当前位置:首页 > 产品运营 > 正文

|0x01 漏斗分析的作用

|0x00 什么是漏斗分析?

当谈到数据分析时,很多人关注的是各种复杂的数据模型。 事实上,一些比较常见的数据分析方法往往并不是很高级的知识。 在实践中,所涉及的方法论或者说复杂度其实远远低于在学校学到的专业知识。 我们非常重视数据分析。 本质上,我们重视“数据”和使用数据进行的“分析”。 一个好的结论不一定有高端的模型,但一定要有数据支持。

如今,我们做出的各种决策都强调数据的重要性。 无论是市场调研数据还是产品上线后的用户数据,都贯穿于产品开发的整个生命周期。

今天我们就来说说一种非常简单但是非常实用的分析方法:漏斗分析。

说起漏斗分析,这是数据领域最常见的“程序化”数据分析方法。 它可以科学地评估一个业务流程,从起点到终点,以及每个阶段的转换状态。 通过可量化的数据分析,我们可以帮助企业发现有问题的业务环节,并进行针对性的优化。

在电商模型中,当提到“转化率”时,往往会提供“漏斗分析图”作为辅助说明。 这是因为在电商模式中,我们所做的每一项活动都与用户有直接或间接的接触,而我们活动的本质都是一样的:让用户成为持久的消费者。

因此,我们在分析用户从进入商品到完成消费的流程时,大致可以分为以下几个关键步骤:进入首页、查看商品页面、加入购物车、进入支付页面、支付成功。 通过分析每个阶段的转化率和流失率,可以直观地发现很多问题,进而找到改善KPI的方法。

|0x01 漏斗分析的作用

漏斗分析是一个非常经典的模型。 自诞生以来,衍生了AARRR用户增长模型、SICAS用户行为消费模型等衍生版本。 它基本上是各种分析报告的标准。 大多数数据互联网产品的业务逻辑都是一个虚拟的漏斗,我们的目标是让用户顺利达到我们设定的“目标行为”,比如支付、注册等。

比如在用户运营领域,漏斗对于用户行为的分析是非常有必要的。 产品上线后,必须对关键业务路径进行漏斗分析,以确定各个环节的设计是否存在缺陷。 一个典型的用户注册场景是从引导——注册——分享——到首页。 往往分享过程中转化率很低,所以我们要考虑是否放弃这个链接或者采取其他的优化动作。

例如,在自媒体运营方向,假设一个自媒体账号有10万粉丝,发送一篇文章获得1万次阅读,约1K用户收藏该文章,最终有100个用户付费打赏。 那么这个10W-1W-1K-100也是一个典型的漏斗环节,用户付费转化率为0.1%。 如果你需要提高付费转化率,你需要以这个数据为依据来决定是否应该做广告来增加阅读量,或者引导用户收集更多的文章。

以上是两个非常简单的例子。 具有一定规模的企业通常会存在很多类似的问题亟待分析和解答,包括但不限于:

为什么注册步骤转化率这么低? 为什么这么多人下单却没有付款? 为什么某个频道的播放量很大,但点击率却很低? 如果不做浏览器适配,会损失多少用户群? 对于进入首页但没有下单的用户,接下来去了哪里?

...

一个科学设计的漏斗分析系统,能够快速回答和分析这些问题,才能真正改善业务,增加业务收入。

漏斗分析的功能有两大特点:

首先,漏斗分析可以梳理业务关键流程环节,监控各业务阶段的用户和流量转化情况,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,漏斗分析往往结合多维度比较,对新用户、老客户、新渠道、老渠道等不同人群、不同渠道进行差异化分析,分析转化率最好和最差的。 尺寸,从而提高操作精度和效率。

下面我们就来讲解一下如何进行“漏斗分析”。

|0x02 如何进行漏斗分析

按照惯例,我们将以“分解”的形式一步步解释这个分析过程。

第一步是恢复关键业务流程

前面提到,漏斗分析是对业务的关键流程环节进行洞察和分析。 因此,在进行分析之前,我们首先需要还原这个业务流程的关键步骤,并验证是否可以通过漏斗进行分析。

例如,在电商广告场景中,广告主可以通过各种方式向用户推销自己的产品。 此时,用户会点击搜索框,根据推广的曝光词进入搜索页面。 这时,用户会根据平台提示的关键词进行搜索,或者主动发起搜索。 到达搜索呈现的结果页面后,他们将进行相应的点击。 行为并完成最终订单。

这时,我们就可以确定一条从搜索到展示的关键路径:广告投放与展示——搜索关键词——点击搜索结果——完成订单。

进一步思考,我们可以赋予每一步商业意义,即:广告展示(引起用户兴趣)——搜索关键词(用户感兴趣)——点击搜索结果(用户主动发起行动)——完成订单(完成预定目的) )。

第二步是确定漏斗链接和数据收集来源。

在能够还原用户的行为之后,我们就可以确定漏斗的阶段,确定可以分析的数据,并标记数据的来源。

以上面的例子为模型,我们可以做出以下区分:

广告展示(引起用户兴趣):不同渠道广告展示的曝光量、点击量、点击人数;

