第一部分
用户分析是电商数据分析中重要的模块,在对用户特征深度理解和用户需求充分挖掘基础上,进行全生命周期的运营管理(拉新—>活跃—>留存—>价值提升—>忠诚)。当你发现本月的支付用户数环比上月大幅下跌(超30%),你会如何去探查背后的原因?请描述你的思路和其中涉及的关键指标。
1. 明确问题
明确问题包括明确数据来源和准确性以及业务指标理解。
首先明确时间是本月,以上月为基准进行对比;明确地点是哪个城市还是所有地区,明确数据来源的部门,以及是否可靠无误等。
其次是业务指标的理解,即明确指标的具体含义:支付用户数=用户数*转化率,因此需要采取多维度拆解分析的方法探究支付用户数环比上月下跌超30%的原因。
2. 分析原因并做出假设及验证
2.1 多维度拆解分析
首先将用户数拆分成新用户数与老用户活跃人数,新用户指近段时间新增的活跃用户,老用户活跃人数指曾经在平台购买过商品且近段时间仍活跃的用户数。
其中新用户可以按照获客渠道分成渠道A新用户、渠道B新用户、渠道C新用户等。
同样地,转化率也可按渠道分成渠道A转化率、渠道B转化率、渠道C转化率等。
按照上述拆解方法,可以提出以下三个假设:
假设一:渠道A、B、C新用户数中有减少
假设二:渠道A、B、C转化率中有降低
假设三:老用户活跃人数下降
2.2 验证假设
先看假设一,对于不同渠道新用户数是否减少的验证,需要收集数据做假设检验,分析每个渠道的投放效果,并通过对比分析确认是否有某渠道的新用户数明显降低。
一旦确认,那么便要对该渠道的新用户进行构成分析,即先按照年龄构成、性别构成、职业结构、地域组成等几种常见方式分别拆分该渠道的新用户,再同样地收集数据做假设检验,将下降的原因定位到某个或多个人群,并检查对应人群的投放是否有效。
再看假设二,同样地经过对比分析后确认是否有某渠道的转化率下降。如果有,则可将用户转化的过程按业务流程进行拆解:
广告 >> 进店>>选择商品>>购买
对以上过程收集数据,使用漏斗模型,采取假设检验,验证每个流程环节是否有问题。
对于假设三,一样先通过假设检验和对比分析(在时间维度上对比)判定是否存在老用户活跃人数的降低,若降低则可以按照三个维度来进行具体分析:用户、产品、竞品。
结合产品运营的具体情况,可以初步做出一些判断,例如用户购买体验不好,产品描述与实际不符、产品售后服务不够好等等。
2.3 总结原因
根据假设验证的结果,可以提炼出初步的可能原因。例如:
1)原始渠道A用户发生改变,导致渠道导入量下降,具体表现20-35岁年龄段人数下降,35-50人群年龄段占比上升,而20-30岁群体是我们平台的主要使用人群。
2)产品更新迭代,用户习惯之前的界面,还没有适应。
2)由于之前平台大促,导致平台的售后和产品质量方面波动较大,用户颇为不满。
总结新用户引入不够,老用户留存没做好,产品本身改动,导致出现了这种大幅下跌的情况。
提出建议
例如针对以上的分析提出以下建议:
1)渠道A用户人群转移,考虑撤回渠道投放或者修改投放内容,吸引35-50岁人群用户进入平台,提高转化。
2)用户使用体验不佳,建议对部分用户推更新版本,建立对照组,进行AB测试。
3)从平台的评论,对于中差评老用户进行回访,明确原因,进行挽回。