亚洲精品国产综合久久久久紧,久久久久99精品成人片直播,被窝影院午夜无码国产,久久久久波多野结衣高潮

一、電商網(wǎng)站數(shù)據(jù)分析流程：

(1)數(shù)據(jù)收集：這個(gè)階段是收集基本的基本數(shù)據(jù)。通常，這些數(shù)據(jù)是事物的計(jì)數(shù)。這個(gè)階段的目標(biāo)是收集數(shù)據(jù)。

(2)處理數(shù)據(jù)到信息：這個(gè)階段通常需要計(jì)數(shù)并使其成為比率，盡管仍然可能有一些計(jì)數(shù)。這個(gè)階段的目標(biāo)是獲取數(shù)據(jù)并將其合并到信息中，特別是指標(biāo)。

(3)開(kāi)發(fā)關(guān)鍵績(jī)效指標(biāo)(KpI)：此階段著重于使用比率(和計(jì)數(shù))并將它們與業(yè)務(wù)策略相關(guān)聯(lián)，稱(chēng)為關(guān)鍵績(jī)效指標(biāo)(KpI)。很多時(shí)候，KpI都涉及轉(zhuǎn)換方面，但并非總是如此。這取決于商業(yè)機(jī)構(gòu)。

(4)制定在線策略：該階段關(guān)注組織或業(yè)務(wù)的在線目標(biāo)，目標(biāo)和標(biāo)準(zhǔn)。這些策略通常與賺錢(qián)，省錢(qián)或增加市場(chǎng)份額有關(guān)。分析師為優(yōu)化網(wǎng)站而開(kāi)發(fā)的另一個(gè)重要功能是實(shí)驗(yàn)。

網(wǎng)舟科技研發(fā)小組發(fā)現(xiàn)在現(xiàn)代大數(shù)據(jù)利用用戶(hù)行為日志分析，調(diào)整運(yùn)營(yíng)策略，使得商業(yè)利潤(rùn)最大化，具體的案例有國(guó)內(nèi)各大電商網(wǎng)站的精準(zhǔn)營(yíng)銷(xiāo)(個(gè)性化推薦服務(wù))。

其電商網(wǎng)站經(jīng)常使用的分析維度為流量、渠道、轉(zhuǎn)化(流量轉(zhuǎn)化和訂單轉(zhuǎn)化)、留存率、粘度、跳出率、時(shí)長(zhǎng)、路徑;根據(jù)不同的商業(yè)需求，可搭建用戶(hù)分析體系。

二、分析維度、量度：

基礎(chǔ)分析：

1)渠道：App、移動(dòng)端、pC端、微信端等

2)流量：頁(yè)面瀏覽、頁(yè)面訪問(wèn)、點(diǎn)擊等

3)轉(zhuǎn)化：轉(zhuǎn)化

4)留存: 留存用戶(hù)、留存率、N天留存

5)客戶(hù)體驗(yàn)：跳出率、時(shí)長(zhǎng)、粘度

1渠道：

現(xiàn)代電商網(wǎng)站往往具備 App、移動(dòng)端、微信端、pC端 渠道，其中根據(jù)不同的業(yè)務(wù)，流量偏重有所不同，隨著手機(jī)移動(dòng)設(shè)備的越來(lái)越智能化和大屏化，一般情況下，電商節(jié)的雙11和618數(shù)據(jù)表明，非pC端消費(fèi)的用戶(hù)最多?，F(xiàn)在的商業(yè)機(jī)構(gòu)更加注重非pC端(微信、App、移動(dòng)端)的營(yíng)銷(xiāo)，所以了解用戶(hù)使用的設(shè)備和渠道能夠使得運(yùn)營(yíng)和利潤(rùn)最大化。

2 流量：

通常說(shuō)的網(wǎng)站流量(traffic)是指網(wǎng)站的訪問(wèn)量，是用來(lái)描述訪問(wèn)一個(gè)網(wǎng)站的用戶(hù)數(shù)量以及用戶(hù)所瀏覽的網(wǎng)頁(yè)數(shù)量等指標(biāo)。

