互联网数据化运营管理:流量篇
摘要:互联网行业中,哪些数据需要分析,怎样分析,分析的价值是什么。本文将从收入相关的数据分析、成本相关的数据分析、风险(为了持续发展)相关的数据分析、综合管理篇来阐述。
现在的工作会接触到很多互联网公司做bi分析的朋友,想就着这个机会,把自己所见到、学到的整理一下与大家分享,同时也希望通过分享来增加与相通兴趣的朋友的交流。文章中存在的各种不足或者错误,欢迎大家评论。
关于数据化管理的文章书籍已经非常多了,我这里只是近一步整理。数据分析也是为了公司的发展,粗暴一点讲,是为了公司的盈利和持续的盈利。就从这个角度,来逐一分解,互联网行业中,哪些数据需要分析,怎样分析,分析的价值是什么。我会整体分为四大部分:收入相关的数据分析、成本相关的数据分析、风险(为了持续发展)相关的数据分析、综合管理篇。
下面将进行逐一介绍(分阶段更新)。
第一章 收入相关数据分析
互联网的商业模式千变万化,但其盈利模式目前大抵可以分为以下三种:一是向用户出售商品或服务,其中电商和o2o就属这种模式;二是靠广告来进行盈利,典型的例如google、百度以及其他平台类互联网公司;三是直接向用户收取费用,目前游戏公司大都属于这种模式。不同收入模式也有着不同的数据指标,我们分别对其进行介绍。
一、向用户出售商品和服务模式
电商公司和o2o类公司主要是通过这种模式来盈利,公司的收入是由一个个订单堆积出来,其收入状况可通过订单状况得以体现。订单是由用户购买了相关的商品或服务产生,可以说用户和商品或服务为订单的两大基本元素,公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将公司收入相关数据拆解为三大模块:用户、商品或服务、订单。
用户
公司收入、订单都是由用户消费所产生,用户的消费流程可以划分为以下四个阶段:引流、转化、消费、存留。我们所希望的理想情况就是大量的用户进来并且产生消费,并且持续的产生消费。然而现实一般是和我们所希望的相差甚远的,我们能做的,就是对这些数据进行分析,根据数据情况进行策略对调整,让现实与理想情况之间的距离越来越近。
我们一般将用户分为新用户和老用户,如下图所示:
无论新老用户,我们都会关心两块内容,一个是引流(拉新),一个是转化,最终以数据的形式体现出来,就是流量与转化率。
引流
一个购物中心,建在荒郊野外,没人进来,装饰再奢华也没什么卵用。根据CNNIC统计,中国网民数量在2015年已达6.88亿,增速稳定,依然维持在5.7%。京东平台2015年第四季度的1.319亿相比2014年第四季度的8280万,流量同比增长率高达59%。这些数字在告诉我们,资源是稀缺的,但是却永远都有增长空间的。我们需要精打细算,实现对每种渠道每种类型的流量来源的最大价值利用。
分析目标:通过对流量的分析,保证流量的稳定性,并通过调整,尝试提高流量。
分析角度:
1.观察流量规律,便于活动安排、服务调整
2.发现流量异常,分析异常原因并及时调整
3.观察流量结构,分析其合理性,并作出调整
4.追踪流量情况,衡量活动或者调整效果
分析方法:
我们先了解关于流量的一些基本数据指标:访客数(uv)、浏览量(pv)、访问次数(visits),是常用的衡量流量多少的数据指标;
平均访问深度(浏览量/访问次数)、平均停留时间(总停留时间/总浏览量)、跳失率(跳出次数/访问次数)是用来衡量流量质量优劣的指标。
很多方法都可以完成上述的目标,将数据进行可视化展示,以一个合理的角度观察数据,会使得数据展现会更加清晰,降低发现问题的难度。下面将以图表的形式,实现对各个角度的数据分析。
1.观察流量规律,便于活动安排、服务调整
从上图中,可以发现以下规律:一天当中,访问集中在9点到11点和14点到17点这段工作时间,一年中则在春节前后的访问量比较大,每周中也是访问集中在工作日。大部分互联网业务的规律会与上述情况不同,一般2c的业务会在休息时间访问量巨大,可能刚好遇上述情况相反,但并不妨碍以上的分析方式。
