數(shù)據(jù)運營實戰(zhàn)(三):用數(shù)據(jù)說話,從埋點開始

0 評論 47669 瀏覽 246 收藏 11 分鐘

?埋點是App數(shù)據(jù)運營中很重要的一個環(huán)節(jié)。之前我們討論過用戶分群的方式、漏斗轉(zhuǎn)化的改進,但所有App數(shù)據(jù)的來源是數(shù)據(jù)采集,很多時候就是App的埋點。

數(shù)據(jù)只有采集了才能做分析,分析了才能實現(xiàn)價值

圖1. 數(shù)據(jù)運營微笑模型

上圖是數(shù)據(jù)運營解決問題的思路,但相對的,數(shù)據(jù)運營分析的需求,也驅(qū)動著數(shù)據(jù)埋點的優(yōu)化。有時候,我們可能會遇到這樣的尷尬:

  • 數(shù)到用時方恨少!
  • 木有結(jié)論腫么破!

其實,數(shù)據(jù)埋點比我們想象得有更多挖掘的空間,有針對性的有條理的埋點能夠幫助我們理清用戶行為軌跡、抓住用戶特征、解析關(guān)鍵路徑。

但過多的埋點,可能會給App帶來負擔(dān),也可能對App用戶的流量、網(wǎng)速體驗有影響,這都是我們需要考慮的因素。全埋點、多采集,并不是數(shù)據(jù)分析體系構(gòu)建的辦法,反而是把分析挖掘的工作量后移,給數(shù)據(jù)分析帶來很多負擔(dān)。

較好的做法是:帶著我們的分析目標與數(shù)據(jù)解讀思路去埋點。騰訊移動分析MTA在數(shù)據(jù)埋點上做過多次優(yōu)化,能確保多次采集一次上傳的數(shù)據(jù)傳輸過程,減少對用戶流量的影響,優(yōu)化用戶體驗。

下面我們分幾個層次來討論埋點問題:

1、用戶行為分析

通過埋點可以追蹤用戶的行為,即對App內(nèi)的關(guān)鍵路徑進行監(jiān)測,這無疑是最常見也是最重要的應(yīng)用場景。不同的App可能關(guān)注的埋點事件有很大不同。例如,電商類App多關(guān)注的是訂單成交;社區(qū)類App可能關(guān)注UGC內(nèi)容的產(chǎn)生;閱讀類App則需要關(guān)注內(nèi)容的閱讀。

用戶埋點的場景很靈活,埋點可以統(tǒng)計的事件數(shù)據(jù)能和業(yè)務(wù)數(shù)據(jù)進行打通。

比如在新聞閱讀的App中,將閱讀新聞作為自定義事件,每一篇報道都帶有不同的參數(shù),可以得到閱讀的大盤整合數(shù)據(jù),也可以分析每篇報道的價值,甚至可以方便的實現(xiàn)閱讀量排行榜等功能。

埋點是因業(yè)務(wù)場景需要而定的。

比如第二篇時講到的漏斗細分中,有一個金融用戶案例。在綁卡流程轉(zhuǎn)化流失率過高的時候,需要定位每一個輸入框的填寫方式是否存在問題,這時埋點的密度會比一般情況要高很多。

圖2.?定位問題時的埋點示意

上述埋點是基于我們想要定位“為什么綁卡頁面轉(zhuǎn)化率低”的需求。埋點之后,在綁卡流程漏斗中,MTA會生成一個詳細填寫頁面的漏斗,從中我們或許能知道用戶是在哪一步停止操作的,是否有改進的空間。

圖3.漏斗拆解(由于業(yè)務(wù)數(shù)據(jù)敏感性,以上數(shù)據(jù)已做模糊處理)

但如果之后我們修復(fù)了問題,我們可能就不需要這么細致的埋點了,或者我們只需要對可能出問題的地方進行埋點監(jiān)控。

圖4.穩(wěn)定后的埋點示意圖

因此,業(yè)界所說的全埋點是一種未充分理解自身業(yè)務(wù)時采用的策略,很多時候也無法滿足詳細漏斗的追溯要求。而不必要的埋點帶來了過量的數(shù)據(jù)上報,一方面加重了用戶的流量負擔(dān),另一方面也不利于后期的復(fù)盤分析。

當(dāng)然如果真的是業(yè)務(wù)上線了,點還沒埋上,騰訊移動分析MTA新近推出了可視化埋點功能,可以由產(chǎn)品、運營同學(xué)通過web端配置埋點,云端下發(fā)至App中,隨時調(diào)整App內(nèi)的埋點策略,也是機智而有效的救急措施。