用戶(hù)行為指標(biāo)主要反映用戶(hù)是如何來(lái)到網(wǎng)站的、在網(wǎng)站上停留了多長(zhǎng)時(shí)間、訪問(wèn)了哪些頁(yè)面等，主要的統(tǒng)計(jì)指標(biāo)包括：

·用戶(hù)在網(wǎng)站的停留時(shí)間;

·用戶(hù)來(lái)源網(wǎng)站(也叫“引導(dǎo)網(wǎng)站”);

·用戶(hù)所使用的搜索引擎及其關(guān)鍵詞;

·在不同時(shí)段的用戶(hù)訪問(wèn)量情況等。

3 轉(zhuǎn)化：

網(wǎng)站轉(zhuǎn)化率(conversion rate)是指用戶(hù)進(jìn)行了相應(yīng)目標(biāo)行動(dòng)的訪問(wèn)次數(shù)與總訪問(wèn)次數(shù)的比率。相應(yīng)的行動(dòng)可以是用戶(hù)登錄、用戶(hù)注冊(cè)、用戶(hù)訂閱、用戶(hù)下載、用戶(hù)購(gòu)買(mǎi)等一系列用戶(hù)行為，因此網(wǎng)站轉(zhuǎn)化率是一個(gè)廣義的概念。簡(jiǎn)而言之，就是當(dāng)訪客訪問(wèn)網(wǎng)站的時(shí)候，把訪客轉(zhuǎn)化成網(wǎng)站常駐用戶(hù)，也可以理解為訪客到用戶(hù)的轉(zhuǎn)換。

網(wǎng)站的轉(zhuǎn)化率=(瀏覽產(chǎn)品人數(shù)/進(jìn)站總?cè)藬?shù))×(進(jìn)入購(gòu)買(mǎi)流程人數(shù)/瀏覽產(chǎn)品人數(shù))×(訂單數(shù)/進(jìn)入購(gòu)買(mǎi)流程人數(shù))

4 留存用戶(hù)：

用戶(hù)在某段時(shí)間內(nèi)開(kāi)始使用應(yīng)用，經(jīng)過(guò)一段時(shí)間后，仍然繼續(xù)使用該應(yīng)用的用戶(hù)，被認(rèn)作是留存用戶(hù)。

這部分用戶(hù)占當(dāng)時(shí)新增用戶(hù)的比例即是留存率，會(huì)按照每隔1單位時(shí)間(例日、周、月)來(lái)進(jìn)行統(tǒng)計(jì)。顧名思義，留存指的就是“有多少用戶(hù)留下來(lái)了”。留存用戶(hù)和留存率體現(xiàn)了應(yīng)用的質(zhì)量和保留用戶(hù)的能力。

計(jì)算公式：

留存率： 新增用戶(hù)中登錄用戶(hù)數(shù)/新增用戶(hù)數(shù)*100%(一般統(tǒng)計(jì)周期為天)

新增用戶(hù)數(shù)： 在某個(gè)時(shí)間段(一般為第一整天)新登錄應(yīng)用的用戶(hù)數(shù);

登錄用戶(hù)數(shù)： 登錄應(yīng)用后至當(dāng)前時(shí)間，至少登錄過(guò)一次的用戶(hù)數(shù);

次日留存率： (當(dāng)天新增的用戶(hù)中，在注冊(cè)的第2天還登錄的用戶(hù)數(shù))/第一天新增總用戶(hù)數(shù);

第3日留存率： (第一天新增用戶(hù)中，在注冊(cè)的第3天還有登錄的用戶(hù)數(shù))/第一天新增總用戶(hù)數(shù);

第7日留存率：( 第一天新增的用戶(hù)中，在注冊(cè)的第7天還有登錄的用戶(hù)數(shù))/第一天新增總用戶(hù)數(shù);

