首页天道酬勤漏斗分析,对层次分析法的认识论文

漏斗分析,对层次分析法的认识论文

admin 02-23 18:15 188次浏览

|0x00漏斗分析是什么?说到数据分析,很多人都致力于各种各样的高数据模型。 事实上,一些常见的数据分析方法涉及的方法论和复杂性远低于学校所学的专业知识,而不是太高深的学问。 而且,我们非常重视数据分析。 本质是重视“数据”和利用数据的“分析”。 好的结论不一定有高模型,但一定有支持它的数据。

目前,我们正在作出的各种决定强调了数据的重要性。 无论是市场调查数据还是产品上线后的用户数据,都涵盖了整个产品开发生命周期。

今天谈谈原理非常简单,但非常实用的分析方法吧。 漏斗分析。

说到漏斗分析,这是数据领域最常见的“程序化”数据分析方法,可以科学评估从业务流程、起点到终点的各个阶段的转换情况。 通过可量化的数据分析,可以找到业务问题的业务环节,并进行有针对性的优化。

在电子商务模式中,说到“转化率”,大多附有“漏斗分析图”作为辅助说明。 这在电子商务模式下,我们所做的一切活动都与用户直接或间接联系在一起,我们活动的本质也是如此。 是为了让用户成为持久的消费者。

因此,分析用户从进入产品到完成消费的过程,可以大致分为进入主页、查看商品页面、加入购物车、进入支付页面、支付成功等重要步骤。 通过分析各阶段的转换率和流失率,可以直观地发现很多问题,找到提高KPI的方法。

|0x01漏斗分析的作用漏斗分析是一个非常典型的模型,自问世以来,衍生出AARRR用户增长模型、SICAS用户行为消费模型等衍生版本,基本上是各类分析报告的标配。 大多数数据互联网产品,其自身的业务逻辑是虚拟漏斗,我们的目的是确保顺利达到用户设定的“目标行动”,如支付、注册等。

例如,在用户运营领域,漏斗对用户行为的分析非常必要。 产品上线后,关键业务路径要进行漏斗分析,判断各个环节的设计是否存在缺陷。 典型地像用户注册场景一样,从引导-注册-共享进入首页,往往会共享这个环节,如果转化率非常低,就要考虑是否放弃这个环节,或者是否有其他优化动作

例如,在媒体运营的方向上,假设一个媒体账户有10W的粉丝,发送一篇文章获得1W的阅读,约1K用户收藏文章,最后100用户付费获奖。 那么,这10W - 1W - 1K - 100也是典型漏斗的一部分,用户付费转化率为0.1%。 如果需要提高收费转化率,则需要以该数据为依据,判断是应该发布广告来增加阅读量,还是引导用户收藏更多的文章。

以上是两个非常简单的例子,具有一定规模的公司通常存在很多类似的问题,迫切需要分析和解答。 这包括但不限于以下内容:

为什么注册程序的转化率非常低? 为什么很多人下单却不付款? 为什么某个通道的量很大,点击率却非常低? 如果不匹配浏览器,会损失多少用户规模? 进入首页却没有下单的用户,接下来去了哪里?

…设计科学的漏斗分析体系,可以快速解答和分析这些问题,真正改善业务,提高业务收入。

漏斗分析的作用有两大特点:

其一,漏斗分析可以梳理业务关键流程环节,监测各业务阶段用户、流量转化情况,及时分析低转化率环节,定位流失关键环节,进行持续优化。

其次,漏斗分析往往配合多维对比,对不同的群体、渠道进行差异化分析,如新用户、fzdsy,如新通道、旧通道,分析转化率最好、最差的维度,达到运营精度和

接下来,对“漏斗分析”的方法进行说明。

| 0如何对x02进行漏斗分析遵循惯例,以“分解”的形式一步一步地阐述这一分析过程。

第一步是恢复业务的关键流程

如上所述,漏斗分析是业务的重要流程之一,进行洞察和分析。 因此,在进行分析之前,必须首先恢复此业务流程的关键步骤,并验证能否用漏斗进行分析。

例如,在电子商务广告场景中,广告主可以通过各种方式向用户宣传自己的产品。 此时,用户根据宣传曝光词,点击搜索框进入搜索页面。 此时,根据平台提示的关键字进行检索。 或者,自行开始搜索,在到达提示搜索的结果页面后,进行适当的点击行为,完成最终订单。

此时,可以确定从搜索到展示的重要路径。 广告投放展示-关键词搜索-点击搜索结果-完成订单。

进一步想想,可以把每一步都赋予业务意义。 也就是说,广告投放展示(搜索引起用户兴趣的关键词)点击用户感兴趣的)搜索结果)达到用户自己采取行动(完成订单)的目的)。

第二步,确定漏斗环节和数据采集来源

在恢复用户行为后,可以确定漏斗的各个角落,识别可分析的数据,并标记数据的来源。

以上述示例为模型,可以区分如下:

广告投放展示(引起用户兴趣)在不同频道广告展示的曝光量、点击量、点击用户数

检索关键字(用户感兴趣)在EC平台上,基于不同关键字的检索量、检索用户数;

在点击搜索结果(用户主动采取行动)的EC平台上,相应关键字的点击次数、点击用户数;

订单完成(如预期)

