金刚位(会员购首页搜索框下面的固定分类选项),feed流(随着页面下滑可以看到商品的刷新),banner(左上自动弹跳界面),豆腐块(手机端前四个曝光的产品)]做产品点击汇总,有助于产品经理对上一周的产品进行汇总及迭代(例如每周采用不同的素材曝光方式,通过环比波动变化等数据分析统计发现更好的一个统一的曝光方法),帮助产品经理分析分析使用部分版位的人是越来越多还是越来越少,发现用户对各个版位的点击偏好,对部分版位进行针对性地优化
- 表三:用户发现越来越多优秀产品,手办模型点击率上升;疫情等原因演出减少,故漫展演出点击率减小
- 表四:点击环比都是上升的,说明前面的分析都是正确的,反映了用户的点击偏好范围
- 表五:内容点与产品点的汇总,分析整体趋势,曝光均下降,与表一一致,用户量下降曝光自然也会下降;点击有些是上升的(美图、资讯、弹幕),可能是短期现象,也可能是产品经理在培养用户习惯,希望用户更多地去点击这几个板块,需要结合更多的数据报表来验证;点击占比,商品卡片和弹幕属于主流分析思路,结合点击占比和点击趋势进行分析,弹幕增长明显,可以优化弹幕体验
该表展现了更宏观的数据汇总。会员购商品新客数下降,可以考虑供给端是否提供了更多商品,需求端商品是否满足用户需求
关键点汇总、意外/临时性情况、数据说明了什么/如何使用这个数据/如何指导决策
日常型分析报告思路:首先是整体的汇总,结合不同的产品位、不同的类目、细节功能点以及详细功能属性的点击汇总,然后进行用户数据汇总(分新客、老客→可以分析用户增长和用户黏性),提出关键点,再单独分析最近的特殊状况,并针对这些临时性状况提出优化建议。
(2)调研型分析报告
- 组成:1.分析背景 2.分析目的 3.分析思路 4.分析内容 5.结论 6.建议;
- 目标:1.展示分析结果 2. 验证分析质量 3.提供决策参考;
- 形式:1.数据分析报告或文章;2.PPT制作数据分析报告;
主要用于咨询、金融、投资行业
例如,2018年中国服饰数字化零售研究报告的分析报告框架:服饰行业概述、服饰零售数字化、数字化案例分析、服饰零售趋势展望
①分析背景
中国服饰行业发展现状→市场规模发展历史→细分类目现状→品牌电商渠道发展历史→服饰行业未来发展趋势(社交电商/传统品牌/服务商)
②分析目的与分析思路
行业消费特征→数字化零售定义→数字化供应链定义→数字化运营定义→数字化运营/渠道/营销/工具定义
③分析内容
优衣库案例分析→绫致案例分析→影儿案例分析→都市丽人案例分析→奥康案例分析→黑鲸/马威案例分析 (他们做了什么,取得了什么效果)
④结论及建议
数字化成为行业基础建设设施→大规模个性化定制成为主流→品牌商逐步提升对产业链话语权→有望诞生中国时尚品牌巨头→服饰社交电商将进一步革新升级(主要是社交电商)
(3)展示型分析报告
①数据动图/视频
常用于反映数据的趋势变化情况或规律。相比静态图表,动图的呈现方式更加直观而形象。
例如,《美国性别年龄结构趋势图》——Pew Research、《新闻资讯平台MAU变化趋势》——QuestMobile
②数据地图/仪表板
通过地图/仪表板等作为背景呈现数据,使读者更加直观感受到数据分布。
例如《中国酒量地图》、疫情分布图
③数字具象化
通过更加具体形象的图形(如实物、表情等)来表单相应的数据内容,丰富数据意义。
2、常用的数据统计指标
标准分通常在质量控制中的应用:如果生产一套有标准尺寸的组件,将所有生产的产品的实际尺寸进行统计,计算标准差,计算某一个意外产品距平均值的距离有6西格玛,说明工艺存在问题。
3、电子商务运营中统计指标拆解
- GMV(总类目+分类目)+流量(PV)+对应用户(UV)+客单价+新老用户(支付)+转化率+周/月/季度变化+不同渠道贡献
- 父用户(上游)+子用户(下游),例如第一层甲是b站会员购用户,第二层乙是非b站会员购用户,一级一级不停营销裂变
- 跳出率:某一个页面的数据,衡量一个页面对用户的吸引力,用户没有点击行为就是跳出
- ARPU(平均每个用户能产生多少收益):在电商领域里不是很常见,电商一般都是客单价,ARPU一般是用在游戏领域
- 付费频率与付费率:付费频率看用户价值,付费率是看产品价值