第30日留存率： (第一天新增的用戶(hù)中，在注冊(cè)的第30天還有登錄的用戶(hù)數(shù))/第一天新增總用戶(hù)數(shù)

5 跳出率：

跳出率(bounce rate)反映出訪問(wèn)者在進(jìn)入你的網(wǎng)站后又“跳出”的百分比(如，有些訪問(wèn)者只瀏覽了你的一個(gè)頁(yè)面，然后就離開(kāi)了)。訪問(wèn)者“跳出”某個(gè)頁(yè)面的原因很多，包括：

訪問(wèn)者點(diǎn)擊了瀏覽器上的后退按鈕

訪問(wèn)者關(guān)閉了瀏覽器

訪問(wèn)者點(diǎn)擊了你的廣告

訪問(wèn)者點(diǎn)擊進(jìn)入了網(wǎng)站上的外部鏈接

訪問(wèn)者使用了他瀏覽器上的搜索框

訪問(wèn)者在瀏覽器上輸入新URL地址然后進(jìn)入新網(wǎng)站

上面這些動(dòng)作都會(huì)造成訪問(wèn)者離開(kāi)你的網(wǎng)站。如果訪問(wèn)者在進(jìn)入你網(wǎng)站的某個(gè)頁(yè)面后，(沒(méi)有點(diǎn)擊第二個(gè)頁(yè)面)然后就立刻進(jìn)行了上面某個(gè)操作，這樣的行為就被算做一次“跳出”。

跳出率計(jì)算公式：

跳出率： 訪問(wèn)一個(gè)頁(yè)面后離開(kāi)網(wǎng)站的次數(shù)/總訪問(wèn)次數(shù)

假設(shè)某個(gè)月你的網(wǎng)站訪問(wèn)量是120000次，其中80000次在訪問(wèn)一個(gè)頁(yè)面后就離開(kāi)了網(wǎng)站，那么該月你的網(wǎng)站跳出率就是80000/120000≈0.66(66%)。你可以計(jì)算整個(gè)網(wǎng)站的跳出率，也可以計(jì)算其中某些頁(yè)面的跳出率。

顯然，跳出率越低，對(duì)網(wǎng)站越有利。低跳出率意味著訪問(wèn)者在進(jìn)入網(wǎng)站后受到更多吸引，并選擇點(diǎn)開(kāi)第二、三、四….個(gè)頁(yè)面。

Google Analytics等網(wǎng)站分析工具都可以幫你觀察網(wǎng)站的“跳出”情況

6 訪問(wèn)時(shí)長(zhǎng)：

用戶(hù)在來(lái)到你網(wǎng)站開(kāi)始瀏覽信息，從進(jìn)來(lái)你的網(wǎng)站開(kāi)始，到關(guān)掉或者跳出你的網(wǎng)站，中間所經(jīng)過(guò)的時(shí)間，就叫做網(wǎng)站訪問(wèn)時(shí)長(zhǎng)。

網(wǎng)站訪問(wèn)時(shí)長(zhǎng)越長(zhǎng)，證明網(wǎng)站用戶(hù)停留時(shí)時(shí)間長(zhǎng)，側(cè)面的反應(yīng)網(wǎng)站的內(nèi)容比較好，用戶(hù)粘度較高。

如果訪問(wèn)時(shí)長(zhǎng)顯示--，意思就代表用戶(hù)一般打開(kāi)你的網(wǎng)站，沒(méi)怎么看就關(guān)掉或者跳轉(zhuǎn)了。要不就是你的統(tǒng)計(jì)工具沒(méi)有統(tǒng)計(jì)上。

7 用戶(hù)粘度：

用戶(hù)黏度是指用戶(hù)對(duì)于品牌或產(chǎn)品的忠誠(chéng)、信任與良性體驗(yàn)等結(jié)合起來(lái)形成的依賴(lài)程度和再消費(fèi)期望程度。用戶(hù)黏度也指增加用戶(hù)雙方彼此的使用數(shù)量，就像我們大家在平時(shí)搞好兩個(gè)人雙方之間的關(guān)系一樣。