目的):产生下单行为的用户数。

第三步,制作漏斗分析模型

从上一步的结果中,我们评估进行可以进行分析的数据维度,并通过报表平台搭建对应的漏斗图,展示可以分析的数据。

例如我们可以将渠道作为分析维度,将展示、搜索、点击过程中产生的曝光量、点击量作为分析的一个过程,也可以通过点击/搜索/下单产生的用户数,作为分析的一个过程,也可以将用户进行分组,查看分组的结果。

第四步,进行漏斗分析

虽然现在可以进行数据分析了,但在实际的业务场景中,一种现象并不是单一的数据结果所能够解释的,往往需要通过多个角度的分析,来还原一个更准确和全面的答案。

常见的分析过程如下:

其一,查看漏斗转化率,将结果按照渠道、用户分组进行查看,找出转化率明显偏低的环节;

其二,分析数据变化的趋势,按照时间,分析当前阶段,在不同日、周、月、季、年下的变化趋势,找出转化波动率最大/最小的时间点;

其三,不同维度对比,筛选不同的渠道、用户分组,将转化率和变化趋势进行对比。如果不同渠道数据相差较大,那么原因可能是某些渠道存在作弊情况;如果是不同手机型号存在差异,那么可能是手机的适配性、网速等存在差异;如果是不同的用户组存在差异,那么根据用户分组方法的不同,如购买能力、新老用户,也可以分析出一部分原因。

其次,如果不能够得出明确的结论,需要再返回之前的步骤,思考是按照关键词进行分类,或者是新增某个环节的分析,或者是向其他部门寻求类似场景的分析思路,然后再对刚才的过程进行复盘和优化,直到找到最可靠的原因。

根据前文的阐述,我们可以看出,从分析人员的角度出发,当然是工具越自动化越好,能够更快的重复步骤,找到原因。但是从数仓或者工程人员的角度出发,其实这些分析诉求具有高度的不确定性,因此这种高度自动化的平台很难实现,更倾向于通过“提需求”的方式来人肉完成部分的工作。

从业务发展的角度上看,在公司快速发展的时候,分析师与数仓一体化的配合,走部分人肉的方式是无可厚非的,但当规模增加到一定程度时,对于成熟稳定业务的支持,就需要有工具做配合了,因为很多深入的分析细节,人肉的“效费比”太低,人力成本上无法负担。

|0xFF 漏斗分析的进阶学习

在学习了一些基本的知识之后,我们还需要将问题进行思考,探讨那些更加“自动化”和“科学化”的做事方法。

自动化,是提升做事情的效率、降低人力成本的最有效途径,在业务发展平缓的公司中,涨薪的根源,便是节约“技术支持”所省下来的成本。

因此,在漏斗分析这件事情上,我们可以把关键要素抽象出来,从而为设计自动化的平台作参考。漏斗分析,可以抽象出三要素:

第一,是时间,指漏斗的转化周期,是从某一环节到其他环节所消耗的时长。在实际的业务过程中,一般需要根据业务的特定,设定一个合理的转化周期,如最近30天,超过该周期的就不再认为是一个合理的转化。这是设计自动化产品首要考虑的因素。

第二,是节点,指漏斗的每一环节的配置方法,在业务上具备可操作性,同时也是产品的关键路径,方便分析人员自由的搭配查看。

第三,是流量,指人群/用户的点击、搜索或某个具体的业务动作,由于不同人群/用户在相同漏斗下的转化是不一样的,因此需要对人群/用户进行合理的分组,更清晰定位产品特点,得出合理的解释。

下一步讨论“科学化”的做事,主要指科学归因的重要性。

漏斗分析,往往与“归因分析”相关,因为能够到达关键环节的动作有很多实际上,业务流程转化并非理想中那么简单。例如用户下单某一件商品,可能是因为看了电视广告、可能是因为随手点击某个直播链接、也可能是因为看了朋友分享的朋友圈直接进行下单。在市场营销的视角里,市场活动、线上运营、邮件营销、电商广告等,都可能触发用户购买。因此需要科学的判断,这一次的结果,是与哪些“原因”相关,每一次转化节点应根据事件功劳差异(事件对转化的功劳大小)而科学设置。

因此我们往往需要算法的配合,来正确的识别,不同的营销渠道在用户购买决策的全流程中,对用户影响的“功劳”最大、权重较大,能够直接促进用户转化。在进行科学的漏斗分析时,通过归因权重作为漏斗转化的依据,能够大大增大了漏斗分析的科学性。

通过上面两个例子可以看出,一件事情本身的概念可以是非常简单的,但简单不代表其好做,因为实际的业务是非常复杂的,需要根据不同的情况做各种抽象、汇总和升华,这才是分析真正难做的地方。

在当下,各个工种有相互“卷”的趋势,比如前端搞后端,后端搞数据,数据搞分析,分析做业务,但其实只有抓住业务的本质,才知道这么“卷”下去有没有前途,而不仅仅是“为了智能化而智能化”。

不使用reverse()方法。如何保持反向的原始字符串顺序linux魔法键云分发网络有什么用处?Java比较两个对象中全部属性值是否相等的方法CentOS 6.X下配置Keepalived VIP 云主机 UHost
用户漏斗分析,商机漏斗分析 redis做限流,redis令牌桶限流算法
相关内容