神策數據羅彥博:如何正確使用漏鬥分析提升轉化?

2020-12-13 站長之家

  本文根據神策數據數字營銷經理羅彥博《如何正確使用漏鬥分析提升轉化》直播整理而成。本文主要內容如下:

  通過漏鬥分析做SEM實時調整

  推廣落地頁的轉化路徑設計

  APP推廣中的數據攔截問題

  不少人都會和我有同樣的感覺,市場的小夥伴可能會更明顯:這幾年,市場推廣越來越難做了。 2010 年前後,流量紅利時代,用戶積極性高,APP處於早期階段,線上推廣的模式簡單卻十分有效,商業營銷以網站流量為主,轉化簡單,競爭小,成本低,移動流量起步發展。

   2016 年前後,搜尋引擎廣告位因為特殊事件而銳減,APP趨於成熟,自媒體爆發,線上的流量出現分流的情況,今日頭條等信息流平臺異軍突起,用戶受眾對營銷推廣開始熟知,並對產品和營銷文案有了一定要求和預期,線索成單、用戶註冊、APP下載等推廣目標的轉化門檻增加。

   2019 年前後,百度取消精確匹配,獲客的流量和轉化成本進一步增加,私域流量、社群運營等多種引流轉化方式日新月異,直播帶貨崛起,短視頻流量迎來前所未有的高峰。

  其實從 2010 年到現在 2020 年這十年間的變化,可以看出,線上營銷的發展分為了兩個階段:

   2010 年—— 2016 年:線上廣告的普適性逐漸增加,廣告涉及行業逐漸擴張。

   2016 年—— 2020 年:線上廣告的行業性在逐漸加深,精細化運營要求逐漸提高。

  在這種背景下,如何通過漏鬥分析去幫助大家進行精細化的運營是很重要的,今天有幸和大家分享。

  上圖是常見的漏鬥模型,從感興趣搜索、到落地頁UV、到轉化再到最終成單,可以分為三個大的階段:搜索推廣階段,網站轉化階段和承擔轉化階段,今天的分享主要圍繞前兩個階段進行。

  一、通過漏鬥分析做SEM實時調整

  該部分主要講解一些平時做SEM推廣容易忽略的重要問題。

  首先,搜索轉化階段。SEM的任何優化動作,拆解開都可以總結為三個步驟:抓重點、溯源、優化。

  如果在優化時直接找到異常數據直接調整,這樣其實是不嚴謹的,容易走彎路,甚至越調越亂。把這三個步驟之間的關聯摘出來,可以看到:抓重點能夠減少溯源成本,而溯源可以提升優化的有效性。

  其實搜索推廣優化這部分是由很多細化的漏鬥結構組成的,現在將這部分放大分析。

  這部分可以細化為四個主要的結構,也是漏鬥分析在搜索推廣階段上的主要應用場景,從用戶感興趣點擊廣告,到訪客到站成為一個UV,用戶到達轉化頁面,最終成功註冊。這四個結構可以分為三個階段,而這三個階段分別最易出現的問題是:

  從廣告點擊到訪客到站即進站流量階段:「廣告點擊量不足」

  從廣告點擊到訪客到站即進站流量階段:「UV降低」

  從廣告點擊到訪客到站即進站流量階段:「轉化率降低」

  再把各個問題進行拆解,結合網站就可以相對容易的找到問題的原因。

  比如造成廣告點擊量不足問題有可能是兩方面原因,一個可能是廣告排名情況不理想,一個可能是點擊率不正常。如果是廣告排名情況出現問題,有可能是出價過低,沒有使用出價策略,導致競爭對手的排名在你之上,甚至出現在搜尋引擎的底部。

  很多市場小夥伴,在優化的時候,最容易忽略的問題不是點擊量不足,也不是轉化率,而是中間的UV。而跳過UV去看註冊,是大忌。

  UV即網站獨立訪客,是衡量流量對於當前頁面價值的標準之一,跳過UV根據註冊情況直接做前端的優化,很有可能出現的情況是,忽略了網站自身存在的問題,而進站流量階段本來沒有問題,卻反而因為不必要的操作引發了更多的新問題。

