诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值

编辑时间: 2018-01-24 23:46:39    关键字:

数字时代到来之后,通过数据采集,企业获取到多维度的数据,包括产品销售数据、用户消费数据、用户行为数据、业务运营数据等,采集数据是基础,数据的真正价值在于应用,一方面提升效率,帮助企业提升数据处理效率,降低数据存储成本;另一方面是对业务作出指导,例如精准营销,业务提升以及风险管理。本文通过实战案例,分享

1、对用户增长建立正确认知

2、客观衡量寻找产品突破点

3、基于数据的运营增长方案

本文整理自诸葛io 增长团队负责人邱千秋在数据巡展·上海站上的题为《数据应用建设的思路、方法与工具实践》的发言。

一、围绕用户构成做衡量

首先,建立真实的用户增长认知,从无序呈现到趋势判断,一方面,通过细分、聚焦、理解用户,另一方面,不断迭代验证满足用户需求,逐步寻找产品与市场的契合点,进而实现增长。正所谓“不细分,不分析”,如果拆分得不够细,那么你将无法获知真实的状态,因此,当我们分析数据时,首先明确分析什么,活跃用户数很重要,但是影响你业务增长的关键数据是什么?是整体用户?还是付费转化用户?

1、新、老用户拆开细分,也许你得到的信息会更多

以活跃用户(由新增用户+普通用户+忠诚用户组成的)为例,下图中蓝色代表新增用户,青色代表普通成长期的用户,黄色代表忠诚用户,如果每天只关注活跃用户,那么很可能无法获知产品的真实状态。

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

5月29日,活跃用户达到一个高点,但如果细致拆分的话,只是一次活动带来了大量流量,将活跃用户拉高了,而产品中最核心的付费用户当天的活跃依然没有提升,如果蓝色(新增用户)稳定下来也可认为是一个好的活动,起码解决了拉新问题,但实际效果如上图蓝色部分的数据上去又下来了;

6月5日,这天的流量特别好,新用户、成长期的用户、付费转化的用户均有所提升,这样的活动才是我们期待的。

因此,细分是数据分析的基本原则,在工作中,可将用户按照生命周期阶段进行拆分,分享一个我们经实践积累得出的“判断”经验:遇到业务问题时,如果将新增用户与老用户拆分开来,那么可能会得到一些启示。比如一个指标,突然发生变化,那么你可以观察这个指标是由新用户带来的变化,还是老用户带来的变化,往往问题就找到了。

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

2、带来指标波动的2个维度

带来数据指标波动的无非2个维度:一个是流量,流量维度分2类,一类是新增的,一类是活跃的,运营和市场都会影响到流量;另外一个维度是产品,也许是产品迭代引起的。还有一个是外界竞争的维度,比如:视频类网站忽然发现用户停留时间变长了,但是最近他们什么都没做,后来发现运营商现在套餐流量免费了,这就是外界的影响。

一旦将用户的状态区分清楚,我们即可进行流量评估了,哪些是拉新的流量,哪些是活动促活的流量。对于转化来说,需要定义真正转化的人群,优惠活动中有些是为了拉新,但实际很多“拉新”券被老用户使用了,势必降低了拉新效率,所以,需要找到对的人群。

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

除了上文提到的用户生命周期细分外,还可按照用户价值层级细分,以理财产品为例,可分为3层:注册评估用户、新手和已投资用户。如何定义注册评估用户呢?用户没有提现且个人账户资产为零,意味着没有完成充值和投资行为,但是最近10天查看理财项目大于等于10次,那么,即可定义该用户可能是一个注册评估用户。

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

基于用户行为数据,实现用户价值分层

总结下第一部分,建立真实的用户增长认知,第一,数据是用来衡量的,帮助我们认知用户;第二,数据是需要拆分的,拆得越细,离目标越近,数据对你来说越有价值。

二、客观衡量寻找产品突破点

1、多平台打通,还原真实用户

真实的前提是数据采集的准确性和完整性,基于目前的产品大都是跨平台的(PC端官网,有移动端app,有微信小程序,有微站等),将各平台的数据关联起来构建唯一的账号体系是第一步。比如电商有一个特别典型的分析场景就是大家往往是通过H5网页,甚至小程序作为一个流量推广的入口,H5/微站端即可完成产品的推广、活动引流,并且希望将这样的用户沉淀到移动端app,那么在评估引流策略是否成功时,便需要进行跨平台的分析,通过实名用户才能将其进行唯一的关联。

2、围绕商业模式,梳理核心指标

首先,不同的商业模式有不同的核心指标,需要围绕自身业务构建指标体系。此外,指标一定要清晰可知,比如:“活跃用户”这个指标可以帮助我们了解产品的状态,但是不够清晰,因为即使知道这一指标有问题了也不知道谁可以解决这个问题,所以第一步一定要清晰。

