深度：流量分析
數據分析思維案例實戰第四章第二節“流量分析”的記錄與感悟。
目錄
- 背景
- 定義
- 渠道分析
- 渠道性質
- 渠道屬性
- 渠道過程
- 渠道指標
- 分析方法
- 模塊分析
- 模塊漏斗分析
- 模塊常規分析
- 模塊價值分析
- 波動分析
- 日活
- 留存
- 總結
背景
定義
這里流量是廣義的流量：用戶從哪來？經過操作/漏斗？產生了什么價值？如何波動？為何波動？
有了指標體系和報表之后，數據分析師最重要的事情就是每天查看各種數據了，這就是流量分析。
渠道分析
渠道分析主要解決從哪來的問題，供給側分析。
渠道性質
-
內部渠道: 免費
產品矩陣，e.g. 頭條給抖音帶量
-
外部渠道: 付費
搜索引擎，百度魏則西事件
App廣告，頭條內推京東雙十一活動
社交媒體，微信朋友圈廣告
軟件市場，e.g. 應用寶，華為手機市場
對于一款健康的App，前期主要靠外部渠道的品牌帶量，后期靠自傳播或者免費推廣。
一般都會有單獨的渠道運營經理，其實分析師在這塊的價值不會很大。
渠道屬性
渠道過程
渠道指標
-
前期：
有效用戶數，次日留存
-
中期：
次日留存，七日留存，月留存
-
后期：
ROI
分析方法
-
結構分析：
對渠道先按照一級渠道來拆解，再按照二級渠道；
-
趨勢分析：
看每個渠道的變化趨勢，包括量級和留存；
-
對比分析：
不同渠道間的趨勢對比；
-
作弊分析：
用戶行為分析（機器學習方法）
模塊分析
模塊分析主要考察池子里魚兒的運動模式。
模塊漏斗分析
關于漏斗分析和轉化率，詳情可參考廣度：電商數據分析。
針對需要提升的某一步，核心思想是都是用戶細分，i.e. 對有問題的群體進行針對優化。
-
基礎屬性：
手機品牌，地域，IMEI
-
行為屬性：
入口，時段，用戶活躍度，用戶標簽
模塊常規分析
-
功能滲透率
功能用戶數÷\div÷大盤用戶數
-
功能功能留存率
第一天和第二天都使用該功能的用戶數÷\div÷第一天使用改功能的用戶數
-
功能大盤留存率
第一天使用該功能且第二天是大盤用戶的用戶數÷\div÷第一天使用該功能用戶數
大盤用戶數===不使用任何功能但打開App的用戶數 +++ ∪\cup∪所有功能用戶數
模塊價值分析
-
功能核心用戶數
符合某種要求的用戶數，e.g. 使用次數，使用時長，使用天數，具備某種行為。注意
-
功能對大盤貢獻度
功能滲透率×\times×功能大盤留存率的提升數
嚴格來說，功能對大盤的貢獻度需要進行AB Test；
-
功能帶來的收入對比
每個功能每個月賺多少錢；
波動分析
監控日常的波動并分析可以說是數據分析師的常規工作，詳情見各類企業的數據分析工作。
日活
-
外部影響
行業變化：常識，外部事件
競品變化：競品策略
-
內部影響
數據統計：數據采集，統計口徑
用戶基礎：渠道，入口，畫像
用戶行為
留存
-
新用戶留存
渠道留存，渠道轉化
-
老用戶留存
各個模塊用戶的留存，非功能用戶的留存
如果只有一個功能留存下跌，較好解釋。如果多個功能模塊下跌但幾天后又上升，則可能和外部因素的短期波動有關。若接連幾天連續陰跌，則極有可能是產品核心部分出現問題，應圍繞指標體系做一次產品的全盤分析，找到原因。
由于留存本身是比例，排查起來會比較費神，應該保持耐心，多和業務溝通，找到主要影響因子。
總結
產品的每一次決策都要基于邏輯性很強的數學證明，先有數據再有結論，不要先入為主。每個產品經理都有自己的內部指標，但必須要去衡量你當前做的事情對大盤KPI的貢獻度，只有大盤好才是真的好。要敢于說真話，實事求是，關鍵是找到真正的問題然后持續優化。
流量分析是分析師每天都要做的事情，小到看日報，達到波動排查幾個月。所以一定要對各類核心數據都非常熟悉，能夠很好的說出數據的規律并能夠進行預測。當數據出現稍微的異常時就能敏銳的察覺，然后去排查。
總結
- 上一篇： 数据结构探险——栈篇
- 下一篇： 【原】通过npm script运行web