  其次廣告的展現不足和競品對於企業的影響也容易被忽略。市場就這麼大,如果多了一家強勁的競爭對手,分走了一批客戶,你的蛋糕自然會被切走,那麼時常關注你的競爭對手的動作尤為重要,把競爭對手的主要投放方向、渠道、網站結構、風格,包括註冊的流程,都要定期記錄。與自身進行對比,取長補短的同時,也能夠在競爭對手調整網站的第一時間,快速獲悉,並做好準備。

  當然最重要的一點是要有一套完備的監控體系,來支撐所有的預警,數據分析和結論輸出。下圖是神策分析Demo中模擬實際場景的截圖,神策分析可以自定義自己的概覽,把日常最重要的且需要時刻查看的數據放到概覽裡。這裡可以包含事件分析、漏鬥模型監控等等各種分析模型。

  下圖展示的是從神策分析的事件分析到漏鬥分析定位問題的過程。通過註冊事件分析,我們發現 23 日的數據明顯下降, 23 日是正常的工作日,非周末和節假日,這是典型的工作日驟降問題。我們找到對應註冊線索的漏鬥分析,對比各個層級維度,發現是表單在發送驗證碼的時候出現了問題。

  如果我們這次分析沒有用漏鬥分析,而只是通過關鍵詞到註冊去查看的話很有可能只是認為這批關鍵詞無效,不僅錯過了表單問題的最佳調整時間,還錯誤的調整了一批關鍵詞。

  二、推廣落地頁的轉化路徑設計

  網站的一些不合理設計也會導致用戶流失,這一部分主要講解推廣落地頁的轉化路徑設計。

  如果直接問網站的轉化路徑怎麼設計?用戶路線怎麼走?思維會陷在一個很狹窄的局面中,這裡我們主要從兩個方面著手。

  網站的作用

  網站是一個流量的載體,這個載體主要有四點作用。

  網站可以使企業的形象具象化,可以幫助企業快速縮短和用戶之間的距離,幫助用戶加速了解企業。

  網站是承接用戶和企業之間需求和供給的平臺,能夠幫助企業和用戶之間建立聯繫。

  網站有一套完整的獲客體系和路徑,相比依靠純人力提高了企業的獲客效率。

  網站能夠實現快捷而且持續的給用戶帶來價值,所以網站能夠幫助企業維持用戶粘性。

  通過上述 4 方面,幫助企業達到獲客、成單、提高ROI的目的。

  用戶的關注點

  當用戶第一次進入一個網站之後,他們通常會提幾個問題:這個頁面提供了什麼?對我有什麼幫助?產品如何運作?接下來我該怎麼辦?為什麼我要信任此頁面?

  上述 5 個問題可以分為三大類:信息收集、深入了解和建立信任。我們需要做的就是把用戶的訴求和企業的業務掛上鉤。主要通過以下行動來實現:

  塑造企業個性

  通過整個網站的風格、視覺上的層級,給用戶良好的第一印象。其次,要把企業的願景或者是主打的業務明確的表示出來。最後,還要有相對獨特的品牌形象,logo,包括一些吉祥物,讓用戶能夠一下就記住。

  以神策為例,官網視覺層級明確且美觀,上方詳細顯示整個網站的導航,下方白色這塊為幾大產品的導航。同時,各條產品線logo以及吉祥物——小數點的風格均一致。

  合理布局

  目前,主要推薦三種布局方式:

  第一,緊湊式布局:緊湊的布局更能夠牢牢抓住用戶視線,有效區域一般推薦寬度:1180px。

  第二,F式布局:F式布局是一種科學的布局方法,基本原理依據了大量的眼動研究。據此,我們習慣性的把重要元素(諸如品牌logo、導航欄、行為召喚控制項)放在左上,而右下一般放置一些關聯信息。

