神策应用-概述&认知（一）

导读：因涉及其他平台，并包含部分行业敏感信息，故该系列文章不设置全开放，敬请见谅！

背景介绍：

企业的不同部门：

后端：技术部、综合部、财务部——成本单元

前端：市场部、运营部、产品设计、产品经理、广告投放等——收入/利润单元

核心期望：为企业赚更多的钱，如何从消费者身上挖掘更多的价值

 

0.概述

0.1 以消费者为中心的精细化运营

0.1.1 消费主义崛起

讲义主要涵盖的内容主要是在商业分析师层面：

• 懂数据底层和数据分析本身、非常熟悉业务、还需要了解市场上的消费者，需要连接 数据 数据分析 以及前端业务（市场）的整一个链条
• 真正的数据分析师：使用数据来用户增长，或者解决企业（产品、用户）的运营问题
• 好的数据分析师，不光要会做策略，还要会解决方案
• 笔记内容主要是针对消费者一个运营方法，数据驱动方法
• 补充词汇：
  • KOL：关键意见领袖，比如李佳琦
  • KOC：关键意见消费（社交圈里的意见领袖）
• 战略营销导向的变化——飞利浦科特数2015年世界营销峰会演讲，东京
  • 1970-1980：产品导向
  • 1980-1990：客户导向
  • 1990-2000：品牌导向
  • 2000-2010：价值导向
  • 2010- ：价值观与共创导向

 

• 核心：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-SCRM（Social Customer Relationship Management）-CDP-CEM（Customer Experience Management）

• 思考：“互联网”的红利用尽？
  • 每个行业基本都一样，和计划生育等情况有一定的关系，也和现在的产品多样化存在一定的联系
  • 但是是否用尽，尚待商榷；最终还是回归到核心——“挖掘消费者需求的同时，还要培养消费者感情”

 

0.1.2.存量用户精细化运营

• 零和竞争，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。
• 跟十年前不同，那个时候，互联网用户量只有今天的三分之一，移动互联网用户数量只有不到今天的五分之一，广告收入，也只是今天的十分之一不到。
• 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。

 

• 一个月投放100万？都别想砸出一点动静。投放一千万，那只是刚算入场。各家平台的一年的线上推广费用，已开始以亿计算。
  • 到了后期，自己平台的关键词点击，都到了几十元，我们和员工要求，大家把我们的官网，放入收藏夹里，千万别点关键词搜索
  • CPM（Cost Per Mille） CPC（Cost Per Click）CPA（Cost Per Action）CPS（Cost Per Sale）

 

• 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。
  • 所以，对于企业来说预算与流量都是有限的，因此，企业希望做精细化运营，其实是希望能花出去的每一分钱都有效果，最好是来的每个用户都留下，留下的每个用户都活跃，活跃的每个用户都付费转化，
  • 付费的每个用户都复购。其实这些都是企业想要实现精细化运营背后的原因。
  • 核心：努力抢别人的，防止别人抢自己的。
  • 例如下图所展现的：即时通讯（微信）损失的用户时间，很明显的都转移到短视频（抖音等）那边去了。

 

0.1.3 用户生命周期管理（用户链路运营）

• 用户精细化运营，很多的切入角度，其中一个：用户管理
• 对比原来的一种模式：广告等
• 这里所提到的产品就是行业经验，基于数据分析的行业经验，也是该节课所讲的主要内容
• 还有一种完全依赖于机器学习和监督学习的方式，最成功的是抖音和头条的算法

 

增长黑客

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。

 

增长黑客的核心是驱动用户飞涨

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。

 

增长黑客最经典的模式是「AARRR」转化漏斗模型。

也称为增长模型、海盗指标理论、用户生命周期管理、用户链路运营、用户全生命周期管理。围绕每一层漏斗环节，增长黑客可以采用以下几个方式来提升下一环节的用户数量，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）。

 

• 对应公司职能
  • 市场部关注的是获客，其实就是认知
  • 运营部关注的是做活跃、留存和转化
  • 数据增长部关注的是用户增长的裂变
• 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。
  • 基于链路营销和链路运营
  • 衍生的诸多链路模型

 

内容主要说的是阿里的AIPL

 

