電商數(shù)據(jù)分析基礎方法:重點分析用戶

作為數(shù)據(jù)分析師是我目前最驕傲的一件事，在當今電商行業(yè)中，分析方法是核心內(nèi)容之一，重點放在用戶上。

在理解了要選擇怎樣的指標來衡量各項業(yè)務之后，我們可以對業(yè)務有一個客觀和全面的把握，可是數(shù)字本身無法告訴我們發(fā)生了什么事情，怎樣可以改進。為了得到更深入的信息，我們需要用到很多的分析工具，這里我們只介紹最常用和基礎的分析方法：拆分。

一、看數(shù)據(jù)分布
最簡單的拆分方法就是不看平均值，看數(shù)據(jù)分布。因為凡 是“總和”或者“平均”類的統(tǒng)計數(shù)據(jù)都會丟失掉很多重要的信息。例如李嘉誠來我們公司參觀，這一時間我們公司辦公室里的“平均資產(chǎn)”就會因為李嘉誠一個人 被抬高到人均幾億身家。如果有人根據(jù)這個“平均資產(chǎn)”數(shù)據(jù)來判定說我們辦公室的人都是豪華游艇的潛在顧客，這自然是荒謬的。
可實際上，我們每天都在做著類似的判斷，比如當我們聽到說顧客“平均在線時間”是3分34秒，就可能根據(jù)這個時間來進行業(yè)務決策，例如設置“停留時間超過3分34秒為高價值流量”，或者設置系統(tǒng)，在用戶停留了3分34秒還沒有下單的話就彈出在線客服服務窗口。我們設置這些時間點的根據(jù)是“平均停留時間”，在我們的想象里，我們的每個顧客都有著“平均的”表現(xiàn)，停留時間大致都是3分34秒，可實際上真正的顧客訪問時間有長有短，差別巨大：

從上圖我們可以看到絕大部分訪問時間非常短暫，而少數(shù)人訪問了大量時間，綜合起來平均停留時間3分多，用3分34秒來做為一個關鍵判定點是不合適的。
再舉一個例子，比如我們看到上個月平均訂單金額500元/單，這個月也是500元/單，可能會覺得數(shù)字沒有變化?？墒菍嶋H上有可能上個月5萬單都是400～600元，而這個月5萬單則是2萬單300元，2萬單400元，5千單500元，5000單超過2500元 ——客戶購買習慣已經(jīng)發(fā)生了巨大變化，一方面可能是客戶訂單在變?。赡苁且驗楫a(chǎn)品單價下降，采購數(shù)量減少，或者客戶選擇了比較便宜的替代品），另一方面 出現(xiàn)了一些相對較大的訂單（可能是中小企業(yè)采購，或者是網(wǎng)站擴充產(chǎn)品線見效了）?！磾?shù)據(jù)分布可以讓我們更容易發(fā)現(xiàn)這些潛在的變化，及時的做出應對。
二、拆因子
很多時候我們很難直接從數(shù)據(jù)變化中分析出具體的原因，這時可以考慮拆分因子，將問題一步步細化找尋原因。
例如網(wǎng)站轉化率下降，我們要找原因。因為“轉化率”=“訂單”/“流 量”，所以“轉化率”下降的原因很可能是“訂單量下降”，“流量上升”，或者兩者皆是。按照這個思路我們可能發(fā)現(xiàn)主要的原因是“流量上升”和“訂單量升幅 不明顯”，那么下面我們就可以來拆解“流量”的構成，例如拆成“直接訪問流量”、“廣告訪問流量”和“搜索引擎訪問流量”再看具體是哪部分的流量發(fā)生了變 化，接下來再找原因。
這時我們可能看到說是搜索引擎訪問流量上升，那就可以再進一步分析是付費關鍵詞部分上升，還是自然搜索流量上升，如果是自然流量，是 品牌（或者網(wǎng)站名相關）關鍵詞流量上升，還是其他詞帶來的流量上升——假如最后發(fā)現(xiàn)是非品牌類關鍵詞帶來的流量上升，那么繼續(xù)尋找原因——市場變化（淡季旺季之類），競爭對手行動，還是自身改變。假如剛好在最近把產(chǎn)品頁面改版過，就可以查一下是不是因為改版讓搜索引擎收錄變多，權重變高。接下來再分析自己到底哪里做對了幫助網(wǎng)站SEO了（比如把頁面導航欄從圖片換成了文字），把經(jīng)驗記下來為以后改版提供參考；另一方面還要分析哪里沒做好（因為新增流量但是并沒有相應增加太多銷售），研究怎樣讓“產(chǎn)品頁面”更具吸引力——因為對很多搜索引擎流量來說，他們對網(wǎng)站的第一印象是產(chǎn)品頁面，而不是首頁。