  第三,行業習慣布局:根據不同行業習慣及實際情況決定。

  高效的引導

  首先,要學會簡化網站界面,避免信息過載。有的網站恨不得把能放在一頁裡的信息平鋪,然而用戶卻不會一條條閱讀,並且視覺感受極亂。

  其次,要有明確的導航,用戶性子急,在追求效率的過程中需要明確的導航。

  再次,要有顯眼的CTA,不要讓用戶找不到。

  最後,如果想提高轉化,就要明確告知客戶,註冊了之後,能收穫什麼,要有明確的Gated Content,很多企業的內容產出非常豐富,但大多內容都直接放在網站上供用戶觀看,而註冊之後能給到用戶的內容少的可憐,這就會大幅度降低用戶註冊的興趣。

  做好上述這些能夠幫助網站更好承接網站和用戶間的供給需求,同時也可以提升企業的獲客效率。

  友好的交互

  這部分的內其實涉及很廣,我們只選擇應用較廣的幾點來說。

  首先,懸停選擇。簡單來說,就是網頁上有一個按鈕,當你的滑鼠放上去的時候,按鈕變得突出了,或者是顏色變了,其實這就是懸停選擇,告知用戶此按鈕可點擊。

  其次,告別非必要彈窗,減少用戶的厭煩情緒。

  最後,網站的動態化設計和在線溝通,都需要根據自身行業用戶實際習慣和當前訴求決定。

  相關推薦

  最常見的是用戶喜好推薦,比如淘寶京東的猜你喜歡、抖音的短視頻推薦等等。除此之外,可以按照推薦意圖分成兩個大類,橫向推薦、縱向推薦。

  橫向推薦是指為了讓客戶更全面的了解產品,把用戶所看內容的相關內容推薦給用戶。比如用戶看的是A產品的介紹,我們可以把同類目下的B產品和C產品的介紹推薦給客戶,幫助他更快速地找到哪款更適合他。

  縱向推薦旨在引導用戶的轉化,當用戶在看產品介紹的時候,我們推薦用戶看看產品的功能和案例,最後我們引導用戶去試用。

  最後,新內容產出或推送。如果用戶第一次註冊就把網站裡所有能看到的內容都獲取到了,而且後續沒有任何新內容的產出或者推送,那該用戶除非有剛需,一般情況下難以轉化,粘性很弱。

  監控,迭代

  上述所有的一切其實都是在企業有完備的監控體系的情況下才能進行,我們把累積的用戶行為數據,用用戶行為分析工具進行分析,對比和核心(比如說註冊)指標之間的數據關係,找到可以優化的點,進行A/B Test,最終實現快速迭代。

  三、APP推廣中的數據攔截問題

  獲客轉化的轉化目標分為很多種:註冊留資、APP下載,在此以APP下載為例,分享在落地頁上APP下載過程中,會遇到的問題和通常的解決方案。

  目前國內做APP線上推廣,以安卓為例,主要有兩個重要渠道。

  第一,安卓應用商店,其中又分:

  廠商商店,如:華為、oppo、vivo、小米等

  三方商店,如:應用寶、360,還有以前的百度手機助手

  第二,線上的營銷渠道。如:SEM推廣,信息流推廣,短視頻推廣等。

  在此主要分享在這些渠道推廣場景下,會出現的一個數據統計問題。

  先來梳理一下應用商店的推廣場景:

  首先,開發者要準備好上傳的APK文件,即APP的安裝包。然後商店渠道的負責人將APK文件上傳各大應用平臺。最後,為了區分不同商店的用戶來源,一般的做法是:各個商店平臺,以渠道ID+渠道命名的方式,來區分流量來源。例如:華為商店,渠道ID:1001;OPPO商店,渠道ID:1002。在統計每天的新增下載數量時,以渠道ID作為區分依據,就能統計出各個渠道的新增下載量。

  那麼在應用商店場景下,一個用戶要下載一個APP,需要幾步操作?

