数极客首页

互联网数据运营系列1:流量篇

关于数据化管理的文章书籍已经非常多了,我这里只是近一步整理。数据分析也是为了公司的发展,粗暴一点讲,是为了公司的盈利和持续的盈利。就从这个角度,来逐一分解,互联网行业中,哪些数据需要分析,怎样分析,分析的价值是什么。我会整体分为四大部分:收入相关的数据分析、成本相关的数据分析、风险(为了持续发展)相关的数据分析、综合管理篇。

下面将进行逐一介绍(分阶段更新)。

第一章 收入相关数据分析

互联网的商业模式千变万化,但其盈利模式目前大抵可以分为以下三种:一是向用户出售商品或服务,其中电商和o2o就属这种模式;二是靠广告来进行盈利,典型的例如google、百度以及其他平台类互联网公司;三是直接向用户收取费用,目前游戏公司大都属于这种模式。不同收入模式也有着不同的数据指标,我们分别对其进行介绍。

一、向用户出售商品和服务模式

电商公司和o2o类公司主要是通过这种模式来盈利,公司的收入是由一个个订单堆积出来,其收入状况可通过订单状况得以体现。订单是由用户购买了相关的商品或服务产生,可以说用户和商品或服务为订单的两大基本元素,公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将公司收入相关数据拆解为三大模块:用户、商品或服务、订单。

用户

公司收入、订单都是由用户消费所产生,用户的消费流程可以划分为以下四个阶段:引流、转化、消费、存留。我们所希望的理想情况就是大量的用户进来并且产生消费,并且持续的产生消费。然而现实一般是和我们所希望的相差甚远的,我们能做的,就是对这些数据进行分析,根据数据情况进行策略对调整,让现实与理想情况之间的距离越来越近。

我们一般将用户分为新用户和老用户,如下图所示:
互联网行业数据化运营1:流量篇

引流

一个购物中心,建在荒郊野外,没人进来,装饰再奢华也没什么卵用。根据CNNIC统计,中国网民数量在2015年已达6.88亿,增速稳定,依然维持在5.7%。京东平台2015年第四季度的1.319亿相比2014年第四季度的8280万,流量同比增长率高达59%。这些数字在告诉我们,资源是稀缺的,但是却永远都有增长空间的。我们需要精打细算,实现对每种渠道每种类型的流量来源的最大价值利用。

分析目标:通过对流量的分析,保证流量的稳定性,并通过调整,尝试提高流量

分析角度:

1.观察流量规律,便于活动安排、服务调整

2.发现流量异常,分析异常原因并及时调整

3.观察流量结构,分析其合理性,并作出调整

4.追踪流量情况,衡量活动或者调整效果

分析方法:

(我们先了解关于流量的一些基本数据指标:访客数(uv)、浏览量(pv)、访问次数(visits),是常用的衡量流量多少的数据指标;平均访问深度(浏览量/访问次数)、平均停留时间(总停留时间/总浏览量)、跳失率(跳出次数/访问次数)是用来衡量流量质量优劣的指标。) 

很多方法都可以完成上述的目标,将数据进行可视化展示,以一个合理的角度观察数据,会使得数据展现会更加清晰,降低发现问题的难度。下面将以图表的形式,实现对各个角度的数据分析

1.观察流量规律,便于活动安排、服务调整
互联网行业数据化运营1:流量篇

一般来说,流量都是以每天中的时段、季节、节假日、星期这样的规律来分布的。所以可以将以上几面统一放到同一页面中进行观测,可以全面的了解应用的访问规律。并且通过对渠道、业务的选择,可以观测具体的渠道、业务的访问规律。

分析出流量的规律,对活动效果、业务调整具有重大影响。例如:a公司想开展为期两天每天两小时的消费满200减50并赠送肥皂的活动,那么活动开始时间最好是选在周三、周四,时间在上午的9、10点钟。这样才能在一定的时间内被大部分用户所知道,毕竟活动的广告时间成本都是钱。另外可以根据不同时期访问量的密集程度,调整公司的业务布局,进行合理的成本控制等。