三、拆步驟
還有些時候，我們通過拆分步驟來獲取更多信息。
舉兩個例子：
第一個例子：兩個營銷活動，帶來一樣多的流量，一樣多的銷售，是不是說明兩個營銷活動效率差不多？
如果我們把每個營銷活動的流量拆細去看每一步，就會發(fā)現(xiàn)不一樣的地方。營銷活動B雖然和營銷活動A帶來了等量的流量，可是這部分流量對產(chǎn)品更感興趣，看完著陸頁之后更多的人去看了產(chǎn)品頁面。可惜的是雖然看產(chǎn)品的人很多，最后轉化率不高，訂單數(shù)和營銷活動 A一樣。

這里面還可以再深入分析（結合之前提到的分析方法，和下一章要說的細分方法），但是光憑直覺，也可以簡單的得出一些猜測來，例如兩個營銷活動的顧客習慣不太一樣，營銷活動 B的著陸頁設計更好，營銷活動 B的顧客更符合我們的目標客戶描述、更懂產(chǎn)品——但是我們的價格沒有優(yōu)勢等等這些猜想是我們深入進行分析，得出行動方案的起點。至少，它可以幫助我們更快的累計經(jīng)驗，下次設計營銷活動的時候會更有的放矢，而不是僅僅寫一個簡單report說這兩個營銷活動效果一樣就結案了。（注：這是個簡化的例子，實際上還可以分更多層）

這樣拆好之后，更能清楚地看到到底是哪一步的轉化率發(fā)生了變化。有可能是訪客質(zhì)量下降，都在著陸頁流失了，也可能是“購物車–>登錄”流失了（如果你把運費放到購物車中計算，很可能就看到這一步流失率飆升），這樣拆細之后更方便我們分析。
曾經(jīng)有一個例子就是轉化率下降，市場部查流量質(zhì)量發(fā)現(xiàn)沒問題，產(chǎn)品經(jīng)理查價格競爭力也沒問題——最后發(fā)現(xiàn)是技術部為了防止惡意注冊，在登錄頁面加了驗證碼（而且那個驗證碼極度復雜），降低了“登錄頁面–>填寫訂單信息“這一步的轉化率。
四、細分用戶族群
很多時候，我們需要把用戶行為數(shù)據(jù)拆分開，看不同族群的人有什么不同的表現(xiàn)，通過比較異同來獲取更多的洞察。從實踐出發(fā)，客戶族群細分的方法主要有三種：
按照客戶屬性細分：根據(jù)客戶“是誰”來劃分族群，例如把客戶分成“新客戶”和“老客戶”。按照客戶行為來細分：根據(jù)客戶上網(wǎng)行為來細分，例如把客戶分成“瀏覽服裝專區(qū)的客戶”和“瀏覽數(shù)碼專區(qū)的客戶”。很多時候“根據(jù)客戶行為”和“根據(jù)客戶屬性”這兩者會混在一起，比如一個客戶的行為是“每個月都來買一次東西而且只買最貴的”，可能我們就會在數(shù)據(jù)庫里給他標記上“有錢人”，之后“有錢人”就成了這個客戶的屬性之一。按照最終結果來細分：其實是“按照客戶行為來細分”的一種，但是它適用性非常廣，而且用起來非常方便，所以單獨拿出來講一下。
對于這個細分方法，本質(zhì)上就是根據(jù)結果把流量分成“好人”和“壞人”，然后一路比較“好人”和“壞人”從接觸到最后轉化或離開這整個過程中所經(jīng)歷過的事情有沒有什么顯著的不同，如果有，則進一步深入考慮這些不同點是否就是造成他們一些是“好人”一些是”壞人“的原因，再想辦法優(yōu)化這些經(jīng)歷，盡可能增加”好人“這個族群。