如何增加網(wǎng)站用戶(hù)粘性

1)注重網(wǎng)站的頁(yè)面設(shè)計(jì)

2)頁(yè)面打開(kāi)速度

3)網(wǎng)站更新的頻率和質(zhì)量

4)其他

三、模型分析：

流失挽回： 流失挽回是針對(duì)時(shí)效性較強(qiáng)的用戶(hù)下單流程的一個(gè)模型。原理是用戶(hù)在購(gòu)買(mǎi)商品下單填寫(xiě)頁(yè)面信息后沒(méi)有及時(shí)的去提交訂單和支付，系統(tǒng)抓取到用戶(hù)的個(gè)人填單信息，并及時(shí)回訪用戶(hù)沒(méi)有下單或者支付的原因(包括用戶(hù)自身因素和電商網(wǎng)站系統(tǒng)因素)，促成用戶(hù)下單和支付。

案例流程：

路徑分析： 用戶(hù)在流量網(wǎng)站時(shí)，會(huì)瀏覽不同業(yè)務(wù)類(lèi)型的頁(yè)面，不同的頁(yè)面恰好表示用戶(hù)有不同的業(yè)務(wù)需求。對(duì)用戶(hù)不同的瀏覽路徑進(jìn)行分析可以不僅可以網(wǎng)站的引導(dǎo)能力進(jìn)行優(yōu)化調(diào)整，以適應(yīng)用戶(hù)的瀏覽軌跡，還可以針對(duì)用戶(hù)進(jìn)行對(duì)網(wǎng)站架構(gòu)的個(gè)性化推薦調(diào)整(目前的網(wǎng)站頁(yè)面架構(gòu)是固定，對(duì)所有用戶(hù)的展示均為固定的)，此舉需要在網(wǎng)站頁(yè)面初始設(shè)計(jì)架構(gòu)時(shí)就需要考慮，根據(jù)開(kāi)發(fā)的常規(guī)流程，越到后面改動(dòng)需求，開(kāi)發(fā)難度越大，所以針對(duì)用戶(hù)瀏覽路徑的分類(lèi)對(duì)網(wǎng)站頁(yè)面架構(gòu)進(jìn)行個(gè)性化推薦的設(shè)計(jì)需慎重考慮。

用戶(hù)畫(huà)像： 顧名思義，用戶(hù)畫(huà)像即為刻畫(huà)整個(gè)用戶(hù)屬性的一種分析方式，往往不同的用戶(hù)有不同的屬性，就會(huì)不同的行為。現(xiàn)代商業(yè)模式下的對(duì)用戶(hù)進(jìn)行細(xì)化的分析證明，對(duì)用戶(hù)進(jìn)行分群，調(diào)整運(yùn)營(yíng)策略，能夠使得資源利用回報(bào)率更高。譬如，電商網(wǎng)站，對(duì)用戶(hù)最近經(jīng)常瀏覽的商品進(jìn)行品質(zhì)化(根據(jù)用戶(hù)以往消費(fèi)水平)推薦給用戶(hù)相當(dāng)價(jià)格和質(zhì)量的商品，而不是對(duì)所有用戶(hù)都推薦同樣的產(chǎn)品。

4)用戶(hù)價(jià)值評(píng)分體系和精準(zhǔn)營(yíng)銷(xiāo)： 這一點(diǎn)可以跟用戶(hù)畫(huà)像融合在一起，即根據(jù)相關(guān)的指標(biāo)對(duì)用戶(hù)進(jìn)行價(jià)值分群，價(jià)值高的用戶(hù)可以對(duì)其進(jìn)行專(zhuān)項(xiàng)的優(yōu)化和促進(jìn)其消費(fèi)等。

作者：網(wǎng)舟科技(劉揚(yáng)欽)