• 图片概况
  • 爱奇艺的AACAR，其中变异部分为前面两个A，Attention引起注意、Association产生联想
  • 阿里的AIPT，“认知”（Aware）、“兴趣”（Interest）
  • 腾讯的CIT：认知阶段用户、兴趣阶段用户、转化阶段用户
  • 字节跳动的5A，Awareness感知、Appeal好奇、Ask询问
• 这些模型其实都是对于用户生命周期的一个管理

 

AIPL模型

（首次实现品牌人群资产定量化、链路化运营）

“品牌人群资产”很重要，是大家都知道的。比如可口可乐的传奇总裁罗伯特伍德鲁夫说：即使可口可乐全部工厂都被大火烧掉，给我三个月时间，我就能重建完整的可口可乐。这位总裁为什么敢有如此豪言？

最重要的是可口可乐品牌有强大的消费者人群资产，那些听过可口可乐的人、喝过的人、一年买很多次的人。

放在过去，“人群资产”是一个很难量化统计的概念。我们只能定性说可口可乐的人群资产一定比康师傅的多，但是具体有多少是不知道的。

于是，阿里就推出了一个可以把品牌在阿里系的人群资产定量化运营的模型，这也是支撑它全域营销概念落地的关键一环，这个模型叫做：A-I-P-L

 

• 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。

 

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）。

 

• 【私欲流量--拓展】主要的三个因素：流量、数据、载体，能形成一个比较好的闭环

 

0.1.4 消费者旅程CXJ和消费者时刻MOT

 

• 概念
  • MA：marketing automation 营销自动化、用户管理自动化
• 消费者旅程（Customer Journey或Customer Experience Journey，简称CXJ，也称消费者历程）是经典的营销理论之一。
  • 消费者旅程的核心思想——无论它的表现形式是5A（即Aware，Appeal，Ask，Act，Advocate），还是AIPL（即Awareness，Interests，Purchase，Loyalty）——都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。这一过程被称为消费者旅程。
• 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。例如，搜索某个产品，又或者把这个产品的信息分享给其他人。这个概念最初来源于宝洁。
  • 你可以发挥想象——CXJ的全过程，就像或明或暗若隐若现的一条弯弯曲曲的道路，而MOT就像这个道路中间燃烧的火把，指引着这条路的方向。
  • 我们无法直接控制CXJ，但能透过MOT来对CXJ施加影响。甚至很多时候，我们也无需参透CXJ到底是什么，我们只是在设计MOT
• 把具有决定或者关键因素的时间节点找出来，做最有效的触达方式，实现用户的转换
  • 对应的是后面案例说到魔法数字

 

0.1.5 用户分级体系（用户标签与用户画像）

• 用得最多这个的是广告投放，精准投放给需要这个东西的用户--精准
• 来自广告主、渠道方对用户的认知
• 很多企业都在强调用户画像，这是很典型的用户分层。其实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，比如说：消费能力、所处的人生阶段、兴趣爱好、社交情况、教育水平等。

 

• 一层层往上映射的过程：特征、标签、画像、人群
• 也可以是从特征、标签、人群到画像
• 特征形成课标签，多个标签可以用于描述人群，可以通过单个多个标签找出对应人群

标签特征

 

从特征到标签

 

从标签到画像

 

• 有些特征可直接变成标签，比如🚹和🚺
• 有些特征无实质反应意义，比如注册日期（更多的是分析的维度），对于运营和投放实质上没有实质指导意义，但是可以把它变成现实意义--在不同的时期，有无奖励活动，对后面再有优惠活动的时候做特定标签筛选
• 也有些标签可以直接转换成画像

 

千人千面精细化策略

 

• 完整的数据流程（分析和数据流程）：

1、如果以数据驱动为流程的话，那么应该是先通过标签找到用户群，然后把用户群输送到广告投放、自动化运营里，那么就可以对抽取出来的人群进行下一步的动作

2、从分析角度说的，你给了我一个人或一群人，通过对一群人的标签/数据分析，给人群打上标签，这是通过标签来描述这群人

• • 特征和标签是底层角度，画像和人群是两个不同的应用/分析角度
• 给偏好于不同内容的用户特供不同的内容触达，尤其是内容运营

 

0.2 以数据为核心的驱动闭环

0.2.1 以数据为核心的驱动闭环

• PDCA循环：是质量管理的通用模型
• 不断的数据验证在做迭达，对应的案例是航空公司的产品迭达

 

