chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

本篇文章分為兩個(gè)部分，第一部分介紹產(chǎn)品數(shù)據(jù)分析中最基礎(chǔ)的兩個(gè)分析模型；第二部分結(jié)合案例來談?wù)勥@些模型在實(shí)戰(zhàn)中要注意的關(guān)鍵點(diǎn)。

模型一：漏斗模型

第一個(gè)我們要介紹的模型是漏斗模型，所為漏斗模型其最早起源是從傳統(tǒng)行業(yè)的營(yíng)銷商業(yè)活動(dòng)中演變而來的，它是一套流程式數(shù)據(jù)分析方法。

漏斗模型框架是什么？

它的主要模型框架：通過檢測(cè)目標(biāo)流程中起點(diǎn)（用戶進(jìn)入），到最后完成目標(biāo)動(dòng)作。這其中經(jīng)歷過的每個(gè)節(jié)點(diǎn)的用戶量與留存量，來考核每個(gè)節(jié)點(diǎn)的好壞，來找到最需要優(yōu)化的節(jié)點(diǎn)。可以說漏斗模型是用戶行為狀態(tài)以及從起點(diǎn)到終點(diǎn)各階段用戶轉(zhuǎn)化率情況的重要分析模型。

實(shí)戰(zhàn)案例

在這之前我們要先說一個(gè)前提：所有漏斗模型的建立一定要是在產(chǎn)品的主流程之上，只有這樣數(shù)據(jù)量才會(huì)有足夠大樣本性。

讓我們拿一個(gè)電商中從進(jìn)入網(wǎng)站到購買的過程漏斗數(shù)據(jù)集來看，如下：

圖1. 購買過程數(shù)據(jù)漏斗

在第一步我們要先明確我們的目標(biāo)：分析用戶從進(jìn)入網(wǎng)站到最終轉(zhuǎn)化購買這個(gè)過程中，用戶從進(jìn)入以及到最終實(shí)現(xiàn)目標(biāo)的各個(gè)環(huán)節(jié)的轉(zhuǎn)化率，并最終找到這個(gè)路徑中用戶流失最多的環(huán)節(jié)。

根據(jù)這個(gè)目標(biāo)我們?cè)谏厦娴睦又?，可以直觀的看到這樣的一個(gè)事實(shí)：用戶從網(wǎng)站首頁到商品詳情頁的這一環(huán)節(jié)轉(zhuǎn)化率相對(duì)于其他環(huán)節(jié)是最低的。

好，那到這我們就算分析完畢了嗎？找到產(chǎn)品的癥結(jié)所在了嗎？顯然，答案是否定。

談到漏斗模型的轉(zhuǎn)化率這里就有兩個(gè)實(shí)戰(zhàn)中關(guān)注點(diǎn)是需要注意的：

1. 最重要一點(diǎn)數(shù)據(jù)怎么看？

我們不能說某個(gè)環(huán)節(jié)的轉(zhuǎn)化率最低，就一定是某一個(gè)環(huán)節(jié)出現(xiàn)了問題，比如上面的例子，在訪客進(jìn)入到商品瀏覽這個(gè)流程中，其轉(zhuǎn)化率有90%是所有環(huán)節(jié)中最高的。

但是這能說明什么呢？假設(shè)上個(gè)月這個(gè)環(huán)節(jié)是100%，那這里反而成為產(chǎn)品此時(shí)最大的問題所在。此外如果和同行業(yè)比的話，發(fā)現(xiàn)行業(yè)同類產(chǎn)品的這個(gè)環(huán)節(jié)平均轉(zhuǎn)化率是95%，那還是說明這個(gè)階段不是足夠好的。

這就是說在我們拿到數(shù)據(jù)后，要按照一定的對(duì)比維度去進(jìn)行分析，得到的結(jié)果才是有意義的。

總結(jié)來說，在漏斗模型建立完成后，我們對(duì)數(shù)據(jù)要從如下三個(gè)維度去進(jìn)行分析：

• 縱向?qū)Ρ?/strong>：也就是讓產(chǎn)品與自己歷史同期進(jìn)行對(duì)比，這種對(duì)比適用于對(duì)某一流程或其中某個(gè)步驟進(jìn)行改進(jìn)或優(yōu)化的效果監(jiān)控；