開發(fā)GG再也不用擔(dān)心我漏埋點啦~~

2、用戶人群分析

根據(jù)用戶事件、來源渠道、同期群,甚至年齡、性別、地域等,我們可以把自己的App用戶切割為很多小群體。比如在訂單購買的業(yè)務(wù)中,將訂單金額作為參數(shù)上報,能夠更好的分析用戶的價值。下圖是一種消費用戶分群的方式,以消費金額Monetary、消費頻率Frequency和最近一次消費時間Recency,得到8個象限的用戶,可以對不同的用戶進行不同的運營推廣策略。

圖5. 消費用戶分群模型

還是看這個電商App,當(dāng)用于活動運營分析的時候,可能數(shù)據(jù)分析的視角和方式就不太一樣了。

舉個例子:618活動時間新注冊(同期群)且完成過一次訂單的這群用戶,他們在活動期結(jié)束之后,會有哪些表現(xiàn)?

  1. 購買VIP會員的轉(zhuǎn)化率高于平均活動水平→某個新的廣告渠道帶來了優(yōu)質(zhì)的新客戶,該渠道可以繼續(xù)投入,持續(xù)關(guān)注效果;
  2. 繼續(xù)參與七夕節(jié)的活動→人群可能對活動信息比較敏感,適合推薦促銷信息;
  3. 流失曲線&再次開啟時間的關(guān)系是:2周內(nèi)不再開啟App的客戶,87%都流失了→我們?nèi)绻谛掠脩糇院?周左右的時間通過Push、短信、郵箱等手段喚醒用戶,能夠大幅提高留存。

通過把人群切分,去分析業(yè)務(wù)特性,能夠加深對用戶的理解,結(jié)合你的App觸達手段,能夠讓你更好的與用戶交流互動,實現(xiàn)業(yè)務(wù)運營的目標。

而這里的人群切分方式,就需要通過埋點定義出自定義事件,通過事件與其他條件的疊加、篩選,與不同事件、報表做交叉分析,就能夠凸顯核心用戶群體的價值,精細化運營不同用戶群體。

點擊不同按鈕、關(guān)注不同板塊、甚至不同注冊時間的人群都有不同的特性。

精細化的分析運營需要對業(yè)務(wù)的深入理解,需要學(xué)會切入分析的角度,解析你的用戶的特征,了解你的用戶,再由數(shù)據(jù)的需求去驅(qū)動埋點的配置。

3、解析核心路徑

第三點是基于第二點的應(yīng)用。通過切割用戶人群,再回到業(yè)務(wù)關(guān)鍵路徑上,去發(fā)現(xiàn)吸引用戶、留住用戶的奧秘。舉一個比較知名的例子。

在某知名社交App的數(shù)據(jù)分析運營分享中,通過不同的事件對比,可以發(fā)現(xiàn)10天內(nèi)添加7個好友的留存率大大提高。

我們回溯一下,如果我們想要分析什么才是這個App留存率的關(guān)鍵,我們需要羅列很多的可能性,比如在平臺上瀏覽100條新聞、引薦3名新用戶加入、產(chǎn)生UGC內(nèi)容或者是上傳3張照片、玩過平臺游戲。那么,我們需要對比這些人群,尋找在這些事件中哪些才是與留存率強相關(guān)的?

如果是添加好友的這件事,那么這個時間限是,注冊時關(guān)注3人,還是一周內(nèi)關(guān)注5人?

或者如果我們發(fā)現(xiàn),引薦5名新用戶,留存率非常高,但實際上,真的能引薦5名新用戶的人群少之又少,那么這件事也不適宜我們?nèi)ブ攸c關(guān)注,因為給我們帶來的成本太高了。

圖6.自定義事件與留存相關(guān)度的分析實例

從這些關(guān)鍵事件中,我們要通過數(shù)據(jù)分析找到其中的核心路徑,然后傾斜我們的資源去支持它。

好啦,今天的分享就到這里了。總的來說,埋點與數(shù)據(jù)統(tǒng)計,都是為業(yè)務(wù)服務(wù)的。關(guān)注哪些事件、為他們埋點是由于App自身的業(yè)務(wù)特性所決定。

埋點需要有的放矢,分析才能得到結(jié)論,迭代增長也將有跡可循。

相關(guān)閱讀

數(shù)據(jù)運營實戰(zhàn)(一):細分目標人群,結(jié)合用戶畫像的實踐

數(shù)據(jù)運營實戰(zhàn)(二):細分漏斗畫像,改善關(guān)鍵節(jié)點

 

本文由 @騰訊大數(shù)據(jù) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!