一个优秀的应该具备这四方面数据分析的能力

作者:佚名时间:2016-07-23 13:29:00 浏览:5845

过去，“流量为王”的理念使得员的职责聚焦在拉新上，随着市场环境的变化，的渠道和方式不断增加，有了更加细致的分类。 精细化的大背景下，如何用数据分析来解决流量、用户、产品和内容中的增长问题，今天将和大家分享GrowingIO在数据方面的心得。 <img src="/Public/Upload/image/2016-07-23/2016072313290088639.jpg" /> 一、流量：度分析，优化渠道 流量主要解决的是用户从哪里来的问题，过去粗放式的流量，仅仅关注PV、UV等虚荣指标，在精细化的今天是远远不够的。 1.流量指标体系 我们需要通过度和指标判断基本的流量情况，包括量级指标、基本质量指标和来访用户类型占比指标，量级指标涉及不同平台，Web端主要看访问量、PV和UV，APP主要看启动次数、DAU和NDAU。基本质量指标包括用户的平均访问时长、平均一次会话浏览页数（即访问深度）和跳出率等，通过这些指标可以判断用户的活跃度，产品的生命周期模型广泛应用在互联网中，在不同的产品生命周期中，访客的类型是有差异的。 <img src="/Public/Upload/image/2016-07-23/2016072313290020292.jpg" /> GrowingIO－概览 一名优秀的员，应该熟悉自己产品的流量概况，通过每天看网站的流量情况，员可以清楚掌握流量指标及其变化趋势，方便评估过去和将来趋势。 2.度的流量分析 在网站流量分析中，主要从访问来源、流量入口、广告等角度切入。 首先，访问来源包括直接访问、外链、搜索引擎和社交媒体等。在这个分析框架下，需要一层一层拆解，具体到每一个渠道进行流量分析。 <img src="/Public/Upload/image/2016-07-23/2016072313290097776.jpg" /> 以 GrowingIO 的博客为例，这是一个内容的子站，上面有很多数据分析和增长的文章。我们通过访问来源分析发现，相比于其他渠道，从微博渠道过来的用户数量和质量都偏低，这提醒我们需要优化内容渠道。 其次是落地页，落地页是用户到达你网站的入口。如果用户被导入到无效或者不相关的页面，一般会有较高的跳出率。 最后，广告投放也是目前流量的重要部分。一般涉及到的广告分析包括广告来源、广告内容、广告形式（点击、弹窗、效果引导）和分成等，我们需要通过度的分析来优化广告投放。 上面的三个角度主要是在web端的分析，对于APP分析，还需要考虑分发渠道和APP版本等因素。 3.转化漏斗分析 在增长模型中，流量进入后，还需要进一步激活和转化，而激活是需要一定的流程和步骤的。像这样的漏斗，就可以清晰展示每一步的转化情况。 <img src="/Public/Upload/image/2016-07-23/201607231329008875.jpg" /> 以上图为例，我们分别对转化的每一步进行分析，发现第一步到第二步的流失率最高，需要针对性优化，通过对不同渠道进行转化率分析,发现来至百度品牌专区的（bzclk.baidu.com）的转化率高达 44% ，而其他渠道的转化率不足 3% 。 4.渠道优化配置 在进行一系列的流量分析和转化分析后，我们可以进行相对应的策略制定，具体方式包括搜索词、落地页、广告投放优化等等。 <img src="/Public/Upload/image/2016-07-23/2016072313290012253.jpg" /> 对于成本低、质量高的渠道需要加大投放，对于成本高、质量高的渠道需要评估成本，对于质量低的渠道也需要做好评估，总体上，根据成本、流量转化等综合情况，对渠道配置进行整体和调优。 二、用户：精细化，提高留存 如果说流量解决的是用户从哪里来的问题，那么用户就是建立和维护与用户的关系。 1.精细化 用户在产品上的交互行为很多，我们可以通过用户的行为对用户进行分类，然后根据不同群体的特征，进行精细化，促进用户的回访。 以为例，用户在上的行为包括：访问、浏览帖子、回复、评论、发帖、转发，分享等等，我们对用户的每一类行为建立行为指数，例如根据用户的转发、分享等行为建立“传播行为指数”，通过这些指数给用户分类。如此一来，上的用户被分为4个维度：A浏览类、B评论类、C传播类和D内容生产类，用户可能只有一个标签指数，也可能很跨多个指数维度。 接下来的用户中，可以根据这些标签进行分类。