• 橫向?qū)Ρ?/strong>：通過將本產(chǎn)品的同一流程轉(zhuǎn)化率在競(jìng)品中進(jìn)行橫向?qū)Ρ?，定位自身產(chǎn)品出現(xiàn)的問題；

• 來源分類：細(xì)分來源或不同的客戶類型在轉(zhuǎn)化率上的表現(xiàn)，從而完成客戶群體劃分。在日常分析中我們通常用于網(wǎng)站廣告或推廣的效果的評(píng)價(jià)。

大家可以根據(jù)自己的需要去挑選維度來分析。

2. 漏斗模型的漏斗顆粒度定義

在實(shí)際的場(chǎng)景中同一款產(chǎn)品會(huì)有各種各樣的用戶類型，比如用戶來自于不同的區(qū)域、不同的生命周期、不同的性別，不同的年齡，他們?cè)诼┒分械谋憩F(xiàn)都是不一樣的，也就造成了在用戶漏斗中的轉(zhuǎn)化率往往是有很大的差異的，因此我們需要將不同的人群拆分成一個(gè)個(gè)小的漏斗去逐一分析，一點(diǎn)點(diǎn)去分析結(jié)果。

讓我們?cè)倏偨Y(jié)一下所謂漏斗模型將任意產(chǎn)品流程抽象成一個(gè)個(gè)的關(guān)鍵步驟，如案例中的購物流程。然后用轉(zhuǎn)化率來衡量每一個(gè)步驟的表現(xiàn)，最后通過異常的數(shù)據(jù)指標(biāo)找出有問題的環(huán)節(jié)。從而解決問題優(yōu)化該步驟，最終達(dá)到提升轉(zhuǎn)化率的目的。

用一句話來說漏斗模型的核心思想就是分解和歸類量化。

在定位了產(chǎn)品出現(xiàn)問題的環(huán)節(jié)后，接下來讓我們來看看，如何具體定位指標(biāo)。

模型二：杜邦分析模型

讓我們先來看下百科中的定義

“杜邦分析法（DuPont Analysis）是利用幾種主要的財(cái)務(wù)比率之間的關(guān)系來綜合地分析企業(yè)的財(cái)務(wù)狀況。具體來說，它是一種用來評(píng)價(jià)公司贏利能力和股東權(quán)益回報(bào)水平，從財(cái)務(wù)角度評(píng)價(jià)企業(yè)績(jī)效的一種經(jīng)典方法。其基本思想是將企業(yè)凈資產(chǎn)收益率逐級(jí)分解為多項(xiàng)財(cái)務(wù)比率乘積，這樣有助于深入分析比較企業(yè)經(jīng)營(yíng)業(yè)績(jī)?！?/p>

其實(shí)說白了就是將指標(biāo)進(jìn)行肢解，將大指標(biāo)拆分成若干個(gè)底層應(yīng)用中直接觸達(dá)的動(dòng)作。

如果用一張圖來表示，就是如下：

圖2. 杜邦分析核心模式

一般的我們將指標(biāo)分為如下三個(gè)角色：

1. 核心指標(biāo)

2. 子指標(biāo)（若干層級(jí)）

3. 孫代指標(biāo)（讓抽象的指標(biāo)與APP中動(dòng)作進(jìn)行關(guān)聯(lián)上的指標(biāo)）

那為什么要這么做呢？直接看指標(biāo)不行嗎？

其實(shí)是這樣的產(chǎn)品本身涉及到的各種指標(biāo)類型非常的多，但產(chǎn)品經(jīng)理無法對(duì)這些指標(biāo)面面俱到。往往此時(shí)產(chǎn)品經(jīng)理只能去關(guān)注本業(yè)務(wù)核心指標(biāo)，而這些指標(biāo)已經(jīng)遠(yuǎn)遠(yuǎn)脫離了現(xiàn)實(shí)APP中可以直觀感受到的部分。

