
網(wǎng)站數(shù)據(jù)分析:基于用戶細(xì)分的比較分析
從網(wǎng)站的用戶層面,我們根據(jù)用戶訪問(wèn)的行為特征將用戶細(xì)分成各種類(lèi)型,因?yàn)橛脩粜袨楦鳟?,行?/span>統(tǒng)計(jì)指標(biāo)各異,分析的角度各異,所以如果要對(duì)用戶做細(xì)分,可以從很多角度根據(jù)各種規(guī)則實(shí)現(xiàn)各種不同的分類(lèi),看到過(guò)有些數(shù)據(jù)分析報(bào)告做了各種用戶的細(xì)分,各種用戶行為的分析,再結(jié)合其他各種維度,看上去內(nèi)容絕對(duì)足夠豐富,但很難理解這些分析結(jié)果到底是為了說(shuō)明什么問(wèn)題,也許作為一個(gè)咨詢報(bào)告反映當(dāng)前整體的趨勢(shì)和用戶特征確實(shí)合適,但如果真的要讓數(shù)據(jù)分析的結(jié)果能夠引導(dǎo)我們?nèi)プ鲂┦裁?,還是要在做用戶細(xì)分前確定分析的目的,明確業(yè)務(wù)層面的需求。
既然要做基于用戶細(xì)分的比較分析,自然是為了明確某些用戶分類(lèi)群體的行為特征與其他用戶群體的差異。這里主要從指導(dǎo)內(nèi)容層面的調(diào)整為導(dǎo)向,通過(guò)比較各用戶細(xì)分群體對(duì)內(nèi)容需求的差異,優(yōu)化內(nèi)容運(yùn)營(yíng),將優(yōu)質(zhì)的內(nèi)容或者符合用戶偏好的內(nèi)容推薦給相應(yīng)的用戶。
既然是基于用戶細(xì)分,首先明確用戶的細(xì)分規(guī)則,這里舉例3類(lèi)細(xì)分:流失用戶與留存用戶、新用戶與老用戶、單次購(gòu)買(mǎi)用戶和二次購(gòu)買(mǎi)用戶,基于這3類(lèi)細(xì)分,對(duì)每個(gè)分類(lèi)的用戶購(gòu)買(mǎi)商品進(jìn)行比較分析,明確哪些商品更加符合用戶的預(yù)期。
流失用戶和留存用戶比較
當(dāng)然,要區(qū)分流失用戶和留存用戶,首先必須對(duì)用戶流失有一個(gè)明確的定義,關(guān)于流失用戶的定義可以參考博客之前的文章--網(wǎng)站的活躍用戶與流失用戶。有了定義我們就可以做統(tǒng)計(jì)和細(xì)分了,還是以電子商務(wù)網(wǎng)站為例,電商網(wǎng)站的內(nèi)容就是商品,我們基于每個(gè)商品計(jì)算購(gòu)買(mǎi)這些商品的用戶中購(gòu)買(mǎi)后造成流失的用戶比例,如下:
這里的指標(biāo)定義應(yīng)該比較明確,每個(gè)商品的流失用戶比例應(yīng)該是購(gòu)買(mǎi)該商品后流失的用戶數(shù)在所有購(gòu)買(mǎi)該商品的用戶中的占比,但只知道每個(gè)商品的流失用戶比例無(wú)法評(píng)價(jià)這個(gè)商品是否對(duì)用戶保留有促進(jìn)作用,或者在一定程度上造成了用戶的流失,只有通過(guò)與總體水平的比較才能得出相應(yīng)的結(jié)論。所以這里需要重點(diǎn)解釋的是“與總體比較”這個(gè)數(shù)值是怎么計(jì)算的到的,這里的百分比不是直接相減的結(jié)果,而是一個(gè)差異的幅度體現(xiàn),這里假設(shè)總體用戶流失率為56%,那么以A商品為例,與總體比較的結(jié)果是:( 58.13% – 56% ) / 56% = 3.80% ,使用同樣的計(jì)算方法也可以得到其他商品與總體比較的差異幅度。最后就是展示,在Excel里面通過(guò)“條件格式”里面的數(shù)據(jù)條功能可以直接展現(xiàn)出圖中的效果,非常方便。
