從事互聯網的你,真的懂流量分析嗎?

從事互聯網/電商行業的同仁舉個手,因為本文開始將開啟互聯網/電商行業的實戰數據分析。

非此行業的而同學也不要急,寫這個系列的初衷是因為之前很多人留言說想看我實戰數據分析。但是身處傳統行業,很多業務大家對大家來說比較晦澀,於是我就尋思著從哪個行業哪個業務著手。

我的圈子裏很多都是在互聯網公司做bi分析的朋友,於是將目光鎖定互聯網/電商。確實,電商的業務最容以理解,無非流量、訂單、客單價這些,都有所耳聞,且涵蓋營運、銷售、行銷、門店等等,頗具有科普性,大家不妨跟著閱讀。

關於數據化管理的書籍已經非常多了,我這裏只是近一步整理。數據分析也是為了公司的發展,粗暴一點講,是為了公司的盈利和持續的盈利。就從這個角度,來逐一分解,互聯網行業中,哪些數據需要分析,怎樣分析,分析的價值是什麼。

我會整體分為四大部分:收入相關的數據分析、成本相關的數據分析、風險(為了持續發展)相關的數據分析、綜合管理篇。下麵將進行逐一介紹(分階段更新)。

第一章 收入相關數據分析

互聯網的商業模式千變萬化,但其盈利模式目前大抵可以分為以下三種:一是向用戶出售商品或服務,其中電商和o2o就屬這種模式;二是靠廣告來進行盈利,典型的例如google、百度以及其他平臺類互聯網公司;三是直接向用戶收取費用,目前遊戲公司大都屬於這種模式。不同收入模式也有著不同的數據指標,我們分別對其進行介紹。

一、向用戶出售商品和服務模式

電商公司和o2o類公司主要是通過這種模式來盈利,公司的收入是由一個個訂單堆積出來,其收入狀況可通過訂單狀況得以體現。訂單是由用戶購買了相關的商品或服務產生,可以說用戶和商品或服務為訂單的兩大基本元素,公司收入下降、增長、異常最終都可以追蹤到用戶與商品這兩大元素上。這樣我們將公司收入相關數據拆解為三大模組:用戶、商品或服務、訂單。

用戶

公司收入、訂單都是由用戶消費所產生,用戶的消費流程可以劃分為以下四個階段:引流、轉化、消費、存留。我們所希望的理想情況就是大量的用戶進來並且產生消費,並且持續的產生消費。然而現實一般是和我們所希望的相差甚遠的,我們能做的,就是對這些數據進行分析,根據數據情況進行策略對調整,讓現實與理想情況之間的距離越來越近。

我們一般將用戶分為新用戶和老用戶,如下圖所示:

無論新老用戶,我們都會關心兩塊內容,一個是引流(拉新),一個是轉化,最終以數據的形式體現出來,就是流量與轉化率。

引流

一個購物中心,建在荒郊野外,沒人進來,裝飾再奢華也沒什麼卵用。根據CNNIC統計,中國線民數量在2015年已達6.88億,增速穩定,依然維持在5.7%。京東平臺2015年第四季度的1.319億相比2014年第四季度的8280萬,流量同比增長率高達59%。這些數字在告訴我們,資源是稀缺的,但是卻永遠都有增長空間的。我們需要精打細算,實現對每種管道每種類型的流量來源的最大價值利用。

分析目標:通過對流量的分析,保證流量的穩定性,並通過調整,嘗試提高流量。

分析角度:

1.觀察流量規律,便於活動安排、服務調整

2.發現流量異常,分析異常原因並及時調整

3.觀察流量結構,分析其合理性,並作出調整

4.追蹤流量情況,衡量活動或者調整效果

我們先瞭解關於流量的一些基本數據指標:訪客數(uv)、流覽量(pv)、訪問次數(visits),是常用的衡量流量多少的數據指標;

平均訪問深度(流覽量/訪問次數)、平均停留時間(總停留時間/總流覽量)、跳失率(跳出次數/訪問次數)是用來衡量流量品質優劣的指標。

很多方法都可以完成上述的目標,將數據進行可視化展示,以一個合理的角度觀察數據,會使得數據展現會更加清晰,降低發現問題的難度。下麵將以圖表的形式,實現對各個角度的數據分析。

1. 觀察流量規律,便於活動安排、服務調整

從上圖中,可以發現以下規律:一天當中,訪問集中在9點到11點和14點到17點這段工作時間,一年中則在春節前後的訪問量比較大,每週中也是訪問集中在工作日。大部分互聯網業務的規律會與上述情況不同,一般2c的業務會在休息時間訪問量巨大,可能剛好遇上述情況相反,但並不妨礙以上的分析方式。

一般來說,流量都是以每天中的時段、季節、節假日、星期這樣的規律來分佈的。所以可以將以上幾面統一放到同一頁面中進行觀測,可以全面的瞭解應用的訪問規律。並且通過對管道、業務的選擇,可以觀測具體的管道、業務的訪問規律。

