數(shù)據(jù)分析如何幫產(chǎn)品實(shí)現(xiàn)用戶(hù)增長(zhǎng)

騰訊深度報(bào)告，2016年，75%的消費(fèi)者仍計(jì)劃保持或增加消費(fèi)支出。隨著人們收入水平的提升，消費(fèi)者愿意花費(fèi)更高的價(jià)格來(lái)購(gòu)買(mǎi)提高生活品質(zhì)的產(chǎn)品與服務(wù)。對(duì)于商家而言，他們擁有多種機(jī)會(huì)吸引日漸成熟的消費(fèi)者，解決他們對(duì)當(dāng)前生活的不滿。

舉例來(lái)說(shuō)，健康對(duì)于所有城市消費(fèi)者而言都很重要，但是大城市上層中產(chǎn)階層及富裕消費(fèi)者在食品，特別是高品質(zhì)的食品以及高品質(zhì)的服務(wù)上花費(fèi)的更多。 于是一些針對(duì)高端人群的產(chǎn)品應(yīng)運(yùn)而生。

例如針對(duì)一線白領(lǐng)等高端人群推出的高端餐飲電商類(lèi)產(chǎn)品—ENJOY，為用戶(hù)提供了一些經(jīng)過(guò)精心篩選的餐飲產(chǎn)品,提供獨(dú)特而稀缺的用餐體驗(yàn),希望在“如何吃得更好”這一問(wèn)題上為大家提供一些富有情感的食物解決方案。

隨著平臺(tái)上食物品類(lèi)以及服務(wù)的增多，頻繁給用戶(hù)推送消息，由于用戶(hù)的需求各不相同，給用戶(hù)帶來(lái)了極大的傷害。一部分人深受其害而狠狠卸載掉。對(duì)于一款產(chǎn)品來(lái)說(shuō)，用戶(hù)的嚴(yán)重流失是一個(gè)無(wú)法容忍的事?？墒牵煌扑?，用戶(hù)無(wú)法第一時(shí)間知道平臺(tái)上了什么新的品類(lèi);推送了，用戶(hù)頻頻被消息打擾。

是否可以提供一個(gè)兩全其美的方法——既可以給用戶(hù)推送消息，還能夠讓他們看到推送的第一時(shí)間是欣喜而不是厭惡呢?

兩全其美的好方法當(dāng)然有——個(gè)性化推薦。

通過(guò)分析用戶(hù)行為，根據(jù)用戶(hù)喜好，為他們推送與之對(duì)應(yīng)的產(chǎn)品優(yōu)惠活動(dòng)等消息，來(lái)吸引用戶(hù)，從而提升用戶(hù)留存。

用戶(hù)行為路徑分析是互聯(lián)網(wǎng)行業(yè)特有的一類(lèi)數(shù)據(jù)分析方法，所依賴(lài)的數(shù)據(jù)主要是服務(wù)器中的日志數(shù)據(jù)。

用戶(hù)在使用App過(guò)程中的每一步都可以被記錄下來(lái)，分析用戶(hù)在APP或者網(wǎng)站中各個(gè)模塊的流轉(zhuǎn)規(guī)律與特點(diǎn)，挖掘用戶(hù)的點(diǎn)擊模式，使得用戶(hù)可以便捷地依照產(chǎn)品設(shè)計(jì)的期望主流路徑直達(dá)核心模塊，這時(shí)候需要關(guān)注的便是優(yōu)秀的布點(diǎn)策略。

通過(guò)一款基于用戶(hù)洞察的精細(xì)化運(yùn)營(yíng)分析工具，將SDK集成到App或網(wǎng)站中，便能獲得應(yīng)用內(nèi)的所有用戶(hù)行為數(shù)據(jù)。

筆者認(rèn)為在每個(gè)App里，不是所有事件都有著同樣的價(jià)值，基于對(duì)核心事件的深度分析需求，筆者推薦大家使用層級(jí)化的自定義事件布點(diǎn)方式，每一個(gè)事件由三個(gè)層次組成的：事件(Event)、屬性(Key)和屬性值(Value)。同時(shí)，還為開(kāi)發(fā)者們提供數(shù)據(jù)監(jiān)測(cè)布點(diǎn)咨詢(xún)服務(wù)，可以根據(jù)豐富的行業(yè)經(jīng)驗(yàn)為客戶(hù)提供個(gè)性化的事件布點(diǎn)咨詢(xún)和技術(shù)支持。