0.2.2 以用户数据为核心的CDP

• 理念：把数据收集与融合，形成用户数据的统一管理，并且打通各个数据之间的联系，使整个数据都存在在库里，然后对用户数据的分析和认知，产生了对消费者的洞察，基于这个洞察去圈选人群去服务各个领域的应用

 

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。

 

• 这形成的一个闭环：
  • 先有用户，比如在平台app百度小程序等，把数据采集上来，同时平台/第三方平台不一定是app外部，有可能是企业的一个系统，通过数据采集，埋点采集，以及数据的导入，把数据收集起来
  • 通过数据治理处理，把所有的数据以相同的形式进行孪生建模，或者以多重多表格关系户的方式进行数据关联，同时打通不同系统之间的用户关联，以一个yid的方式把数据打通--数据治理阶段
  • 这个时候就用每一个用户，它所对应的平台的数据，根据它的数据进行用户认知，进行用户认知其实就是人群的细分--特征、标签与画像
  • 之后通过圈选不同的人群，赋予上层应用，比如自动化营销、智能广告投放etc

 

• CDP的第一项工作就是把数据收集起来，第二项的工作就是把数据打通，把用户打通，打通之后就可以通过数据分析进行客户认知......
• CRM ERP Web APP 小程序等作为用户和企业的一个触点

 

• 每一个产品都会有一个产品边界，完善好之后就会往上或下的应用进行拓展
• 神策的CDP是一个泛平台：更抽象的平台，可以满足各行各业的数据建模，比如电商内容银行保险线下品牌零售

神策数据的CDP结构

 

与业务结合的核心能力

 

 

1.Awareness 认知

1.1.核心目标

• 以最少的钱，从公域流量池中获得更多的用户
• 营销获客，广告品宣

 

1.2.核心指标

1.2.1.北极星指标

• 各渠道流量
  • 
  • 存为表格：
  • 
  • 上面事件另存为“环形图”——用户量比例
  • 
• 各渠道转化率
  • 
  • 上面漏斗另存为指定渠道
  • 

 

 

1.2.2.更多指标

• Session分析的原理
  • 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
      • 
  • 例如：Alice 某天的行为日志 A--15--B--1--C--5--D--1--A--45--A--5--B--4--C 切割时长：30分钟→Session数量=2
  • 在“神策”中选择“事件分析”标题下方更换“事件”为“session”

 

1. 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。

2. 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。

3. 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。

4. Session 深度： Session 内触发事件的次数。

5. 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。

6. Session 初始事件： Session 内第一次触发的事件。

7. 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。

 

• 访问时长
  • 

 

• 访问深度
  • 

 

• 注册率、阅读率、交互率、付费率
• Arppu、Arpu
  • 
  • 

 

• 同理其他指标的构建

 

1.3.渠道追踪的构建方法

1.3.1. 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。
• 通过【渠道管理】-【网页通用渠道】生成对应的渠道链接进行投放，后续可通过广告系列来源等渠道属性，区分不同的渠道来源。

 

 

1.3.2. 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。
• 通过【渠道管理】-【微信小程序通用渠道】生成对应的渠道链接进行投放，后续可通过广告系列来源等渠道属性，区分不同的渠道来源。

 

1.3.3. 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。
• 通过【渠道管理】-【App 通用渠道】生成渠道链接投放到对应的官方网站或其他网页中，其中【应用地址】可填写 App 的下载地址或可下载 App 的落地页地址，后续可通过广告系列来源等渠道属性，区分不同的渠道来源。

 

1.3.4. 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。
• 通过【渠道管理】-【对应的第三方渠道】生成渠道监测链接与第三方广告商进行联调投放，后续可通过广告系列来源等渠道属性，区分不同的渠道来源。

 

总结

神策组件认知

事件分析：

• 一般来说，统计级的数据都是使用事件分析来做的
• 做的所有统计都是基于用户行为去做的

 

• 界面的使用，和MySQL等的逻辑相差无几，对接好数据后，按照条件进行筛选，神策会自动给出图像，放置“我的概览”里则可以保存对应的筛选条件，方便做后续的决策

 

 

 

 

• • 在神策当中，网页投放链接的记录，一般是建议采用http的方式，而不建议采用https的方式，原因在于随着http转为https加密，utm参数越来越不可用

 