  第一步,一般情況下,用戶會去搜索他想要的應用名稱或者分類。這個時候用戶會看到檢索列表,用戶有兩種選擇,一種,點進應用的詳情頁,看詳細產品介紹、配圖、評論,再決定要不要下載。第二種,直接在搜索結果頁上,直接點擊下載按鈕即可。

  第二步,點擊下載。在下載場景下,用戶不需要做任何操作,現在安裝商店的自動下載功能已經做的非常優秀了,而且4G流量資費也很便宜,網速很快。用戶不再像前幾年,還需要等待到WiFi環境下再去完成下載。

  第三步,安裝啟動。安裝系統下,APP的下載和安裝激活是分開的,安裝動作的推進,是需要用戶授權同意的,一般也就是點擊確認,同意各種授權即可。

  到此,一個完整的APP下載到激活的過程就完成了。

  假設這個應用商店是華為商店,那麼廣告主的後臺數據上,會很清楚的記錄下:華為商店,今天新增下載激活用戶量為100,今天花費為 500 元,那麼一個新增用戶成本就是 5 元。這樣看來應用商店場景下的用戶數據是十分完整的,也是可統計的。但是否真的是這樣呢?

  以SEM或者現在在教育行業很火的信息流場景為例,用戶APP下載的路徑是怎樣的呢?

  第一步:用戶看到廣告

  如果是搜索,那麼用戶會搜索某個關鍵詞,看到搜索結果頁的創意廣告。如果是信息流,那麼用戶給看到定向推送廣告素材,可能是圖文形式,也可能是短視頻的形式。

  第二步:點擊廣告,進入配置的落地頁

  在落地頁內,用戶無論做什麼,我們都希望用戶最終下載APP,我們會直接在落地頁上配置一個下載按鈕,讓用戶當時立刻可以下載,當用戶點擊下載按鈕後,就進入第三步。

  第三步:進入下載激活環節

  在非應用商店場景下,用戶在H5 頁面上,點擊一個下載連結,拉起下載請求時,通常會順利的下載落地配置的指定安裝包,我們取個名字:渠道ID:111。但現實情況時,往往有部分的廠商手機系統,會識別到這個渠道ID為 111 的安裝包與手機廠商自己應用商店內同名的應用不一樣,我們將廠商應用商店這個安裝包命名為:渠道ID:112。因此,會有概率出現以下這種情況。

  用戶點擊完下載按鈕,完成渠道號為 111 的安裝包下載後,在正要進行安裝時,系統會提示:「此安裝包有風險,用戶是否繼續安裝。」但有的會更過分一些,直接告知,「有更安全的安裝文件方式,是否要繼續下載?」

  大多數用戶點擊「繼續」,但是對於一些小白用戶,可能會很懵,他們會在這種情況下,點擊「去應用商店下載」。這時就到了前面提過的第二步,直接拉起廠商應用商店內同名的應用,也就是渠道ID為 112 的安裝包下載連結,進行下載。

  此時,就和前面介紹的應用商店路徑一樣了。用戶會很順利的完成APP下載、安裝和啟動,使用的也是完全一樣的APP,我們稱這種情況叫「廠商攔截」。

  似乎看起來好像對公司沒有什麼影響,畢竟用戶沒有流失,但其實,影響不容小覷。

  假設ID為 111 的渠道,花費 500 元,實際有 100 個用戶點擊下載安裝,但因為廠商攔截,有 50 個用戶實際下載的是ID為 112 的廠商商店安裝包,這 50 個用戶,是統計在廠商應用商店渠道下的。

  核算一下成本:渠道 111 的用戶成本 10 元,廠商商店的用戶的下降了,因為他的投放費用沒有變化。負責投放的老闆就會覺得,ID111 的渠道用戶成本太高,ID112 的渠道用戶量有明顯增長,成本還下降了,因此,減少 111 的渠道投放預算,增加到 112 的渠道。如果這兩個渠道是分別由兩個同學負責,那 111 的業務人員必然欲哭無淚。