很明顯,上面圖中的分析結(jié)果對(duì)運(yùn)營(yíng)調(diào)整有直接的指導(dǎo)性,目的是促進(jìn)用戶保留,所以我們要做的就是將有利于用戶留存的商品(F商品的用戶流失率明顯要比總體低得多,說(shuō)明F產(chǎn)品更有利于用戶保留)推薦給用戶,而將那些可能導(dǎo)致用戶流失的商品(C商品)進(jìn)行優(yōu)化或者下架。
新用戶和老用戶比較
同樣,使用上面的方法可以區(qū)分不同用戶群的購(gòu)買(mǎi)偏向。新老用戶的細(xì)分是最常見(jiàn)的用戶細(xì)分方法,我們可以使用類(lèi)似的方法來(lái)看看新老用戶對(duì)商品的不同喜好:
從上圖中你看出了什么?購(gòu)買(mǎi)D商品的用戶中新用戶的比例明顯偏低,也許新用戶根本就不喜歡這個(gè)商品,而B(niǎo)商品和F商品顯然更加符合新用戶的口味。如果你的網(wǎng)站可以進(jìn)行新老用戶區(qū)分的定向推廣,那么上面這個(gè)分析結(jié)果將讓你受益良多。
當(dāng)然,這個(gè)數(shù)據(jù)呈現(xiàn)的特征可能跟商品的推廣渠道有一定的關(guān)系,比如上圖的D商品比較多的是使用老用戶比較集中的推廣渠道(比如EDM),那么自然購(gòu)買(mǎi)用戶中老用戶的比例會(huì)偏高;或者把某些商品放在新用戶比較集中的Landing Page中展示,那么購(gòu)買(mǎi)該商品的新用戶比例也顯然會(huì)偏高。所以,在做諸如此類(lèi)的分析時(shí)需要注意根據(jù)推廣渠道的差異,具體問(wèn)題具體分析,不能一概而論。
單次購(gòu)買(mǎi)用戶和二次購(gòu)買(mǎi)用戶比較
使用同樣的方法也可以促成用戶的多次購(gòu)買(mǎi)。對(duì)于電子商務(wù)網(wǎng)站而言,用戶的首次購(gòu)物體驗(yàn)非常重要,這將會(huì)直接影響用戶是不是會(huì)產(chǎn)生再次或者之后的多次購(gòu)買(mǎi),或者是否能夠成為網(wǎng)站的忠誠(chéng)客戶。如果你的網(wǎng)站注重用戶關(guān)系管理,那么你可以嘗試下使用下面的分析方法:
需要注意的是這里的基礎(chǔ)用戶群設(shè)定在了每個(gè)商品的首次購(gòu)買(mǎi)用戶(不是所有),我們要分析的是所有將該商品作為首次購(gòu)買(mǎi)商品的情況下,用戶是否還會(huì)發(fā)起之后的再次甚至多次購(gòu)買(mǎi)行為,從而評(píng)價(jià)商品對(duì)于首次購(gòu)買(mǎi)體驗(yàn)的影響好壞。從上表可以看出,B商品和F商品在促成二次購(gòu)買(mǎi)的表現(xiàn)不佳,很有可能商品的使用或質(zhì)量問(wèn)題影響了用戶的滿意度,阻礙了用戶再次購(gòu)買(mǎi)的腳步。根據(jù)分析結(jié)果,我們尤其需要對(duì)那些二次購(gòu)買(mǎi)率比總體水平低非常多的商品進(jìn)行重點(diǎn)關(guān)注,同時(shí)也需要根據(jù)商品的特征進(jìn)行分析,有些商品確實(shí)比較容易促成二次購(gòu)買(mǎi),因?yàn)榭赡艽嬖诮徊驿N(xiāo)售和向上營(yíng)銷(xiāo)的情況。
其實(shí)本來(lái)想把這篇文章拆分成多篇整成一個(gè)系列專(zhuān)題,因?yàn)閺膶?shí)現(xiàn)層面而言,每一塊的用戶細(xì)分的分析都需要獨(dú)立完成,而且大部分要從底層的數(shù)據(jù)計(jì)算得到,如果你從Google Analytics上面從尋找類(lèi)似的數(shù)據(jù),其實(shí)唯一可以找到的就只有新訪問(wèn)比例,而且在內(nèi)容模塊里面細(xì)分到每個(gè)頁(yè)面的指標(biāo)也未包含% New Visits(在流量來(lái)源、地域細(xì)分里面有該度量),當(dāng)然你可以自定義報(bào)告來(lái)查看網(wǎng)站每個(gè)頁(yè)面的新訪問(wèn)比例,比較的基準(zhǔn)還是網(wǎng)站總體的新訪問(wèn)比例,GA的展現(xiàn)方式選擇里面直接提供了與總體比較的視圖“Comparison”,下圖是我做的自定義報(bào)表:
