我爱台鸽网_台鸽_信鸽_鸽子家园

数据分析逻辑:流量转化漏斗模型详解

我爱台鸽网 2021-04-06 19:40 我爱台鸽网 61
数据分析能够帮助我们更好地进行运营决策,数据分析能够很好的为转化用户提供参考与数据支撑。 商业领域的数据

数据分析能够帮助我们更好地进行运营决策,数据分析能够很好的为转化用户提供参考与数据支撑。

商业领域的数据分析,就是为了给商业行为提供良好的数据预测以及效果评估,在互联网界也是如此。我们在目前商业环境所做的每一项活动都直接或者间接与用户有着联系,其目的本质都是一样,为了让用户成为你的消费者,更进一步的持久消费者。因此数据分析,也应该为转化用户提供参考与数据支撑。毕竟没有用户转化为消费者这个过程,所有的分析都是天方夜谭。数据的结论与行为的预测彼此就是一个循环论证的过程。

首先澄清一下数据分析其实并不是什么高深的学问,在现实的职场实战中,涉及涵盖的数据分析的方法以及复杂性是远低于在学校里习得的专业知识。什么卡方检验,方差分析,回归分析显著性检验等等在非用研以及非专业统计分析领域是很少涉及的。(当然那些学过数理统计学的专业人士也不屑于本文提到的内容,如果大家对这些看起来比较高深的分析方法有兴趣可以自行脑补)。本文只给运营以及一些涉及产品方向的岗位提供分析思路并结合实际案例对我所涉及的领域,抽丝剥茧,给大家一个更加直观的用户转化方面涉及数据分析的知识覆盖。

互联网的大用户概念我们可以直接简单粗暴认定为流量,这里的流量并不是指的简单的IP,UV,PV也可以指来电数,访客人数,人流量等概念既然是流量也就有其自身的数量。我们在对流量转化的数据分析时都会基于一种逻辑方案———流量漏斗转化模型进行分析。

原理很简单,我们可以形象的认为自身的互联网产品其本身就是一个虚拟的漏斗,用户在进行浏览到最终完成下单行为(或者其他我们认定的转化行为比如注册,关注,转发等)有多少被直接阻挡在了“滤网”之上,有多少顺利的达到了我们预设的“转化行为区域”。当然,我们所有的活动都并不是一锤子买卖,因此也要从横向(时间)维度来分析问题。持续的转化用户,保持老用户的消费活力也是分析工作的重中之重。当然,我们在转化流量不仅仅是指的转化的数量而且还指转化的质量,说的比较简单点,就是要提高单个用户的消费价值。在横纵两个维度方面,在这些层层“滤网”中,我们是如何透过这些数据分析问题的呢。

数据分析逻辑:流量转化漏斗模型详解

以大型电商网站下单流程为例,我将从流量来源-中间页面访问-详情页-加入购物车-提交订单-复购这几个阶段展开说明。

一,流量来源

流量进入主站的第一道障碍通过不同渠道进入的主站(或者该渠道引入流量的承接页),主站页面即是第一层“滤网”我们用穿过第一层滤网进入二级页面的通过率来衡量渠道的流量的质量。通常我们用来衡量页面的流量质量的指标包含如下:页面UV点击率,页面停留时间,跳失率。

想要通过第一层“滤网”,需要必要的动作就是产生点击行为,而点击行为会产生两个数据:页面UV点击率=页面点击总次数/页面UV数;跳失率=通过一个入口进入就离开的次数/通过该入口访问的总次数。点击率越高,说明页面呈现的内容有吸引力能够有效的吸引用户的关注;跳失率越高,说明页面呈现内容具备欺骗性,所呈现的链接内容和文案不具备吸引力。因此在进行第一层滤网的优化方面尽量提高页面的点击率,降低页面的跳失率。尽量让用户下沉到二级页面(或者目标页面)。同时通过这个数据也可以判断流量来源的质量是否过关。

一般而言,页面低质量的流量判断往往符合以下几个特点:在排除页面问题的情况下产生的:1,低点击率;2,高跳失率;3低页面停留时间。

这些低质量流量产生的原因主要有几个方面:1,渠道引流上呈现的文案内容与承接落地页面不符。2,投放渠道上,与目标用户活跃范围不符的渠道,也就是说投放的渠道不精准。3,承接页出错等以及其他原因(包含但不限于404错误网页过期,跳转出错等)。

既然说到这,顺便也给大家看看外部渠道的各种引流的优劣:

数据分析逻辑:流量转化漏斗模型详解

以上表格内容,并不一定十分准确,大家可以抱着批判的态度研究论证一下。

二,中间页面访问

在页面访问阶段,流量成功通过第一道“滤网”进入到中间页阶段,中间页包含:搜索列表页,专题活动页面,频道页面等。不同的中间页也有不同的数据指标反映着页面内容的好坏以及流量的走向。中间页的好坏考量最终是有多少访客进入到了商品详情页,因此有一个指标非常重要:UV到达详情页转化率=详情页UV/中间页UV

搜索列表页

热门标签

我爱台鸽网版权所有
返回顶部