  那麼,怎麼解決這個數據統計準確性的問題呢?我們這裡分享兩個可用的方法。

  第一種:在落地頁上,統一讓用戶先輸入手機號,再進行APP下載。

  例如:贈送一個新人禮包,用戶下載應用後,用相同手機號登錄,即時到帳,且在頁面做統計埋點,將手機號信息帶入市場流量的監測統計工具。比如神策分析就可以將每天啟動用戶手機號和落地頁獲取的手機號進行匹配,準確的統計出實際的新增用戶量。

  簡而言之,通過神策分析,用戶在投放端的表單信息與APP下載的數據、登陸激活的數據實現打通。

  第二種:在落地頁,增加統計埋點

  統計落地頁的用戶設備信息,如IMEI號,cookie值,也可以統計落地頁用戶的user信息,這個數據可以找營銷的平臺去打通獲取。

  最後,在神策分析中,將實際安裝激活的用戶信息中,帶有user信息或者IMEI信息的用戶篩選出來,就是這個渠道的實際新增用戶,這樣就避免以單一的渠道ID作為用戶的辨別依據。

  神策數據是專業的大數據分析平臺服務提供商,致力於幫助客戶實現數據驅動。公司圍繞用戶級大數據分析和管理需求,推出神策分析、神策用戶畫像、神策智能運營、神策智能推薦、神策客景等產品。