GA上面的展現(xiàn)的效果跟用Excel 2010上面定制條件格式后的效果很像(2010可以展現(xiàn)正負(fù)值在坐標(biāo)軸左右側(cè)區(qū)分的紅綠數(shù)據(jù)條,2007貌似還未實(shí)現(xiàn)此功能),這種基于基準(zhǔn)的比較展現(xiàn)非常直觀使用,其實(shí)在其它的分析中同樣可以用到。那么你從我的博客的各內(nèi)容新用戶比例比較分析中看出了什么?訪問(wèn)數(shù)排在前幾名的文章中很明顯的趨勢(shì)就是概念性方**的文章新用戶比例高于均值(當(dāng)然主要靠搜索引擎的幫忙),而觀點(diǎn)性和分析性的文章的新用戶比例低于均值(老用戶更偏向于實(shí)踐和應(yīng)用),所以如果我的博客可以動(dòng)態(tài)向新用戶和老用戶展現(xiàn)不同的內(nèi)容,那么這個(gè)分析將十分具有價(jià)值,也許你的網(wǎng)站可以嘗試下。
最后還是回到一開(kāi)始的問(wèn)題,需要總結(jié)的是:細(xì)分是用于比較的,比較是為了反映差異進(jìn)而做出調(diào)整優(yōu)化的,所以細(xì)分的目的最終還是指導(dǎo)運(yùn)營(yíng)決策,這個(gè)才是數(shù)據(jù)分析的價(jià)值體現(xiàn).
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
用 SQL 生成逆向回滾 SQL:數(shù)據(jù)操作的 “后悔藥” 指南? 在數(shù)據(jù)庫(kù)操作中,誤刪數(shù)據(jù)、錯(cuò)改字段或誤執(zhí)行批量更新等問(wèn)題時(shí)有發(fā)生。 ...
2025-07-14如何考取數(shù)據(jù)分析師證書(shū):以 CDA 為例? ? 在數(shù)字化浪潮席卷各行各業(yè)的當(dāng)下,數(shù)據(jù)分析師已然成為企業(yè)挖掘數(shù)據(jù)價(jià)值、驅(qū)動(dòng)決策的 ...
2025-07-14t檢驗(yàn)與Wilcoxon檢驗(yàn)的選擇:何時(shí)用t.test,何時(shí)用wilcox.test? t 檢驗(yàn)與 Wilcoxon 檢驗(yàn)的選擇:何時(shí)用 t.test,何時(shí)用 wilcox. ...
2025-07-14AI 浪潮下的生存與進(jìn)階: CDA數(shù)據(jù)分析師—開(kāi)啟新時(shí)代職業(yè)生涯的鑰匙(深度研究報(bào)告、發(fā)展指導(dǎo)白皮書(shū)) 發(fā)布機(jī)構(gòu):CDA數(shù)據(jù)科 ...
2025-07-13LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱(chēng) BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專(zhuān)注于從單 ...
2025-07-09year_month數(shù)據(jù)類(lèi)型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類(lèi)型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門(mén)控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書(shū)考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07