分析用戶(hù)行為，為用戶(hù)推薦喜歡的內(nèi)容，給運(yùn)營(yíng)策略的優(yōu)化提供了科學(xué)指導(dǎo)，提升留存率。 一款電商類(lèi)產(chǎn)品，訂單價(jià)、訂單數(shù)、支付數(shù)是運(yùn)營(yíng)最看中的數(shù)據(jù)。例如ENJOY,操作它的路徑如圖：

從其中一條路徑中選取幾個(gè)重要的行為建立行為漏斗。

漏斗模型通常是對(duì)用戶(hù)在網(wǎng)站或App中一系列關(guān)鍵節(jié)點(diǎn)的轉(zhuǎn)化率的描述，這些關(guān)鍵節(jié)點(diǎn)往往是我們?nèi)藶橹付ǖ摹?/span>

例如我們可以看到某購(gòu)物App應(yīng)用的購(gòu)買(mǎi)行為的漏斗轉(zhuǎn)化情況。這款購(gòu)物App平臺(tái)上，買(mǎi)家從瀏覽到支付成功經(jīng)歷了4個(gè)關(guān)鍵節(jié)點(diǎn)，商品瀏覽、加入購(gòu)物車(chē)、結(jié)算、付款成功，從步驟1到步驟4，經(jīng)歷了其關(guān)鍵節(jié)點(diǎn)的人群越來(lái)越少，節(jié)點(diǎn)的轉(zhuǎn)化率呈現(xiàn)出一個(gè)漏斗狀的情形，我們可以針對(duì)各個(gè)環(huán)節(jié)的轉(zhuǎn)化效率、運(yùn)營(yíng)效果及過(guò)程進(jìn)行監(jiān)控和管理，對(duì)于轉(zhuǎn)化率較低的環(huán)節(jié)進(jìn)行針對(duì)性的深入分析與改進(jìn)。

其他的漏斗模型分析場(chǎng)景可以根據(jù)業(yè)務(wù)需求靈活運(yùn)用，它擁有十分強(qiáng)大的漏斗分析工具，是您充分發(fā)揮自己對(duì)于數(shù)據(jù)的想象力的平臺(tái)。

接下來(lái)就可以查看漏斗分析的結(jié)果了：

產(chǎn)品關(guān)鍵模塊的轉(zhuǎn)化率，對(duì)運(yùn)營(yíng)來(lái)說(shuō)是一項(xiàng)很重要指標(biāo)，運(yùn)營(yíng)人員的職責(zé)之一就是不斷的提升重要的使用過(guò)程的轉(zhuǎn)化率，來(lái)提升產(chǎn)品的留存率。

數(shù)據(jù)分析，是企業(yè)成長(zhǎng)道路上，用來(lái)發(fā)現(xiàn)問(wèn)題，提升運(yùn)營(yíng)效率的利器。而這些問(wèn)題中，最值得被重視的就是留存率分析。

無(wú)論有多少新增用戶(hù)，最終決定企業(yè)成功與否的，是用戶(hù)的留存率與變現(xiàn)能力。花了一個(gè)周拉來(lái)1000用戶(hù)，兩三天后只有不足50人繼續(xù)活躍，如果你不知道用戶(hù)的流失原因，就無(wú)從下手去喚回流失的950多個(gè)用戶(hù)，進(jìn)而就演變成需要拉來(lái)20多新增才能增添一個(gè)長(zhǎng)期活躍，然而變現(xiàn)率又能占長(zhǎng)期活躍的多少呢?

這也是為什么，越來(lái)越多地企業(yè)對(duì)用戶(hù)的CLV(生命周期價(jià)值)重視起來(lái)并進(jìn)行分析：

通過(guò)路徑分析，對(duì)每一個(gè)用戶(hù)的每一個(gè)行為路徑(商品瀏覽、加入購(gòu)物車(chē)、結(jié)算、付款成功)進(jìn)行跟蹤與記錄，在此基礎(chǔ)上分析挖掘用戶(hù)路徑行為特點(diǎn)，清楚的了解每一步的來(lái)源與去向、每一步的轉(zhuǎn)化率，從而根據(jù)用戶(hù)喜好為他們進(jìn)行針對(duì)性推薦。

通過(guò)漏斗模型，簡(jiǎn)單直觀計(jì)算并展示出事件之間的轉(zhuǎn)化率，為運(yùn)營(yíng)優(yōu)化提供直觀的數(shù)據(jù)，方便運(yùn)營(yíng)了解個(gè)性化推薦后的效果。

如此，踐行用戶(hù)為核心的生命周期價(jià)值分析。這樣的分析價(jià)值將會(huì)成為未來(lái)創(chuàng)新企業(yè)的制勝法寶。