基于用户细分的用户行为分析

  • A+

    前面对用户的分类和行为做了分析,但对于分析的输出结果,我们可能无从下手,观察新老


    用户、流失用户及用户的各种行为指标和行为分布也许可以做出很好的报告,评估用户的发展情


    况,但结论太过宏观,我们所能做的也只是根据分析结果调整用户的整体运营策略,其他能够采


    取的细节措施寥寥无几。而网站分析始终需要把握的一个前提就是分析的结果需要有效地指导行


    动,所以这里就要介绍如何得到更加有效的见解。


    前面已经介绍过一些常见的用户分类:新老用户、流失留存用户等,不同的用户分类群体可


    能会有不同的行为表现,我们可以通过分析各种用户分类的用户行为指标来区分各类用户的特征


    及对网站的期望要求,进而针对各类用户群体进行调整和定向的营销推广。这里主要以指导内容


    层面的调整为导向,通过比较各用户细分群体对内容需求的差异,优化内容运营,将优质的内容


    或者符合用户偏好的内容推荐给相应的用户。这里举例三类用户细分,即流失用户与留存用户、


    新用户与老用户、单次购买用户和二次购买用户,基于这三类细分,对每个分类的用户购买商品


    进行比较分析,明确哪些商品更加符合用户的预期。


    这里的细分比较还是以电子商务网站的数据为例,首先是基于流失用户和留存用户,电商


    网站的内容就是商品,我们基于每个商品计算购买这些商品的用户中购买之后造成流失的用户比


    

    首先要明确一下图中各指标的定义,每个商品的流失用户比例应该是购买该商品后流失的用


    户数在所有购买该商品的用户中的占比,但只知道每个商品的流失用户比例无法评价这个商品是


    否对用户保留有促进作用,或者在一定程度上造成了用户的流失,只有通过与总体水平的比较才


    能得出相应的结论。所以这里需要重点解释的是“与总体比较’’这个数值是怎么计算得到的,这


    里的百分比不是直接相减的结果,而是一个差异的幅度体现,这里假设总体用户流失率为56%,


    那么以六商品为例,与总体比较的结果是:(58.13%-56%)/56%^3.80%,使用同样的计算方


    法也可以得到其他商品与总体比较的差异幅度。最后就是展示,在“^1中通过“条件格式’’里


    面的数据条功能可以直接展现出图中的效果,非常方便。


    截取的2x0^1数据条的展示效果基于2x0^12010,2x0^12010开始支持双向的数据条,以零


    为界,正数向右负数向左,2010之前的版本仅支持单向的数据条。数据条左右方向的颜色都可以自定


    义,默认负数为红色、正数为绿色,基本思路是红色表示指标表现较差,绿色表示指标表现较好,这


    里因为与总体比较流失率较高(正数)表现为不好,比总体低(负数)表现较好,所以对数据条的左


    右颜色进行了互换,正数为红色,表现较差,负数为绿色,表现较好,之后的图表也遵从这个原则。


    很明显,分析结果对运营调整有直接的指导性,目的是促进用户保留,所以我们


    要做的就是将有利于用户留存的商品(「商品的用户流失率明显要比总体低得多,说明「产品更有


    利于用户保留)推荐给用户,而将那些可能导致用户流失的商品(〔商品)进行优化或者下架。


    同样,使用上面的方法可以区分不同用户群的购买偏向。新老用户的细分是最常见的用户细


    分方法,我们可以使用类似的方法来看看新老用户对商品的不同喜好,


   购买0商品的用户中新用户的比例明显偏低,也许新用户根本就


    不喜欢这个商品,而8商品和「商品显然更加符合新用户的口味。如果你的网站可以进行新老用户


    区分的定向推广,那么上面这个分析结果将让你受益良多。


    当然,这个数据呈现的特征可能与商品的推广渠道有一定关系,比如图6-15中的0商品可能


    使用老用户比较集中的推广渠道(如叩…,那么购买用户中自然老用户的比例会偏高;或者把


    某些商品放在新用户比较集中的13如1叩中展示,那么购买该商品的新用户比例显然也会偏


    高。所以,在做此类分析时需要注意根据推广渠道的差异,具体问题具体分析,不能一概而论。


    再来看一下类似的方法怎么促成用户的重复购买。对于电子商务网站而言,用户的首次购


    物体验非常重要,这会直接影响用户是否会产生再次或者之后的多次购买,或者是否能够成为网


    站的忠诚客户。如果你的网站注重用户关系管理,有足够的数据支持,那么可以尝试下使用如图


    

   


    需要注意的是,这里的基础用户群设定在了每个商品的首次购买用户(不是所有用户),我


    们要分析的是所有将该商品作为首次购买商品的情况下,用户是否还会发起之后的再次甚至多次


    购买行为(这里的二次购买用户不是指购买次数是2次的用户,而是指所有购买次数超过1次的用


    户),从而评价商品对于首次购买体验的影响好坏。从图6-16可以看出,8商品和「商品在促成


    二次购买的表现不佳,很有可能商品的使用或质量问题影响了用户的满意度,阻碍了用户再次购


    买的脚步。根据分析结果,我们尤其需要对那些二次购买率比总体水平低很多的商品进行重点关


    注,同时也需要根据商品的特征进行分析,有些商品确实比较容易促成二次购买,因为可能存在


    交叉销售和向上营销的情况。


    如果你从600916如31外1以上寻找类似的数据,其实唯一可以找到的就只有新访问比例,因


    为以没法细分首次购买和二次购买用户,而流失和留存用户是网站的自定义指标。在“的内容模


    块里面细分到每个页面的指标也未包含(在流量来源、地域细分里面有该度量),


    所以需要自定义报告来查看网站每个页面的新访问比例,比较的基准还是网站总体的新访问比


    例,6六的展现方式选择里面直接提供了与总体比较的视图,


  以上面展现的效果和用匕沈12010定制条件格式后的效果很像,这种基于基


    准的比较展现非常直观实用,其实在其他分析中同样可以用到。我的博客文章的新用户比例比较


    中可以分析出什么?访问数排在前几名的文章中很明显的趋势就是概念性和方法论的文章的新用


    户比例高于均值(当然主要靠搜索引擎的帮忙),而观点性和分析性的文章的新用户比例低于均


    值(老用户更偏向于实践和应用),所以如果我的博客可以动态向新用户和老用户展现不同的内


    容,那么这个分析将十分有价值,也许你的网站可以尝试一下。


    最后用一句话总结:细分是用于比较的,比较是为了反映差异进而做出调整优化的,所以细


    分的目的最终还是指导运营决策,这才是数据分析的价值体现。


网站部分内容来自网络,仅作分享之用,文章版权属于原作者。如果分享内容侵犯您的版权或者所标来源非第一原创,请联系我们,我们会及时审核处理。本文由今晚开什么特马整理发布https://www.svsca.com
weinxin
我的微信
关注我了解更多内容

发表评论

目前评论:0