• 渠道分析的核心指标一般比较固定，无非就是算ROI；但是在广告投放当中，投放的方式会有很多--【投放知识】

 

1.4应用场景

1.4.1.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

 

1.4.2.用户洞察，优化投放

通过用户的各个指标进行分析，优化内容投放策略

 

1.4.3.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。

 

• 解释：
  • DSP：（Demand-Side Platform），就是需求方平台
  • SEM：搜索引擎营销，Search Engine Marketing
  • CMP：(千人成本)指的是广告投放过程中，平均每一千人分别听到或者看到某广告一次一共需要多少广告成本。传统媒介多采用这种计价方式。在网上广告，CPM取决于“印象”尺度，通常理解为一个人的眼睛在一段固定的时间内注视一个广告的次数。即按照曝光计费
  • CPC：CostPerClick每点击成本
  • CPA：action，按照行为计费（行为包含表单提交/电话拨打等等）；
  • CPS：sale，按照成交计费（购买、付费）；
  • CPL：lead，按照广告点击引导用户达到服务商指定网页的潜在客户数量计费；
  • CPD：download，按照下载计费；
  • CPR：response，按照用户的回应数量计费；

 

• 为什么要做虚假流量
  • 通过虚假流量获得更多的收益，收益包含前面的结算方式，通过刷广告指标，刷点击刷流量等
  • 有些是通过CPA的形式，通过下载之后，第二天再登录留存
  • 还有CPS：刷订单，不支付，或者以很小的up值去做
  • 通过小成本的虚假流量，获得更多从广告主更多的投放费用

 

• 常见的两种作弊方法

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；这种比较难屏蔽，但并不会大部分地去做

• • 对于广告平台，广告链条中收益最大的一方，但在全球和全国的投放毕竟有一个限度，为了增加自身的收入，以及扩大流量的需求，会做一些虚假流量来提高收入。因为是赚这笔钱，所以在利益链中是比较明确的位置
  • 其次广告主会对广告服务商的投放有要求，比如点击率曝光率等的指标要求；但有时候这个量不一定能做到那么高，那服务商只能做一些虚假广告，以达到考核指标
  • 广告主也会做虚假流量，目的是为了把一些下载量的数据、支付的数据做得比较好，可以吸引更多的投资，主动引来刷单。比如把CPS刷上去之后，平台方看到这个游戏比较赚钱，于是把游戏推荐到了首页

 

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

 

• 具体做法：
  • 会有一些专门做虚假流量的公司和反追踪的技术，这里不涉及专门的追踪技术，仅以“神策”平台为应用
  • 核心关注点：用户行为路径
    • 通过一些特征摘出一些人群，发现行为路径较为相似，再通过行为路径去扩样，就能把一些虚假流量抓出来

 

案例1：某社交软件

背景：

• 在“神策”平台上，当用户在多平台登录时，会把这个认知为多个新用户，“新用户”登录之后又会被认知为老用户，会造成比很多的匿名的用户，多个设备之间的用户无法进行关联
• 后来技术优化，支持多个设备用户登录的一个关联关系

新用户的注册转化率下降，之前猜测的多设备登录的场景，会造成漏斗分母变大，导致转化率下降。经过分析发现，用户人均设备数小于1，既说明用户多设备登录影响很小，也间接说明用户会存在较多的单设备多账号的情况。

 

另外，老用户会趋向于点击“登录”而不是“注册”，如果多设备登录造成分母变大，相应的点击“注册”按钮比例应该降低，但实际上点击注册的比例是升高的，这说明来访用户更多是真实的新用户。

因此，可得出：用户不趋向多设备登录，不会对转化率的下降造成影响。

 

二、新用户注册转化率下降原因推测

我们通过现有的数据做了简单分析，推测以下原因会导致转化率下降：

1. 虚假流量。排查数据发现，2月4日激增了一批注册用户，查看行为序列发现这个群体的设备反复注册，推测为虚假用户。该批用户量较大，后续会造成留存的降低。后续可通过用户分群创建规则，将所有类似行为特征的用户筛选出来，降低对数据分析的干扰。

 

技术背景：

• • 写好了脚本流程，写好了哪个步骤该填写哪些内容，点击哪个按钮
  • 通过一个设备的重复跑，跑出来的
  • 之后查到地区和几个关键IP，都是通过这几个IP访问到社交APP，随之定位出虚假用户
  • 并且这些用户本身填写的资料也都一样，也可以通过资料内容判断
  • 17-18年，中关村，通过控制器的方式控制很多手机，然后进行脚本的操作