舉例來說，當(dāng)我們討論銷售額的時(shí)候討論的是什么？這不是一句俏皮話，這是一個(gè)現(xiàn)實(shí)的問題。如果直接談銷售額我們很難有直觀感受，但往往通過指標(biāo)拆分后，我們拿到的結(jié)果告訴我們銷售額其就是一個(gè)產(chǎn)品中支付界面的流程或者投放中產(chǎn)品觸達(dá)的最優(yōu)組合。

正是因?yàn)榇嬖谌绱舜蟮某橄髮蛹?jí)差距，也就導(dǎo)致了在我們看到產(chǎn)品核心指標(biāo)（注意一定要監(jiān)控產(chǎn)品業(yè)務(wù)核心指標(biāo)，而不是籠統(tǒng)的DAU等數(shù)據(jù)，如果對(duì)這個(gè)概念不太理解可以去我的主頁看我本系列的第一篇文章）發(fā)生變化的時(shí)候，很難清楚到底是什么原因?qū)е卤局笜?biāo)的上升或下降呢？

拿一個(gè)電商的產(chǎn)品案例來說，對(duì)于電商類的產(chǎn)品來說核心指標(biāo)就是成交金額。

而當(dāng)我們發(fā)現(xiàn)在我們某次日常運(yùn)營(yíng)活動(dòng)投放后，產(chǎn)品的成交金額不增反而出現(xiàn)了下跌，這個(gè)時(shí)候問題就出現(xiàn)了到底是什么讓我們的產(chǎn)品出現(xiàn)這樣的問題了呢？

那么這個(gè)時(shí)候就需要通過杜邦分析模型來尋找答案了。

首先我們將電商成交額做如下拆分：

• 核心指標(biāo)拆分：銷售額 = 付費(fèi)人數(shù) * 客單價(jià)

• 子指標(biāo)拆分：付費(fèi)人數(shù) = UV * 付費(fèi)轉(zhuǎn)化率

• 孫代指標(biāo)拆分：

圖3. UV拆分結(jié)果

我們拿此處UV的例子來看，經(jīng)過層層拆分，我們看到了最后和產(chǎn)品相關(guān)的是我們本次活動(dòng)用戶步驟與步驟獎(jiǎng)勵(lì)數(shù)這兩個(gè)指標(biāo)。

因此我們就可以根據(jù)如上的圖中的指標(biāo)去看數(shù)據(jù)來一步步尋找產(chǎn)品的問題；

我們拿到的數(shù)據(jù)如下：

Part 1. 核心指標(biāo)：

從這我們就能看到核心指標(biāo)中付費(fèi)人數(shù)出現(xiàn)了問題，那么我們就找到了入手調(diào)查的地方，讓我們繼續(xù)拆分付費(fèi)人數(shù)這個(gè)指標(biāo)。

Part 2. 子指標(biāo)拆分：

在付費(fèi)轉(zhuǎn)化率幾乎沒有變化的情況下，UV就成了這最大的問題。

Part 3. 孫代指標(biāo)拆分：

Part N. 中間省去若干個(gè)孫代指標(biāo)的最終對(duì)比

那么在這我們就能清楚的看到了，由于我們本次的活動(dòng)要求用戶過多，長(zhǎng)達(dá)7步導(dǎo)致了用戶很多程度下不愿意參與本活動(dòng)，導(dǎo)致了流失與交易金額的下降。

到這我們產(chǎn)品的解決方案也就出來了需要對(duì)活動(dòng)進(jìn)行修改，減少活動(dòng)用戶步驟或者增大獎(jiǎng)勵(lì)。

最后

以上是我們數(shù)據(jù)分析中最常用的兩個(gè)分析模型，用好這兩個(gè)完全可以解決日常工作中大多數(shù)數(shù)據(jù)決策問題。當(dāng)然數(shù)據(jù)分析這里還有很多其它的數(shù)據(jù)分析方法，我會(huì)在本系列后面的文章中一一介紹，感興趣的大家可以關(guān)注期待。