比如UGC，需要保持D类（内容生产类）用户的活跃度和增长率；同时在推广传播中，需要对C类（传播类）用户进行，扩大内容的传播力和影响力。 2.提高用户的留存 互联网产品一般都关注用户的留存，只有用户留下来了，才能进一步去推动变现和传播。留存分析一般采用组群分析法，即对拥有相同特征的人群在一定时间范围内进行分析。 <img src="/Public/Upload/image/2016-07-23/2016072313290040098.jpg" /> GrowingIO－留存图   上图的留存图中，横向比较展示了每周新增用户在后续各周的留存率，竖向比较展示了不同周的新用户在今后一段时间的留存表现。 留存时间及周期，和产品体验完整周期有关，不同的业务和产品一般有着不同的时间群组划分方法。比如高品类产品的日留存更好反映用户与产品的关系，而工具类的周留存就比日留存更加具有业务意义。 通过时间维度的分析发现用户留存的变化趋势，通过行为维度的分析发现不同群组用户的差异，找到产品或的增长点，这是用户非常重要的一点。 三、产品：用数据来分析和功能 产品是一个非常大的话题，今天主要分享。 1.监测异常指标，发现用户对你产品的“怒点” 产品大的流程中，存在很多小的功能点，用户的体验就是建立在这些小的功能点上，而就是这些小的功能点的使用情况，成为我们每一步转化的关键。 以注册流程为例，一般需要验证。发送验证码是其中一个关键的转化节点；当用户点击重新发送的次数激增时，可能意味着我们的这个功能点存在一定问题。而这就是用户”怒点“所在，无法及时收到验证码。通过对关键指标的监测，便于我们及时发现问题所在，及时修复。 2.通过留存曲线检验新功能的效果 对于上线一段时间的产品，有时候会添加新功能。上线后，需要评估新功能的效果，是否满足用户的核心需求，能否给用户带来价值。 <img src="/Public/Upload/image/2016-07-23/2016072313290048621.jpg" /> 从这条留存曲线中，我们不难发现该新功能第一天使用过的人之后持续使用的比例很低，这说明此功能并没有很好地解决用户问题；这提醒我们需要对新上线的功能进行重新思考。 四、内容：精准分析每一篇文章的效果 在做内容之前，需要明白你的内容是作为一个产品（如知乎日报），还是产品的一个辅助功能。只有明白自己的，才能清晰目标。为了扩大内容的效果，我们需要对用户的需求进行分析，例如用户感兴趣的内容、内容阅读和传播的比例等。 1.内容的类别 以GrowingIO 的技术博客为例，该博客属于PGC模式。博客中的内容有不同分类，为了降低用户获取的成本，我们在博客首页设计了不同板块的入口，包括左侧分类导航、中部文章推荐和右侧热点推荐。 <img src="/Public/Upload/image/2016-07-23/2016072313290078861.jpg" /> 我们发现用户主要通过左侧的导航栏和中间的推荐阅读文章，较少点击右侧的热点推荐。所以，在移动端我们取消了右侧的热点推荐，仅保留了分类导航和中间的推荐。既节省了空间，又最大化满足了用户的内容需求。 <img src="/Public/Upload/image/2016-07-23/2016072313290074772.jpg" /> 同时，我们也对分类导航栏的内容进行了分析，发现用户对案例分析的内容最感兴趣，这对我们今后的内容选择是一个非常好的启发。 2.基于用户的推荐 内容中的推荐，有时候和用户的精细化息息相关。每一个用户，都有自己喜欢的内容和类别，当我们根据用户的兴趣倾向进行推送的时候，效率肯定会更高。 <img src="/Public/Upload/image/2016-07-23/2016072313290015000.jpg" /> 同样以 GrowingIO 的博客为例，我们通过对访问用户的文章点击情况进行统计，得到了上述表格的结果。显然，用户 8 对“增长秘籍”有着自己的偏好，用户 6、7、9 对“案例分享”文章更青睐。那么在实际的内容推送中，我们可以对用户8推送增长秘籍类文章，向用户 6、7、9 推送案例分析的文章，其他用户无差别推送。 近年来流行的 Growth Hacker 的核心，其本质就是通过技术创新和数据分析，实现精细化，达到增长的目的。一个优秀的数据员，应该具备数据驱动的思维，掌握一定的数据分析工具。在实际业务工作中，不断从数据中提出问题，不断尝试，用数据来优化策略，进而实现客户和业务的增长。

389