網(wǎng)站運(yùn)營常見指標(biāo)分析有哪些(2)
網(wǎng)站運(yùn)營數(shù)據(jù)分析方法六：AB測試
增長黑客不談AB測試是恥辱。
通過數(shù)據(jù)優(yōu)化運(yùn)營和產(chǎn)品的邏輯很簡單——看到問題，想個(gè)主意，做出原型，測試定型。
比如，你發(fā)現(xiàn)轉(zhuǎn)化漏斗中間有一個(gè)漏洞，于是你想，一定是商品價(jià)格不對頭，讓大家不想買了。你看到了問題——漏斗，而且你也想出了主意——改變定價(jià)。
但是這個(gè)主意靠不靠譜，可不是你想出來的，必須得讓真實(shí)的用戶用。于是你用AB測試，一部分的用戶還是看到老價(jià)格，另外一部分用戶看到新價(jià)格。若是你的主意真的管用，新價(jià)格就應(yīng)該有更好的轉(zhuǎn)化。若真如此，新的價(jià)格就被確定下來(定型)，開始在新的轉(zhuǎn)化高度上運(yùn)行，直到你又發(fā)現(xiàn)一個(gè)新的需要改進(jìn)的問題。
增長黑客的一個(gè)主要思想之一，是不要做一個(gè)大而全的東西，而是不斷做出能夠快速驗(yàn)證的小而精的東西。快速驗(yàn)證，如何驗(yàn)證的?主要方法就是AB測試。
今天的互聯(lián)網(wǎng)世界，由于流量紅利時(shí)代的結(jié)束，對于快速迭代的要求**提升了，這也使我們更加在意測試的力量。
在web上進(jìn)行AB測試很簡單，在app上難度要高很多，但解決方法還是很多的。國外那些經(jīng)典app，那些賣錢游戲，幾乎天天都在AB測試。
網(wǎng)站運(yùn)營數(shù)據(jù)分析方法五：熱圖及對比熱圖
熱圖是一個(gè)大家都喜歡的功能，它是最直觀的記錄用戶與產(chǎn)品界面交互的工具。不過真用起來，可能大家很少真正去深究吧!
熱圖，對于web、app的分析，都非常重要!今天的熱圖相對于過去的熱圖，功能得到了極大的提升。
在web端，過去一些解決不好的問題，比如只能看鏈接的被點(diǎn)擊情況，點(diǎn)擊位置錯(cuò)位，對浮層部分點(diǎn)擊的標(biāo)記，對鏈出鏈接的標(biāo)記等等，現(xiàn)在已經(jīng)有好的工具能夠提供很多新的辦法去解決。在app端則分為兩種情況，內(nèi)容類的app，對于熱圖的需求較弱;但工具類的app對于熱圖的需求則很顯著。前者的screen中以并列內(nèi)容為主，且內(nèi)容動(dòng)態(tài)變換，熱圖應(yīng)用價(jià)值不高;后者則特別需要通過熱圖反映用戶的使用**慣，并結(jié)合app內(nèi)其他的engagement的分析(in-app engagement)來優(yōu)化功能和布局設(shè)計(jì)，所以熱圖對它們很重要。
要想熱圖用的好，一個(gè)很重要的點(diǎn)在于你幾乎不能單獨(dú)使用一個(gè)熱圖就想解決問題。我常常用集中對比熱圖的方法。
其一，多種熱圖的對比分析，尤其是點(diǎn)擊熱圖(觸摸熱圖)、閱讀線熱圖、停屏熱圖的對比分析;
其二，細(xì)分人群的熱圖對比分析，例如不同渠道、新老用戶、不同時(shí)段、AB測試的熱圖對比等等。
其三，深度不同的互動(dòng)，所反映的熱圖也是不同的。這種情況也值得利用熱圖對比功能。例如點(diǎn)擊熱圖與轉(zhuǎn)化熱圖的對比分析等。
總之，分析很多用戶交互的時(shí)候，熱圖簡直是神器，只不過，熱圖真的比你看到的要更強(qiáng)大!
網(wǎng)站運(yùn)營數(shù)據(jù)分析方法四：Event Tracking(事件追蹤)
互聯(lián)網(wǎng)運(yùn)營數(shù)據(jù)分析的一個(gè)很重要的基礎(chǔ)是網(wǎng)站分析。今天的app分析、流量分析、渠道分析，還有后面要講到的歸因分析等等，都是在網(wǎng)站分析的基礎(chǔ)之上發(fā)展起來的。
但是，早期的網(wǎng)站分析有一個(gè)特點(diǎn)，就是對于用戶在頁面上互動(dòng)行為的記錄，只能記錄下來一種，就是點(diǎn)擊http鏈接(點(diǎn)擊URL)。不過隨著技術(shù)的發(fā)展，頁面上不僅僅只有http鏈接，頁面上還有很多flash(現(xiàn)在flash都要被淘汰了)、JavaScript的互動(dòng)鏈接、視頻播放、鏈接到其他的web或者app的鏈接等等，用戶點(diǎn)擊這些東西就都無法被老方法記錄下來了。
不過，有問題就一定有方法，人們發(fā)明了event tracking來解決上面的問題。event tracking本質(zhì)上是對這些特殊互動(dòng)的定制化監(jiān)測，而由于是定制化，所以反而有了更多附加的好處，即可以額外添加對于這個(gè)活動(dòng)的更多的說明(以event tracking這個(gè)方法的附件屬性的方式)。結(jié)果，這個(gè)方法甚至有些反客為主，即使是一些http鏈接，很多分析老手也喜歡把它們加上event tracking(技術(shù)上完全可行)，以獲得更多的額外監(jiān)測屬性說明。
隨著app的出現(xiàn)，由于app的特殊性(屏幕小，更強(qiáng)調(diào)在一個(gè)屏幕中完成互動(dòng))，分析app的page(實(shí)際上應(yīng)該是app的screen)間跳轉(zhuǎn)的重要性完全不如web上的page之間的跳轉(zhuǎn)，但分析app上的點(diǎn)擊行為的重要性則十分巨大，這就使我們分析in-app engagement的時(shí)候，必須大量依賴event，而相對較少使用screen。這就是說，在app端，event反而是主，page(更準(zhǔn)確應(yīng)該是screen)反而是輔!