2.发现流量异常,分析异常原因并及时调整
互联网行业数据化运营1:流量篇

a. 流量按周的规律分布,工作日的流量较高,周末的流量比较低,但是上图中5月2日和4月1日是周一,流量也非常低,观察日历发现这两天为五一和清明假期,依然是休息日,所以流量不高。属于正常现象。

b. 3月21日到4月17日到流量图中,工作日到流量一般都维持在2400左右,而观察4月18日到5月15日到图,发现流量从4月19日下滑开始,很少突破2000,也就是流量在近一个月有明显下滑。原因可能是对手购买了竞价排名、自己的seo做的不好等等。问题发现,还要根据实际情况进一步分析具体原因。

一般来说,流量以周为单位,周期性分布的情况是比较多的,将视角拉长,一次性多看几个周的数据,便于发现问题。将一段时间内的数据与历史数据进行对比,也有助于问题的发现。

除上图中对流量异常的简单监控外,可以对流量进行进一步分解,如下图所示,通过图表联动,观察具体渠道或者业务的流量情况,从而完成对问题的追踪定位,例如通过进一步分析发现,4月中旬开始的流量下降主要出现在pc端,那么可以进一步缩小问题的范围。便于问题的解决。

互联网行业数据化运营1:流量篇

如上图所示,在渠道中,pc占比相对过大,而app占比不高,app对于用户具有更大的黏度,所以应分析app占比过低原因,并想办法提高app流量占比。下面的折线图可以对各渠道的流量情况进行追踪,分析占比不合理是短期内出现的,还是长期存在的,辅助问题的分析。

怎样的占比才是合理的,在不同的场景下是不同的,但通常来说,付费流量占比不应过高,通用渠道占比应占据主导地位。对于各业务来说就更加不同。但是可以通过分析对比行业数据或者竞争对手的数据,来分析合理性,当然前提是可以获取到相关数据。

通常渠道来源很多,自主访问、搜索引擎、淘宝付费、京东付费等等。有人会通过渠道流量占比来分析各渠道的质量。仅仅根据流量情况来衡量质量是不全面的,需要配合转化率和roi一起。具体会在后面写到转化率时一起考虑。

4.追踪流量情况,衡量活动或者调整效果

互联网行业数据化运营1:流量篇

除活动外,公司可能会常常调整渠道投入、页面布局、功能改进等等,每一项调整后,都对流量进行追踪观察,可以分析调整的效果。这里只介绍流量的追踪,在进行产品或渠道的优化调整后,同时需要追踪的还有转化率等,关于转化率会在后面进行介绍。

现在的工作会接触到很多互联网公司做BI分析的朋友,想就着这个机会,把自己所见到、学到的整理一下与大家分享,同时也希望通过分享来增加与相通兴趣的朋友的交流。文章中存在的各种不足或者错误,欢迎大家评论。

推荐使用国内新一代大数据用户行为分析平台:数极客,国内首款支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式;自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客必备的互联网数据分析工具。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,国内首创6大提升转化率的数据分析模型,是用户行为分析领域首款应用定量分析与定性分析方法的数据分析产品。基于用户行为的大数据分析智能系统,提供了会员营销AB测试两大数据智能产品,使得企业可以快速的提升用户转化率和留存率,实现数据驱动增长。

作者:知乎达人“jiago王”,知乎专栏“撩撩数据吧”。

互联网行业数据化运营系列文章:

互联网数据运营系列1:流量篇

互联网数据运营系列2:转化篇

互联网数据运营系列3:存留篇

互联网数据运营系列4:复购篇

互联网数据运营系列6:订单1

互联网数据运营系列7:订单2

 

 

发表评论

评论已关闭。

相关文章