网站分析常用的指标之内容指标( 理数-收数-看数-用数的数据运营闭环)
优采云 发布时间: 2022-02-09 04:23网站分析常用的指标之内容指标(
理数-收数-看数-用数的数据运营闭环)
随着数据运营的持续升温,企业及其内部运营商越来越重视自身数据运营能力的培养。易观方舟结合数百家客户服务经验,总结提炼“推理-采集-查看-使用”的数据运营闭环,旨在帮助企业和内部运营商快速实现低门槛、高效率的数据运营。
今天,我们将从“看到数字”这个环节开始,介绍11种常见的大数据分析模型,包括事件分析、属性分析、渠道分析、会话分析、留存分析、归因分析、热图分析和分布分析。、区间分析、路径分析、漏斗分析。希望通过对11个大数据分析模型的了解和理解,能够帮助大家系统、科学地开展数据分析工作。
事件分析
事件是指用户在APP、网站等应用程序上的行为,即谁、何时、何地、以何种方式、做了什么。事件分析模型主要用于分析用户在应用上的行为,如打开APP、注册、登录、支付订单等。用户行为是通过触发用户数、触发次数、访问时长等基本指标来衡量的。同时,它还支持指标的计算,构建复杂的指标来衡量业务流程。
那么,事件分析模型能解决哪些问题呢?例如:
事件分析模型可以实时监控用户在不同平台的用户行为,通过不同维度属性指标变化,将自定义指标组合成新指标,实现更强大的分析能力。易观方舟智能分析产品支持细分维度和条件过滤,通过分析用户群支持分组比较。
属性分析
属性分析是基于用户自定义属性或预设属性的比例分析。它可以根据不同的属性统计用户数等指标的属性比例,进而得出初步的分析结论。例如,通过分析具有性别属性的用户比例,我们可以快速得到不同性别用户数量的统计结果。
通过属性分析,可以快速查看用户数量在不同属性上的分布情况,方便统计不同特征的用户总数。在使用属性分析的过程中,需要选择合理的测量方法。常用的测量方法有:用户数、用户数Multiplicity、Sum、Max、Min、Mean等。
例如:我们选择的指标是“平均累计消费金额”,维度是“会员等级”,用户选择“所有用户”,那么我们得到的结果是“所有用户的平均消费金额是多少”会员等级”。
与事件分析模型类似,属性分析模型可以进行多维度、多用户的比较,并以各种图表形式展示统计结果。在有标签功能的场景下,还可以对不同版本的标签进行统计对比分析。
渠道分析
渠道,即企业(产品)与用户的各种接触点,如搜索引擎、社交媒体、广告平台、线下站会等。
渠道分析模型用于分析用户(包括访问者)的访问来源,通过访问用户数、访问次数、访问时长、跳出率等基本指标评估渠道质量。还支持自定义转化目标,衡量渠道转化效果。
那么,渠道分析可以解决哪些问题呢?例如:
渠道分析模型通过定义基础指标和转化指标,选择分析平台,渠道维度,清晰呈现各个渠道的表现,从而评估不同渠道的实际输出效果,最终选择优质的组合提高整体投资回报率的渠道。
会话分析
Session,即会话,是指在指定时间段内发生在网站/H5/小程序/APP上的一系列用户行为的集合。例如,一个会话可以收录多个页面视图、交互事件等。会话具有时间属性。根据不同的切割规则,可以生成不同长度的会话。
会话分析模型收录多种衡量会话访问质量的指标,包括访问次数、人均访问次数、总访问时长、单次访问时长、单次访问深度、访问次数跳出、跳出率、退出次数、退出率、人均访问时长。,总页面停留时间,平均页面停留时间。
不同于事件分析,会话分析额外支持部分维度的细分,以满足特定场景下会话分析的需求,包括:
与事件分析类似,会话分析也支持多指标、多维度、多过滤条件,以及多用户组的横向比较。同时,在会话分析中,还支持按日、周、月三种不同粒度进行统计分析。用户可以根据查询数据的时间跨度选择合适的粒度进行分析。
留存分析
留存是指用户使用过APP、网站等应用,一段时间后依然使用。
留存分析模型是一种衡量用户健康/参与度的方法,超越下载量、DAU等指标,深入了解用户留存和流失,发现影响产品可持续增长的关键因素,指导市场决策、产品改进, 增加用户价值等
那么,留存分析模型可以解决哪些问题呢?例如:
留存分析模型支持多个人群的条件过滤和对比分析,支持全数据的随机抽样和计算。同时,我们还可以通过留存分析来判断新用户是否愿意在几天、几周、几个月内回来使用你的功能,也可以自定义初始行为和结束行为进行特征留存分析。
留存率是根据一个用户组的初始行为时间计算的,描述了在一段时间后发生了某种行为的群组中是否出现了期望的行为。初始行为和后续行为都可以是任何事件或特定事件。
在不同的分析场景下可以设置不同的保留条件进行分析:
归因分析
在做运营活动时,我们可能会在产品内的多个运营位置放置活动素材,试图吸引用户的注意力,引导流量和用户行为,促进用户与产品的互动。最终转换。此外,用户自身也可能通过搜索、内容推荐等接触点获取信息。这些接触点对于用户能否实现转化也起着重要作用。
也就是说,在用户转化路径上,网站中的很多触点都参与了说服和引导用户,影响了他们的最终决策。那么,对比各个用户触点,它们对关键指标的实现贡献了多少?它们是否都具有运营商所期望的出色转换能力;还是他们被低估了?在后续运营中,如何调整各个运营岗位的资源投入权重分配?