相關焦點

  • 知識星球攜手神策數據:付費轉化率提升150%,用戶分享比例增長50%
    知識星球通過神策提供的漏鬥分析,不斷對星球介紹頁以及相關環節進行優化,找到最能幫助星主轉化付費用戶的版本,顯著提升了落地頁的付費轉化率。  2.支付流程體驗提升  知識星球的數據分析人員通過神策數據的「用戶路徑分析」和「session分析」進行用戶支付路徑的下鑽分析,具體來說,使用用戶行為路徑分析進行用戶實際行為的流向變化分析
  • 神策數據:在線教育行業12大核心場景案例全解析!
    如圖,以提升銷售總額(GMV)為例,到底如何通過數據驅動來幫助在線教育企業實現整體GMV提升?但由於其中牽涉H5、小程序、APP等不同的端,許多企業在進行此步驟時並不知道該如何將多端數據統一,進行同一用戶識別。通過神策數據的ID-Mapping機制,可以實現同一用戶的多端行為數據的打通,如下圖。
  • 神策數據:品牌零售行業業務增長方案
    如此背景下,神策數據致力於為品牌零售企業打造繁榮的私域生態,賦能全域變現,從而提升品牌長期價值。神策通過兩方面來打造一個繁榮的私域:第一是技術側,第二是業務側。在技術側首先幫助品牌搭建私域數位化基礎設施。神策擁有相對成熟的解決方案——CDP方案,能夠幫助品牌實現「採治通算用」的數據閉環,簡單來講即實現數據的採集、治理、打通、計算和應用5步閉環。
  • 神策數據:中商惠民從用戶畫像洞察商超需求,重塑高效流通鏈
    用戶的選購體驗操作是否舒適…… 科學的數據分析可以無限逼近客戶真實意願,零售企業通過改進購買決策路徑、優化列表頁的體驗、提升首頁流量分配效率、最終提升用戶的轉化率。其中常用的數據分析模型為事件分析模型、分布分析模型、漏鬥分析模型、點擊分析模型等。下面通過兩個場景介紹下數據分析在「場」的管理價值。
  • 百田公司:與神策數據攜手,築就爆款遊戲背後的 4 個數據砝碼
    百田公司的致勝秘訣之一便是數據驅動,為進一步加強大數據能力,百田公司與神策數據建立長期合作,力求將數據驅動理念貫穿遊戲設計與測試的全流程,不斷迭代、創新玩家體驗。那麼神策數據如何助力百田公司從遊戲複雜、瑣碎數據中挖掘靈感,促進遊戲機制設計、場景設計、故事情節設計、位置和物品設計、界面設計等持續地優化與改進呢?
  • 神策數據的進階之路:從用戶行為分析工具到全新的數位化營銷閉環
    足夠豐富的數據是企業數位化運營的基礎。沒有數據,數位化就是無源之水、無本之木。如何夯實數據根基,神策數據從豐富的數據源、高質量的數據、智能引擎、私有雲平臺等方面著手。1.豐富的數據源早在2015年,神策數據就在推動開源SDK,目前已開源 40+SDK,不斷完善 SDK 矩陣,覆蓋主流開發生態。
  • 百田公司:與神策數據攜手,築就爆款遊戲背後的4個數據砝碼
    百田公司的致勝秘訣之一便是數據驅動,為進一步加強大數據能力,百田公司與神策數據建立長期合作,力求將數據驅動理念貫穿遊戲設計與測試的全流程,不斷迭代、創新玩家體驗。那麼神策數據如何助力百田公司從遊戲複雜、瑣碎數據中挖掘靈感,促進遊戲機制設計、場景設計、故事情節設計、位置和物品設計、界面設計等持續地優化與改進呢?
  • 36氪首發|「神策數據」獲 3000 萬美元 C+ 輪融資,「數據便利店...
    總體來說,這一策略則是由原有的用戶行為分析產品「神策分析」延展出來4款新產品,「神策分析」變為「神策數據基礎平臺」,主要做底層的用戶行為數據標準化採集和有效數據管理,提供可視化分析能力,輸出給4款新產品「神策用戶畫像」、「神策智能運營」、「神策智能推薦」以及「神策客景」。
  • 神策數據營銷雲:在線教育行業,如何借「運營工具」玩轉微信生態?
    隨著微信月活人數的日益增多,在線教育企業也逐漸將更多的關注點聚焦於公眾號、微信群、小程序等微信生態場景,本文以在線教育行業為例,介紹如何利用智能運營工具——神策數據營銷雲,玩轉微信生態。
  • 神策數據「營銷雲·微信生態」全面開放,限時免費申請通道開啟!
    針對新老用戶,神策數據正式推出「WE」計劃和「O+計劃」,凡參與並成功入選用戶,皆可獲得免費使用「營銷雲·微信生態」的資格(限量100個名額,60天免費),並搭配新手指導手冊,快速上手微信生態精細化運營。註:您可通過下方介紹,選擇符合的類別進行免費試用申請。「WE計劃」如果您還不是神策數據的籤約客戶,看這裡!
  • 神策數據徐美玲:數位化轉型成熟的標誌是數據驅動整體業務