搜索关键词(用户产生兴趣):在电商平台中,不同关键词产生的搜索量和搜索用户数;

点击搜索结果(用户发起动作):在电商平台中,对应关键词产生的点击次数以及点击用户数;

已完成订单(达到预期目的):下单的用户数。

第三步创建漏斗分析模型

我们从上一步的结果出发,评估可以分析的数据维度,并通过报表平台构建相应的漏斗图来展示可以分析的数据。

比如我们可以把渠道作为一个分析维度,把展示、搜索、点击过程中产生的曝光和点击作为一个分析的过程。 我们还可以通过点击/搜索/订单产生的用户数量作为分析的过程。 您还可以对用户进行分组并查看分组结果。

第四步:进行漏斗分析

虽然现在可以进行数据分析,但在实际的业务场景中,一个现象并不能用单一的数据结果来解释。 往往需要多角度分析,才能还原出更加准确、全面的答案。

常见的分析流程如下:

首先查看渠道转化率,按照渠道和用户群体查看结果,找到转化率明显较低的链接;

二、分析数据变化趋势,按照时间分析当前阶段,分析不同日、周、月、季度、年的变化趋势,找出转化波动最大/最小的时间点;

第三,比较不同维度,筛选不同渠道和用户群体,比较转化率和变化趋势。 如果不同渠道之间的数据存在较大差异,原因可能是某些渠道存在作弊行为; 如果不同手机型号之间存在差异,那么手机的适用性、网络速度等可能会存在差异; 如果不同的用户群体存在差异,那么也可以根据不同的用户分组方式来分析一些原因,比如购买力、新老用户等。

其次,如果不能得出明确的结论,就需要回到前面的步骤。 想想按照关键词进行分类,或者增加某个环节的新分析,或者向其他部门寻求类似场景的分析思路,然后继续回顾和优化刚才的流程,直到找到最可靠的原因。

根据前面的解释,我们可以看到,从分析人员的角度来看,工具当然越自动化越好,因为它可以更快地重复步骤并找到原因。 但从数据仓库或者工程人员的角度来看,这些分析需求其实具有很大的不确定性,所以实现这样一个高度自动化的平台是有难度的,更多的可能是通过“需求”的方式利用人力资源来完成部分工作。提高”。

从业务发展的角度来看,当公司快速发展时,分析师和数据仓库整合并利用一些人力资源进行合作是可以理解的。 但当规模增大到一定程度后,成熟稳定的业务支撑就需要工具来配合,因为人肉的“性价比”对于很多深入分析细节来说太低了,而且人工成本无法承担。

|0xFF 漏斗分析进阶学习

学习了一些基础知识后,我们还需要思考问题,探索更“自动”、“科学”的做事方式。

自动化是提高做事效率、降低人工成本最有效的方法。 在业务发展缓慢的公司,加薪的根本原因是节省“技术支持”而节省的成本。

因此,在进行漏斗分析时,我们可以抽象出其中的关键要素,作为自动化平台设计的参考。 漏斗分析可以抽象出三个要素:

第一个是时间,指的是漏斗的转换周期,也就是从一个环节到另一个环节所需要的时间长度。 在实际业务流程中,一般需要根据具体业务设置合理的转换周期。 例如,在过去 30 天内,任何超过此周期的转化将不再被视为合理转化。 这是设计自动化产品时首要考虑的因素。

其次是节点,指的是漏斗各个环节的配置方式。 业务上可操作,也是产品的关键路径,方便分析师自由组合查看。

三是流量,指群体/用户的点击、搜索或特定业务行为。 由于同一渠道下不同群体/用户的转化有所不同,因此需要对群体/用户进行合理分组。 清晰定位产品特点并做出合理解释。

接下来要讨论的是“科学”工作,主要是指科学归因的重要性。

漏斗分析往往与“归因分析”相关,因为有很多动作可以到达关键环节。 事实上,业务流程转型并不像理想中那么简单。 例如,用户可能因为看到电视广告、点击直播链接、或者看了朋友的朋友圈后直接下单而下单购买某种产品。 从营销角度来看,营销活动、线上运营、邮件营销、电商广告等,都可能触发用户购买。 因此,需要科学判断,来判断这个结果与哪些“原因”有关。 每个转化节点应根据事件积分(事件为转化贡献的积分数量)的差异,科学设置。

因此,我们往往需要算法的配合,才能正确识别出不同营销渠道在用户购买决策的整个过程中对用户的“信用”最大、权重更大,能够直接促进用户转化。 在进行科学漏斗分析时,使用归因权重作为漏斗转换的依据,可以大大增加漏斗分析的科学性。

从上面两个例子可以看出,一个事物本身的概念可以很简单,但是简单并不意味着做起来很容易,因为实际业务非常复杂,需要各种抽象、总结和升华,这就是分析真正困难的地方。

当前,各类工作有相互“崩塌”的趋势。 比如前端搞后端,后端搞数据,分析数据,分析业务。 但事实上,只有抓住商业本质,才能知道这样的“接触”是否会持续下去。 未来不仅仅是“为了智能而智能”。

0
收藏0

最新文章

随机文章

取消
扫码支持支付码