分析出流量的規律,對活動效果、業務調整具有重大影響。例如:a公司想開展為期兩天每天兩小時的消費滿200減50並贈送肥皂的活動,那麼活動開始時間最好是選在週三、週四,時間在上午的9、10點鐘。這樣才能在一定的時間內被大部分用戶所知道,畢竟活動的廣告時間成本都是錢。另外可以根據不同時期訪問量的密集程度,調整公司的業務佈局,進行合理的成本控制等。

2.發現流量異常,分析異常原因並及時調整

從上圖中,可以發現以下規律:一天當中,訪問集中在9點到11點和14點到17點這段工作時間,一年中則在春節前後的訪問量比較大,每週中也是訪問集中在工作日。大部分互聯網業務的規律會與上述情況不同,一般2c的業務會在休息時間訪問量巨大,可能剛好遇上述情況相反,但並不妨礙以上的分析方式。

一般來說,流量都是以每天中的時段、季節、節假日、星期這樣的規律來分佈的。所以可以將以上幾面統一放到同一頁面中進行觀測,可以全面的瞭解應用的訪問規律。並且通過對管道、業務的選擇,可以觀測具體的管道、業務的訪問規律。

分析出流量的規律,對活動效果、業務調整具有重大影響。例如:a公司想開展為期兩天每天兩小時的消費滿200減50並贈送肥皂的活動,那麼活動開始時間最好是選在週三、週四,時間在上午的9、10點鐘。這樣才能在一定的時間內被大部分用戶所知道,畢竟活動的廣告時間成本都是錢。另外可以根據不同時期訪問量的密集程度,調整公司的業務佈局,進行合理的成本控制等。

2.發現流量異常,分析異常原因並及時調整

通過對上圖的觀察,可以發現兩個異常現象:

a. 流量按周的規律分佈,工作日的流量較高,週末的流量比較低,但是上圖中5月2日和4月1日是週一,流量也非常低,觀察日曆發現這兩天為五一和清明假期,依然是休息日,所以流量不高。屬於正常現象。

b. 3月21日到4月17日到流量圖中,工作日到流量一般都維持在2400左右,而觀察4月18日到5月15日到圖,發現流量從4月19日下滑開始,很少突破2000,也就是流量在近一個月有明顯下滑。原因可能是對手購買了競價排名、自己的seo做的不好等等。問題發現,還要根據實際情況進一步分析具體原因。

一般來說,流量以周為單位,週期性分佈的情況是比較多的,將視角拉長,一次性多看幾個周的數據,便於發現問題。將一段時間內的數據與歷史數據進行對比,也有助於問題的發現。

除上圖中對流量異常的簡單監控外,可以對流量進行進一步分解,如下圖所示,通過圖表聯動,觀察具體管道或者業務的流量情況,從而完成對問題的追蹤定位,例如通過進一步分析發現,4月中旬開始的流量下降主要出現在pc端,那麼可以進一步縮小問題的範圍。便於問題的解決。

3. 觀察流量結構,分析其合理性,並作出調整

流量結構一般可分為管道結構、業務結構、地區結構。通過查詢一段時間內的各結構占比,瞭解流量組成。

如上圖所示,在管道中,pc占比相對過大,而app占比不高,app對於使用者具有更大的黏度,所以應分析app占比過低原因,並想辦法提高app流量占比。下麵的折線圖可以對各管道的流量情況進行追蹤,分析占比不合理是短期內出現的,還是長期存在的,輔助問題的分析。

怎樣的占比才是合理的,在不同的場景下是不同的,但通常來說,付費流量占比不應過高,通用管道占比應佔據主導地位。對於各業務來說就更加不同。但是可以通過分析對比行業數據或者競爭對手的數據,來分析合理性,當然前提是可以獲取到相關數據。

通常管道來源很多,自主訪問、搜索引擎、淘寶付費、京東付費等等。有人會通過管道流量占比來分析各管道的品質。僅僅根據流量情況來衡量品質是不全面的,需要配合轉化率和roi一起。具體會在後面寫到轉化率時一起考慮。

4. 追蹤流量情況,衡量活動或者調整效果

對流量的追蹤,一般就是對流量的監控,觀察活動前、活動中、活動後的變化情況,評估活動效果。一般來講,活動期間流量會大幅提升,活動後有一定回落,是一個成功的活動。如果活動期間流量上升幅度不大,或者活動結束後流量大幅度跌落,甚至流量低於活動前的正常流量很多,都不能說是一個成功的活動。

當然,若分析活動效果,需要追蹤的不僅僅是流量,包括轉化率、訂單數、成交額、都需要進行追蹤。後面會進行針對性的介紹。

除活動外,公司可能會常常調整管道投入、頁面佈局、功能改進等等,每一項調整後,都對流量進行追蹤觀察,可以分析調整的效果。這裏只介紹流量的追蹤,在進行產品或管道的優化調整後,同時需要追蹤的還有轉化率等,關於轉化率會在後面進行介紹。

下一篇將針對轉化率進行專題介紹。歡迎留言交流,相互學習。

注:文中圖表均由finereport報表軟體開發

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/