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

举个例子,上图中标红的两个指标。有效用户新增占比,即,流量带来的用户,在新增当天他有没有查看过理财产品。通过新增客户当天的行为特点,来判断他是不是高质量的用户。如果新增当天只在个人中心瞄了一眼就离开了,可能他就不是高质量目标用户,因此将新增用户与所有用户占比作为一个指标,一旦这一指标出现问题,可立刻锁定问题源头,即推广环节。如果已经获取到有效新用户了,有效新用户中的一次性用户占比还比较高,那么即可排除推广环节,问题可能出在,产品最近做过的活动或者产品改版后调整了新手指导等。

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

指标体系搭建好,但并不是公司所有部门都关注整套体系的指标,比如营销推广的目标是不断获取精准客户,运营的目标是转化,产品设计是周期性的,按照版本迭代进行深入分析来不断调整,因为大目标不同,所以关注的指标也各不相同。上图中间部分是我们的产品截图:看板,可将指标数据配置到看板上,将看板设置不同权限,与相关同事共享相应的数据。

3、以直播产品为例,找到产品突破点

我们知道,直播类产品的用户需要先充值,然后购买虚拟物品,再去给主播打赏,这个案例中提出了一个“待验证”的设想:与主播的互动是否能对充值转化有促进作用?

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

我们将“充值的”和“没有充值的”用户进行了用户分群,对比他们的行为特征,发现充值后的用户,与主播的互动非常多。从解读数据层面便产生了一个猜想:与主播的互动是否对充值有转化?但是,到底是用户充了钱,主播对已充值用户有好感才发生了更多互动?还是先发生更多互动,用户觉得爽,主播也不错,然后再去充值呢?这个因果关系是很难验证的。

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

基于灵活且强大的交叉分析功能,我们设计了一个反向验证想法的方案,首先筛选一些有效的(如果混杂了小白用户、一次性用户,相当于有脏数据)高质量用户,通过漏斗功能探索两个行为前后之间的关系,最后我们发现:有过互动的人充值人数是4.91%,没有互动的充值人数的是0.99%。直播中与主播有文字互动的用户的付费转化率是没有互动用户的近5倍,基于这一分析结果,该产品将“互动提醒”从之前的二级页面调整到一级页面,这样一来,用户进入产品即可获得互动提醒。最终,充值转化率和次日留存的转化率,环比有了将近一半的提升。

三、基于数据的运营增长方案

发挥数据价值的其中一个场景就是围绕数据进行推荐引擎:在用户注册后的一段时间内,基于用户行为进行有针对性的精准触达,效果将非常直接。

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

我们以某电商类产品的“精准触达”为例,该产品对所有注册成功后24小时内没有创建订单的用户发送一条短信,短信内容大概是:你有价值128元的新手红包待领取,下载APP立享优惠,经过这一精准触达行为,有68人成功完成了支付,即,这一条短信带来了核心业务的转化(变现)。

再来看一个在线教育产品A的例子。我们知道,教育类产品在付费前用户大多有一个比较长的路径,为引导客户尽快完成付费,A产品找了一个关键节点,即用户填写完资料后,如果20分钟内没有付款(30分钟是付款周期),将自动推送一张30元的优惠券,促使用户缩短决策周期。这一精准触达的效果是获得了8%的转化,该产品的客单价是2000元,直接带来核心转化。

就是这样一个小小的动作,还没有对精准用户进行更精准的筛选,只是在流失风险中将用户召回进而促成交易。而红包是有成本的,有预算控制的,当然需要将红包推送给那些更容易转化的用户,比海发红包效果要好。

上述两个案例就是一个非常好的基于实时完整数据设计的运营增长方案。通过我们提供的智能触达平台,找到更精准的用户,找到最恰当的时机,将个性化的内容,通过短信、弹窗等形式精准触达用户,整个过程可自动执行,实时衡量。

诸葛io邱千秋:提高数据分析的效率,发挥数据的最大价值-数据分析网

另一个发挥数据价值的场景是,围绕核心流程加快用户决策周期,以电商为例:领券促活跃、潜客促注册、注册促下单、洞察习惯促复购,这是电商类产品的核心流程,帮助用户认可价值、打消顾虑、支付购买,那么围绕核心流程,即可针对不同来源的客户进行有针对性的精准营销,从整体路径上加快用户决策,这样的方案可先通过自动化的策略进行验证,然后再固化到产品运营体系中,如此通过多触点的自动化体系不断优化用户体验。

总之,通过寻找突破点来制定自动化的运营方案,利用数据的价值促进用户的增长,我们现在的整体架构即可将用户在产品上的所有行为与业务数据整合在一起,包括第三方客服数据、SEM数据,并且针对不同行业的业务特点提供解决方案。

从应用平台来讲,我们首先是数据分析平台,同时也是触达平台,包括上文提到的自动化运营平台,第三,我们将用户档案融入进来,帮助我们更好地运营用户,满足日常业务中的应用场景。

推荐热图

合作推荐

2010-2018 可思数据版权所有 About SYKV | ICP备案:京ICP备14056871号