這也是為什么，這個(gè)方法你必須要掌握的原因。
網(wǎng)站運(yùn)營數(shù)據(jù)分析方法三：Cohort分析
Cohort分析還沒有一個(gè)所有人都統(tǒng)一使用的翻譯。有的說是隊(duì)列分析，有的說是世代分析，有的說是隊(duì)列時(shí)間序列分析。
無論哪種叫法，cohort分析在有數(shù)據(jù)運(yùn)營領(lǐng)域都變得十分重要。原因在于，隨著流量經(jīng)濟(jì)的退卻，精耕細(xì)作的互聯(lián)網(wǎng)運(yùn)營特別需要仔細(xì)洞察留存情況。Cohort分析最大的價(jià)值也正在于此。Cohort分析通過對性質(zhì)完全一樣的可對比群體的留存情況的比較，來發(fā)現(xiàn)哪些因素影響短、中、長期的留存。
Cohort分析受到歡迎的另一個(gè)原因是它用起來十分簡單，但卻十分直觀。相較于比較繁瑣的流失(churn)分析，RFM或者用戶聚類等，Cohort只用簡單的一個(gè)圖表，甚至連四則運(yùn)算都不用，就直接描述了用戶在一段時(shí)間周期(甚至是整個(gè)LTV)的留存(或流失)變化情況。甚至，Cohort還能幫你做預(yù)測。
我總覺得cohort分析是最能體現(xiàn)簡單即美的一個(gè)典型方法。
網(wǎng)站運(yùn)營數(shù)據(jù)分析方法二：Attribution(歸因)
歸因不是人人都聽說過，用好的更是寥寥無幾。 不過，考慮到人們購買某一樣?xùn)|西的決策，可能受到多種因素(數(shù)字營銷媒體)的影響，比如看到廣告了解到這個(gè)商品的存在，利用搜索，進(jìn)一步了解這個(gè)商品，然后在social渠道上看到這個(gè)商品的公眾號等等。這些因素的綜合，讓一個(gè)人下定了決心購買。
因此，很多時(shí)候，單一的廣告渠道并不是你打開客戶閘門的閥門，而是多種渠道共同作用的結(jié)果。
如何了解數(shù)字營銷渠道之間的這種先后關(guān)系或者相互作用?如何設(shè)置合理的數(shù)字營銷渠道的策略以促進(jìn)這種關(guān)系?在評價(jià)一個(gè)渠道的時(shí)候，如何將歸因考慮在內(nèi)從而能夠更客觀的衡量?這些都需要用到歸因。
如果你是互聯(lián)網(wǎng)營銷的負(fù)責(zé)人，歸因分析是必不可少的分析方法。在我的課堂上，會特別多的篇幅講解這個(gè)方法。
網(wǎng)站運(yùn)營數(shù)據(jù)分析方法一：細(xì)分
嚴(yán)格說，細(xì)分不是一種方法，它是一切分析的本源。所以它當(dāng)之無愧要排名第一。
我經(jīng)常的口頭禪是，無細(xì)分、毋寧死。沒有細(xì)分你做什么分析呀。
細(xì)分有兩類，一類是一定條件下的區(qū)隔。如：在頁面中停留30秒以上的visit(session);或者只要北京地區(qū)的訪客等。其實(shí)就是過濾。另一類是維度(dimension)之間的交叉。如：北京地區(qū)的新訪問者。即分群(segmentation)。
細(xì)分幾乎幫助我們解決所有問題。比如，我們前面講的構(gòu)建轉(zhuǎn)化漏斗，實(shí)際上就是把轉(zhuǎn)化過程按照步驟進(jìn)行細(xì)分。流量渠道的分析和評估也需要大量用到細(xì)分的方法。
維度之間的交叉是比較體現(xiàn)一個(gè)人分析水平的細(xì)分方法。比如，我的朋友孫維(卡車之家的數(shù)據(jù)負(fù)責(zé)人)，他將用戶的反饋?zhàn)鳛閑vent tracking的屬性(放在了event action屬性中)，提交給GA，然后在自定義的報(bào)告中，將用戶反饋和用戶的其他行為交叉起來，從而看到有某一類反饋的用戶，他們的行為軌跡是什么，從而推測發(fā)生了什么問題。
分析跳出率時(shí)，我們也會把landing page和它的traffic source(流量源)進(jìn)行交叉，以檢查高跳出率的表現(xiàn)是由著陸頁造成，還是由流量造成。這也是典型的維度交叉細(xì)分的應(yīng)用。
猜你感興趣：
網(wǎng)站運(yùn)營常見指標(biāo)分析有哪些(2)