 

2. 过年期间，iOS端数据的异常下降。

• 因为有明显特征，于是把2-4到2-14号的用户数据也做了排查，发现虚假流量

 

案例2：某奢侈品电商

• 技术背景
  • IOS和安卓的虚假流量通常不来自同一批人，成本不同

 

• 观察这段时间内的数据（活跃用户数）， 从5月25日活动开始，整体日活开始增加，在6月18日当日达到最高峰（日活=1,746,086 人），活动期间日平均活跃用户量相比活动前从 164,733 人/天 增长到525,319 人/天 ，增幅达到 318.90% 。
• 活动结束后，日均活跃人数达到 254,586 人/天，相较活动前增幅达到 154.54%

 

• 618活动期间，对比安卓 IOS 两个平台日活跃数据。
• 从5月25日预热活动开始，IOS 用户就有明显的用户增长，增长幅度达到 313.70 % ，
• 而安卓用户在前期两个活动中，日活仅提升 164.16 % ，但在618当日，用户突增，增幅达到 741.21 % ，来访用户量超过 IOS 用户，达到 1,023,397 人。猜测可能有虚假流量，需要补充分析。

 

• 首先我们分析了解到，IOS端用户数据增长较为明显，
  • 根据登录ID和匿名ID进行分析，发现「IOS登录用户」「安卓登录用户」「安卓匿名用户」的整体增长都在 200% - 235% ，
  • 而「IOS匿名用户」的增长率较高，达到 613.03%。 因此活动主要吸引了较多 IOS 的新增匿名用户。
• 另外，通过图可以发现，618当日，「安卓匿名用户」曾经达到高点，为984,592人。

 

• 活动期间，新用户增长率 267.85% ，日平均新增人数 145,946 人，总计新增 3,940,550 用户。
• 安卓端IOS 端总体新用户增长率相近，安卓的主要增长日为 6月18日 活动当天。

 

• 观察活动期间的留存数据图形，可以看到，次日留存自活动期间以后有小幅度下降，从 59.65% 下降到52.57% 。
• 活动1和活动2（5月25日-6月13日）期间，可以看到，3-7日留存有明显的提升，七日留存从24.30% 上升到 29.83 % 。自13日开始，整体留存数据有明显下降。

 

• 根据3-7留存率、以及安卓端的次留，说明活动对于用户粘性的提升是较为明显的。
• 安卓用户虽然活跃和新增增长不高，但是用户粘性在活动期间有明显提升。在18号有明显的下降，考虑当天引流的用户有无效或者虚假用户。
• 对于IOS用户，考虑用户相似性，理论上IOS用户留存也应该增长。虽然3-7留有增长，然而次留有下降。考虑自25日开始，IOS端就有无效或者虚假用户进入。
  • 一般而言，对于奢侈品的留存率不应该下降得如此明显，看过一遍至少会回来再看一遍吧。从经验上判断，属于比较明显的特征

 

 

 

 

• 总结：
  • 通过各个指标：活跃人数、增长率的变化、留存率 的筛选，多维度的对比，初步判断可能存在虚假流量
  • 之后再通过一系列交互的骚操作，对比跳出率在活动前后的变化（安卓是618当天，苹果是5月份活动开始后）、对比过往不同系统的用户对平台的兴趣差异——访问时长、刨除跳出用户——访问深度<1的用户后的用户访问时长、以及观察对于起初怀疑的匿名用户的整体付费率情况；综合分析确实存在虚假流量
  • 之后再在“神策”平台上通过对匿名用户的排查（基本是属于逐一排查），找出行为路径相似或一样的用户集群
    • 操作路径：
      • 匿名用户当中，找到数据栏，数据栏需要带下划线，单击选择“查看用户列表”，点击id位置，查看 行为路径
      • 
      • 找到行为路径后，点击上方菜单栏“用户分群”，选择“新建分群”“通过用户和属性创建”，创建分群名称 虚假流量，“下一步”选择“行为序列”
      • 
      • 创建分群，有了虚假用户之后，再去做渠道分析的时候可以添加一个条件：“筛选条件”，选择刚才创建的群组 虚假流量 “为假”，剔除虚假用户再进行分析