数据分析方法论2——流量分析
一、背景
有了指標體系和報表之后，最重要的事情就是每天看各種數據了，這也就是流量分析
流量分析：流量指的是廣義的流量，從哪里來，經過什么，產生什么價值，如果它波動了，為何波動
1）渠道分析——從哪里來
2）轉化分析——經過什么，比如漏斗，功能模塊
3）價值分析——產生什么價值，是不是忠實用戶等
4）波動分析——包括日常監控分析，漲跌分析
二、渠道分析
1、常見渠道及分類
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
??
渠道的質量好壞都是相對于大盤來講的，一個健康的APP，前期靠渠道特別是外部渠道的品牌帶量，后期靠自傳播或者免費推廣。
2、渠道關鍵指標及分析方法
關鍵指標：前期看有效用戶數和次留，中期看次日、7日、30日留存，后期看ROI
有效用戶數：由于渠道都是收費的，所以會有刷量的嫌疑，所以除了看直接量級，還應該看有主動行為的用戶數，比如停留時間大于3秒的用戶數
渠道最終目的是商業變現，所以一定要計算每個渠道的ROI，把ROI小于1的渠道砍掉
分析方法：結構分析 + 趨勢分析 + 對比分析 + 作弊分析
結構分析：對渠道先按照一起渠道來拆解，再按照二級渠道來拆解
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：不同渠道之間的趨勢對比
作弊分析：用戶行為分析 + 機器學習
?三、轉化及價值分析
1、漏斗分析
針對需要提升的某一步，核心思想都是用戶細分：按照用戶基礎屬性和行為屬性來拆分
基礎屬性：手機品牌、地域、imei特征
行為特征：入口、時段、用戶活躍度、用戶標簽
對有問題的群體進行針對性優化——精細化
2、功能模塊價值分析
常規分析包括：
1）功能滲透率 = 功能用戶數/大盤用戶數 ： 使用某功能的占比
2）功能留存率：第一天使用該功能同時第二天也使用該功能的用戶數/第一天使用該功能的用戶數
3）功能大盤留存率 ：第一天使用該功能同時第二天是大盤用戶的用戶數/第一天使用該功能用戶數
4）大盤用戶 = 所有功能用戶排列去重 + 不適用任何功能的用戶（這部分群體也要監控起來，這樣才是完整的大盤數據）
價值分析包括：
1）功能核心用戶數 ： 符合某種要求的功能用戶數，一般用使用次數、使用時長、使用天數、具備某種行為來定義“核心”——單純用戶數可能會出現一個悖論：所有功能在漲，但大盤在跌。
? ? ?
如圖，功能A的用戶數在上漲，但是核心用戶數在下降，說明該功能吸引來的用戶非核心用戶，可能該功能類似加了個小紅點，用戶點擊進來，但是并沒有產生什么其他行為。
2）功能對大盤貢獻度，比如對大盤留存提升的貢獻
功能A對大盤留存的提升貢獻 = 功能A滲透率 * 功能A的大盤留存率提升數
? ? ? ??
嚴格說，只有AB測試才能說明功能對大盤貢獻度，但實際中就這種計算可以對不同功能進行橫向對比
3）功能帶來的收入對比：每個功能每個月賺多少錢
3、流量波動分析方法
常見的流量波動分析主要考慮兩個指標：日活和留存，所以主要分析都是圍繞這兩個指標來展開的。
1）日活波動 = 外部影響 & 內部影響
外部影響 = 行業變化&競品變化 = 常識 + 外部事件 + 競品策略
內部影響 = 數據統計 + 用戶基礎屬性 + 用戶行為屬性
數據統計：數據有沒有出錯——數據采集有沒有問題，統計的口徑是否更改
用戶基礎屬性：用戶從哪里來，通過什么方式進入——渠道（新用戶變化）、入口、畫像
用戶行為屬性：用戶進來做了什么——具體功能的變化，是否和更新了版本有關
2）留存波動 = 新用戶留存 & 老用戶留存
新用戶留存 = 渠道 + 渠道過程
老用戶留存 = 所有功能用戶去重留存 + 大盤非功能用戶留存? ?=? 功能A留存&功能B留存&功能C留存 + 大盤非功能用戶留存
實際情況如下，（假設留存下跌）：
大盤下跌
A,B,C中有一個留存下跌—— 由于該留存下跌造成
A,B,C中有兩個或者兩個以上留存下跌——看誰是主要下跌因子，找到它，若下跌幅度差不多：
a、進一步觀察一周，若是持續陰跌，則是產品某核心部分出現問題，應圍繞指標體系做一次產品全盤分析，并找到它
b、跌了幾天之后回去了，這可能與外部因素有關。
?
轉載于:https://www.cnblogs.com/HYLering/p/11175845.html
總結
以上是生活随笔為你收集整理的数据分析方法论2——流量分析的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 别再瞎搞了，处理Java异常的10个最佳
- 下一篇： 超干货 | 这些概念可是操作系统的灵魂，