    與會期間,神策數據業務諮詢總監徐美玲分享關於金融機構數位化轉型的一些看法。  平臺化是將人工運作的方式轉化成線上工具化、平臺化的方式做業務運營,這種情況下,意味著大量的業務很難依賴人為的判斷去進行業務推進和處理。從本質上來說,線上化促進了業務,減少了人與人面對面處理的機制,更多的變成了以工具承載。  徐美玲指出,在這個過程之中,數據的價值就是能夠把所有平臺化和線上化的業務進行強跟蹤、強記錄。
  • 數據分析必讀乾貨:簡單而實用的3大分析方法
    有時候,面對同一個問題,兩個不同的解題思路都可以達到解題的目的;但更多時候,只有唯一正確的解題思路才可以正確地解題。所以,在分析之前,選擇正確的『細分』方法便非常重要。 下面,我們就具體來看一下,在細分分析中,有哪些解題思路。 1.
  • 神策數據徐美玲:大數據給平臺化戰略提供更精準的探索與挖掘
    神策數據業務諮詢總監徐美玲接受採訪  神策數據業務諮詢總監徐美玲參加了本次論壇,並就如何利用大數據助推數位化轉型等問題接受中國電子銀行網、和訊網以及中國銀行保險報等媒體的聯合採訪  記者:網際網路金融快速發展之下,很多企業都著手進行平臺化的戰略布局,您認為大數據在其中起到了什麼作用?它的價值如何?  徐美玲:平臺化區別於過去人工運作的方式是將很多工作轉移到線上進行,並且通過IT化工具體系建設來保障業務的運營,這是平臺化比較大的特點。這種情況下,會有大量的業務不能像過去通過人為判斷進行業務處理和推進,此時大數據就變得格外重要。
  • 神策數據徐美玲:銀行業數位化轉型縱深 數據驅動的SDAF閉環運營
    神策數據業務諮詢總監 徐美玲神策數據業務諮詢總監徐美玲出席論壇並做主題分享。徐美玲認為,在近兩年的數位化轉型中,存量競爭和客戶線上遷移成為轉型核心。純技術背景的金融科技類人才對於業務的認知和理解能力相對較弱,這是銀行在高級分析人才培養上面的一個較大劣勢。最後,線上行為類數據採集。正常業務的轉化邏輯,尤其是交易類業務整體轉化率最高不超過5%,95%的觸點信息是無法獲取的,但這其中蘊含的機會和觸點的信息是非常關鍵的,對於業務存量挖掘非常重要。
  • 神策數據專訪海馬體照相館:新業態競爭下,為「可靠」買單
    一邊是手持手機的個人攝影師,一邊是聚合小眾標籤的職業攝影師,越來越多的角色參與到人像攝影行業中,如何在塑造產品價值的同時還能在琳琅滿目的選擇中站穩一席之地,變得越發不易。神策數據·用戶行為洞察研究院:行業從業者應該怎樣準確洞察受眾人群的喜好、情緒等用戶體驗層面上的變化,從而在激烈的行業競爭中脫穎而出?海馬體照相館:簡單來說,要學會打造工藝品。
  • 微盟智營銷:五大數據分析模型詳解
    讓企業從宏觀角度掌握客群分布特徵,從客戶行為的深度分析理解客戶訴求。同時,藉助多種數據分析工具精細化把控營銷流程,並以數據反饋優化營銷策略。讓企業持續提升對市場和客戶的感知敏銳度,真正做到「運籌帷幄之中,決勝千裡之外」。
  • 產品經理如何做用戶行為分析
    在這個每個網際網路人都在談論數據,每個產品經理都在談論數據分析的時代,用戶行為分析的重要性也越來越凸顯出來,那麼產品經理如何做用戶行為分析呢?接下來將為大家進行分享。、神策數據、Growing IO等等四、如何做用戶行為分析——八大方法1、內外因素分析
  • 神策數據攜手中國電子銀行網:銀行數字營銷現狀洞察報告
    近日,神策數據用戶行為洞察研究院攜手中國電子銀行網,基於雙方對銀行業數位化轉型的深刻理解,聯合發布研究報告《面向2020s:銀行數字營銷現狀洞察》。報告以數據化營銷閉環的打造為線索,全景呈現當前銀行業的數字營銷建設情況,並提出銀行數字營銷的破局之道。
  • 方法論|如何科學地進行用戶行為路徑分析?
    三、用戶行為路徑分析的關鍵網際網路行業對數據的獲取有著得天獨厚的優勢,路徑分析所依賴的數據主要就是:伺服器中的日誌數據。用戶在使用App過程中的每一步都可以被記錄下來,這時候就需做好數據埋點,它與我們所關心的業務息息相關。如果數據埋點沒做好,數據就不全面,將導致數據分析過程會比較困難。
  • 如何使用Excel進行數據分析?
    數據分析是理性工作,某項因素對結果是否有影響、有多大影響都需要用數據說話。各項因素對結果的影響可以使用Excel 的相關係數工具來進行分析,通過對比各項因素的相關係數來判斷客觀的影響力度。1.注意事項數據分析的對象雖然不僅僅局限於純粹的數字類信息,但是Excel 分析工具只能對數據類信息進行處理。因此在使用Excel 分析工具時要靈活地將文字、圖形類信息轉化為數據信息。其方法是用數字代碼來代替非數值類信息。