针对以上问题,归因分析提供了一个直观的衡量标准——转化贡献,主要用于衡量和评估站点内用户接触点对实现整体转化目标(如订单总额)的贡献,可以非常直接地量化每个运营地点和接触点的转化效果和价值贡献。常见的归因分析模型有五种:
通过易观方舟归因分析模型,只需要设置五个简单的步骤(定义目标事件、接触点事件、选择归因模型、定义窗口期、选择查询时间范围),就可以直观的看到每个接触点对整体转化的影响指标的贡献。
热图分析
热图分析模型可以利用热图直观展示用户在网站、H5页面、APP上的点击和滚动行为,帮助产品和运营人员了解用户的点击偏好,辅助页面设计优化,内容调整等。
有四种常见的热图类型:
不同类型的热图各有优缺点,比如点击位置热图,缺点是上报的数据量会增加,但是可以很直观的定性分析用户的探索需求,发现大量对非交互元素的意外点击;点击元素热图会过滤掉一些不可点击的内容。可以对可点击元素进行定量分析,但不够直观。
我们可以在不同的场景中选择不同的合适类型。目前,易观方舟已经支持网页端点击位置热图、点击元素热图、浏览深度线、APP端点击位置热图和点击元素热图。
分布分析
分布分析主要可以提供“维度索引”后的数据分解能力,将原创维度按照一定的数值范围划分,然后分析各个维度范围的分布情况,在以下分析场景中很常见:金额分布、分析分析某类特殊事件的时间段分布,分析某类特殊事件的发生次数,分析触发某类事件的用户年龄分布。
可以看出,分布分析主要针对数量、年龄、时间、频率等两类属性,数值型和日期型。因此,当用户上传的数据收录这两类属性时,那么在日常分析中就可以使用分布分析来解决一些具体问题。常见的指标包括:X事件的频率分布、X事件的活跃期分布、X事件的活跃天数分布、X事件和Y属性的总和/均值/人均值分布。
区间分析
间隔分析主要用于统计用户触发指定开始事件和完成指定目标事件之间的时间间隔。也就是说,它主要从初始事件到转化目标的时间和步长的角度提供相关指标的统计,让关注转化的人可以从这些指标观察转化过程的情况。
区间分析的应用场景很多。可用于统计产品的登录时间间隔和复购周期,作为衡量用户活跃度和用户粘性的分析工具;它也可以作为转化漏斗分析的补充。时长指标用于衡量特定转化路径在时间维度上的转化效率。
当用于转换效率评估时,区间分析是对转换漏斗的补充。但是,两者都有自己的重点。区间分析侧重于用户完成转化的时间效率,而转化漏斗则侧重于转化结果指标以及转化过程中各个环节的转化与流失。
在关注转换结果和影响结果的维度的同时,我们还需要关注转换过程中的效率指标。比如金融理财类APP,从落地页到首笔存款,除了最后的转化,还有很多转化环节。除了费率,还要注意核心步骤之间的转换效率,尤其是注册、卡绑定等环节。
通过区间分析,可以观察用户完成两个指定事件的时间区间分布,结合其他分析模型,洞察用户行为背后的规律,从而发现和提升用户体验、活跃度、产品转化率, 和产品价值。线索。
路径分析
路径是用户在应用程序中使用的行为轨迹。在产品运营过程中,无论是产品、运营还是营销团队,都希望能够清晰的了解用户的行为路径,以验证运营思路,指导产品的迭代优化,最终达到用户增长和转化。
当有明确的转化路径时,通过提前建立漏斗来监控转化率会更容易。然而,在很多情况下,虽然有一个最终的转化目标,但用户达到目标的路径是多条的。无法确定哪条路径是用户走的最多的路径,哪条路径最短。在这种情况下,需要一个智能路径分析模型。的帮助。
通过易观方舟智能路径分析模型,可以打开用户行为黑匣子,探索发现转化目标的源路径,将所有路径和用户占比可视化。
智能路径分析模型可以解决以下问题:
漏斗分析
漏斗分析是一种在用户使用业务时,通过一系列步骤分析其转化效果的方法。易观方舟的漏斗分析模型可以灵活定制多个步骤之间的转化过程,找到关键的损失环节和影响因素,进而分析用户行为,进行针对性的优化动作。
那么,漏斗分析究竟能解决什么问题呢?例如:
理想情况下,用户会沿着产品设计的路径到达最终的目标事件,但现实是用户行为路径是多样的。通过跟踪事件配置关键业务路径,我们可以分析各种业务场景下的转化和损失。我们不仅找到潜在产品问题的位置,而且在每个环节定位流失用户,然后针对性营销促进转化。