做好运营数据分析的8种方法 如何做好运营数据分析?( 四 )


5. 行为轨迹关注行为轨迹 , 是为了真实了解用户行为 。 数据指标本身往往只是真实情况的抽象 , 例如:网站分析如果只看访问用户量(UV)和页面访问量(PV)这类指标 , 断然是无法全面理解用户如何使用你的产品 。
通过大数据手段 , 还原用户的行为轨迹 , 有助于增长团队关注用户的实际体验、发现具体问题 , 根据用户使用习惯设计产品、投放内容 。
上图中展示了一位用户在某电商网站上的详细行为轨迹 , 从官网到落地页 , 再到商品详情页 , 最后又回到官网首页 。 网站购买转化率低 , 以往的业务数据无法告诉你具体的原因;通过分析上面的用户行为轨迹 , 可以发现一些产品和运营的问题(比如是不是商品不匹配等等) , 从而为决策提供依据 。
6. 留存分析在人口红利逐渐消褪的时代 , 留住一个老用户的成本要远远低于获取一个新用户 。 每一款产品 , 每一项服务 , 都应该核心关注用户的留存 , 确保做实每一个客户 。 我们可以通过数据分析理解留存情况 , 也可以通过分析用户行为或行为组与回访之间的关联 , 找到提升留存的方法 。
在 LinkedIn , 增长团队通过数据发现 , 如果新用户进来后添加 5 个以上的联系人(上图红色线条) , 那么他/她在 LinkedIn 上留存要远远高于那些没有添加联系人(上图绿色和紫色的线条)的留存 。 这样 , 添加联系人称为 LinkedIn 留存新用户的最核心手段之一 。 除了需要关注整体用户的留存情况之外 , 市场团队可以关注各个渠道获取用户的留存度 , 或各类内容吸引来的注册用户回访率 , 产品团队关注每一个新功能对于用户的回访的影响等等 , 这些都是常见的留存分析场景 。
7. A/B 测试A/B 测试用来对比不同产品设计/算法对结果的影响 。 产品在上线过程中经常会使用 A/B 测试来测试不同产品或者功能设计的效果 , 市场和运营可以通过 A/B 测试来完成不同渠道、内容、广告创意的效果评估 。
举个例子 , 我们设计了两种不同的产品交互形式 , 通过比较实验组(A 组)和对照组(B 组)的访问时长和页面浏览量两个衡量指标 , 来评估哪一种交互形式更佳 。
要进行 A/B 测试有两个必备因素:第一 , 有足够的时间进行测试;第二 , 数据量和数据密度较高 。 因为当产品流量不够大的时候 , 做 A/B 测试得到统计结果是很难的 。 而像 LinkedIn 这样大体量的公司 , 每天可以同时进行上千个 A/B 测试 。 所以 A/B 测试往往在公司数据规模较大时使用会更加精准 , 更快得到统计的结果 。
8. 数学建模当一个商业目标与多种行为、画像等信息有关联性时 , 我们通常会使用数学建模、数据挖掘的手段进行建模 , 预测该商业结果的产生 。
作为一家 SaaS 企业 , 当我们需要预测判断客户的流失时 , 可以通过用户的行为数据、公司信息、用户画像等数据建立流失模型 。 利用统计学的方式进行一些组合和权重计算 , 从而得知用户满足哪些行为之后流失的可能性会更高 。
【做好运营数据分析的8种方法 如何做好运营数据分析?】我们常常说 , 不能度量 , 就无法增长 , 数据分析对于企业商业价值的提升有着至关重要的作用 。 当然仅仅掌握单纯的理论还远远不够 , 实践出真知 。 数据分析的方法大家不妨在自己日常工作中 , 有分析相关项目里尝试使用 , 相信可以事半功倍 , 创造更多商业价值

推荐阅读