数据分析-C端产品分析模型

一、对象以及指标

产品
1、 关注产品的健康以及发展程度：整体-登录量、用户量、留存率；关键功能的点击量；关键路径-转化率
2、 产品优化
1） 路径优化：各个环节的转化率、使用时长
2） 排版优化：点击量、用户量
3、 功能新增：
1） 对整个产品：DAU新增、留存率提高
2） 功能本身：点击量、留存率
运营
1、 拉新的质和量：拉新的数量以及促单量
2、 运营活动的设计
1） 规则：每个环节的转化率-找到最优的策略（比如优惠券的最优搭配：通过历史数据获取）
2） 渠道：ROI（曝光-点击-注册-下单）

二、常用的分析模型

1、 行为事件分析
研究某行为事件的发生对企业组织价值的影响以及影响程度，通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响。
方法：采用下钻分析的方式将每一个层级进行筛选、分组。
2、 漏斗分析模型
流程分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型，广泛应用于流量监控、产品目标转化等日常数据运营工作中。
漏斗的数量：一般在5个左右，原因在于更明显的发现问题，漏斗的每个层级应该是属于同一个等级关系，若需要细分，可以在其中两两转化中另外重建漏斗。
3、 留存分析模型
留存分析是一种用来分析用户参与情况/活跃程度的分析模型，用来衡量产品对用户价值高低的重要方法。
相关指标有：次日留存、周留存、月留存。
指标的采取在于产品的定位，比如游戏，一般采用次日留存作为观察；设计软件，采用7天留存；衣服商店可以采用月留存。
4、 分布分析模型
分布分析是用户在特定指标下的频次、总额等的归类展现。将用户根据分布分析进行分类运营。
比如RMF模型。
5、 点击分析模型
应用一种特殊高亮的颜色形式，显示页面或页面组（结构相同的页面，如商品详情页、官网博客等）区域中不同元素点击密度的图示，帮助运营人员或管理者评估网页的设计的科学性。
方法：记录用户的每次点击，并通过热力图的形式将点击量呈现出来，发现可以改进的功能点。
优势：可视化，易于观察，可以根据其它分析方法进行深入分析。
举个例子：电商详情页的优化

图片的点击率为48.32%，已购买人数点击率为35.53%。
显然，用户在购买前希望了解更多的商品信息，尤其是图片、已购买用户的评价，进而决定是否下单。
现状：商品图片只有 1 张且不支持查看大图，又无法查看用户评价；通过查看网站的历史数据，每天大约有 50% 的用户来浏览的都是这样的商品详情页。故功能重要程度高，优化空间大。
措施：商家发布商品时必须上传不少于 3 张照片； 支持所有类型的商品详情页都有已购买者的评价露出。

6、 用户行为路径分析模型
跟踪用户的行为，了解用户每一个步骤，获取用户旅程。找到用户的点，引导用户走向最优的路径或者期望中的路径。

举个例子：
方法：确定一个起始点，分析用户下一步的走向，再根据走向分析下一步，直到完成最终的结点。（可单个用户分析，或者采用大部分用户走向的方法分析）
优势：发现用户的行为规律和偏好，也可以用于监测和定位用户路径走向中存在的问题，判断影响转化的主要因素和次要因素，也可以发现某些冷僻的功能点。
7、 用户分群分析模型
通过分群即用户信息标签化，通过用户的历史行为路径、行为特征、偏好等属性，将具有相同属性的用户划分为一个群体，进行后续分析。比如精细化运营。
举个例子：
预测用户分群——通过机器学习算法预测事件概率
互联网金融产品常常会用到预测用户分群的功能。互联网金融客户按照风险投资偏好这一属性分为保守、稳健和激进，按照投资行为可分为已投资和未投资。
运营人员可以根据这一属性和行为将满足某种条件的用户群体提取出来，譬如激进型但未投资的这群用户，然后分析这一群体的行为特征从而优化产品促进用户投资，或者根据其浏览的项目页面推荐用户可能会感兴趣的项目。

以上分析方法在实际业务中并非独立使用。
举个例子：
日常活动推送中
1）根据用户基本属性进行推送，采用的是用户分群模型；
2）推送之后发现后续日活并没有对应增长，采用留存分析模型，拆分新用户以及旧用户的留存情况，分析得知新用户的留存较低；
3）采用用户路径分析模型，发现用户通过活动链接点击之后，大部分进入详情页；
4）通过点击分析模型，发现用户在页面上通过详情页搜索未找到对应的活动优惠券。
最后通过优化优惠券的摆放链接来优化运营活动。

详细的指标使用方式可看我之前的博文《数据分析-基础指标》