一般来说,流量都是以每天中的时段、季节、节假日、星期这样的规律来分布的。所以可以将以上几面统一放到同一页面中进行观测,可以全面的了解应用的访问规律。并且通过对渠道、业务的选择,可以观测具体的渠道、业务的访问规律。
分析出流量的规律,对活动效果、业务调整具有重大影响。例如:a公司想开展为期两天每天两小时的消费满200减50并赠送肥皂的活动,那么活动开始时间最好是选在周三、周四,时间在上午的9、10点钟。这样才能在一定的时间内被大部分用户所知道,毕竟活动的广告时间成本都是钱。另外可以根据不同时期访问量的密集程度,调整公司的业务布局,进行合理的成本控制等。
2.发现流量异常,分析异常原因并及时调整
通过对上图的观察,可以发现两个异常现象:
a. 流量按周的规律分布,工作日的流量较高,周末的流量比较低,但是上图中5月2日和4月1日是周一,流量也非常低,观察日历发现这两天为五一和清明假期,依然是休息日,所以流量不高。属于正常现象。
b. 3月21日到4月17日到流量图中,工作日到流量一般都维持在2400左右,而观察4月18日到5月15日到图,发现流量从4月19日下滑开始,很少突破2000,也就是流量在近一个月有明显下滑。原因可能是对手购买了竞价排名、自己的seo做的不好等等。问题发现,还要根据实际情况进一步分析具体原因。
一般来说,流量以周为单位,周期性分布的情况是比较多的,将视角拉长,一次性多看几个周的数据,便于发现问题。将一段时间内的数据与历史数据进行对比,也有助于问题的发现。
除上图中对流量异常的简单监控外,可以对流量进行进一步分解,如下图所示,通过图表联动,观察具体渠道或者业务的流量情况,从而完成对问题的追踪定位,例如通过进一步分析发现,4月中旬开始的流量下降主要出现在pc端,那么可以进一步缩小问题的范围。便于问题的解决。
3.观察流量结构,分析其合理性,并作出调整
流量结构一般可分为渠道结构、业务结构、地区结构。通过查询一段时间内的各结构占比,了解流量组成。
如上图所示,在渠道中,pc占比相对过大,而app占比不高,app对于用户具有更大的黏度,所以应分析app占比过低原因,并想办法提高app流量占比。下面的折线图可以对各渠道的流量情况进行追踪,分析占比不合理是短期内出现的,还是长期存在的,辅助问题的分析。
怎样的占比才是合理的,在不同的场景下是不同的,但通常来说,付费流量占比不应过高,通用渠道占比应占据主导地位。对于各业务来说就更加不同。但是可以通过分析对比行业数据或者竞争对手的数据,来分析合理性,当然前提是可以获取到相关数据。
通常渠道来源很多,自主访问、搜索引擎、淘宝付费、京东付费等等。有人会通过渠道流量占比来分析各渠道的质量。仅仅根据流量情况来衡量质量是不全面的,需要配合转化率和roi一起。具体会在后面写到转化率时一起考虑。
4.追踪流量情况,衡量活动或者调整效果
(文中图表使用finereport开发)
对流量的追踪,一般就是对流量的监控,观察活动前、活动中、活动后的变化情况,评估活动效果。一般来讲,活动期间流量会大幅提升,活动后有一定回落,是一个成功的活动。如果活动期间流量上升幅度不大,或者活动结束后流量大幅度跌落,甚至流量低于活动前的正常流量很多,都不能说是一个成功的活动。
当然,若分析活动效果,需要追踪的不仅仅是流量,包括转化率、订单数、成交额、都需要进行追踪。后面会进行针对性的介绍。
除活动外,公司可能会常常调整渠道投入、页面布局、功能改进等等,每一项调整后,都对流量进行追踪观察,可以分析调整的效果。这里只介绍流量的追踪,在进行产品或渠道的优化调整后,同时需要追踪的还有转化率等,关于转化率会在后面进行介绍。
原创文章,转载请联系知乎作者 jiaogo王
作者简介:知乎达人“jiago王”,知乎专栏“撩撩数据吧”,帆软数据人,互联网行业总监,乐于交流的数据小兵。
来源:投稿,原文链接。