天天看点

【数据分析】用户行为分析1.业务需求2.数据提取3.分析用户各个环节的流失情况4.其他5.构建模型6.结论和建议

通过对用户行为数据分分析,为相关问题提供解释和改进的建议。

1.业务需求

  • 分析用户使用APP过程中的常见电商分析指标,确定各个环节的流失率,找到需要改进的环节;
  • 找出最具价值的核心付费用户群,对这部分用户的行为进行分析
  • 研究用户在不同时间尺度下的行为规律,找到用户在不同时间周期下的活跃规律
  • 找到用户对不同种类商品的偏好,找到针对不同商品的营销策略

2.数据提取

我们可能面临着几百万条数据的压力,每条数据中少则十几个属性,几十个属性,为了方便起见,我们需要过滤掉一部分属性.在此之间我们要明白,属性代表什么含义、属性之间的关系、以及那些属性会影响该业务,这也是对数据的一个预筛选,提取完成之后,我们并不能保证每条属性是完整的,为此,我们要对数据进行填充(填充指定值,如均值,中位数,众数等,使用聚类填充)或者删除;编码、等预处理。也可以根据业务的需要对数据进行PCA降维操作。

3.分析用户各个环节的流失情况

3.1技术要点

  • 漏斗模型
  • 生命周期模型
  • RFM模型

3.2漏斗模型和用户生命周期模型

将用户进入APP后的每一步行为做一个拆解,根据用户使用产品的全过程的不同阶段进行一个划分。

3.2.1如何获取用户?

  • 渠道曝光量:通过该渠道有多少人看到了该广告;
  • 渠道转换率:有多少用户通过曝光转换成了用户;
  • 日新增用户数
  • 日应用下载用户数
  • 获客成本(CAC):获取一个客户花费的成本;

3.2.2用户首次体验?-激活用户--美团和饿了么

  • 日活跃用户数(DAU,日活)
  • 活跃用户比:活跃用户数在总用户数中的占比
  • 新人免单,有一段时间美团和饿了么做的非常好

3.2.3用户再次体验?-让用户还用我这个产品

目的:提升用户留存率

  • 次日用户留存率:当天新增用户在第二天使用过该产品的用户数
  • 第三日用户留存率
  • 第7日用户留存率
  • 30天用户留存率:第一天新增用户数,在第30天使用过该产品的用户数

3.2.4如何增加收入?-RFM模型

目的:划分低价值的用户和高价值的用户;对不同群体使用不同的个性化服务,实现利益最大化。

指标:

  • R-最近一次和上一次消费时间的间隔;上一次购物时间距今最近的顾客通常在近期响应营销活动的可能性也最大,对于app来说,很久没有购买行为可能意味着用户放弃了app的使用,重新唤起用户也需要更多的成本。
  • F-消费的频次,某个时间段购买的一个次数;消费频率越高也意味着这部分用户对产品的满意度最高,用户粘性最好,忠实度也高。
  • M-消费金额,客户累计花费的金额;指的是某段时间内用户的购买金额,这也是为公司带来价值的直接体现,而消费金额较高的用户在用户总体中人数比较少,却能创造更多的价值,是需要争取的重点对象。

3.2.5用户分享?-病毒式营销--拼多多

  • 转发率:某功能,转发用户数/看到该功能的用户数;
  • 转化率:
  • 广告转化率:
  • K因子:也叫自传播,用来衡量推荐的效果。每个用户向它的朋友发出的邀请数量*接收到邀请的人转化成新用户的转化率。假设平均每个用户向10个朋友发出邀请,而平均的转化率为0.1(称为新用户的个数/邀请的人数),那么K=1,当k>1的时候用户群就像滚雪球一样增大,如果k<1的话那么用户群到某个规模时就会停止通过自传播增长。很遗憾的是,即使是社交类的移动应用,目前K因子大于1的也很少。所以绝大部分移动应用还不能完全依赖于自传播,还必须和其它营销方式结合。但是从产品设计阶段就加入有利于自传播的功能,还是有必要的,毕竟这种免费的推广方式可以部分地减少CAC。

4.其他

  • PV-页面访问量-100万
  • UV-访问用户数-1万
  • 跳失率-只点击一次的用户数/总用户数
  • 用户行为:浏览、点击、收藏、购买

5.构建模型

6.结论和建议

本文从四个不同的角度提出业务问题,使用AARRR模型、RFM模型和用户生命周期模型分析数据给出了结论和建议

6.1通过AARRR模型分析用户使用的各个环节

6.1.1获取用户

由于数据中没有给出每个用户第一次的登陆的时间,我们暂且把浏览行为视为用户的获取

6.1.2激活用户

用户行为包括点击、加购物车、收藏和购买,由于收藏和加购物车都为浏览和购买阶段之间确定购买意向的用户行为,且不分先后顺序,因此将其算作一个阶段,从浏览到有购买意向只有9.51%的转化率,当然有一部分用户是直接购买,但也说明大多数用户以浏览页面为主而购买转化较少,此处为转化漏斗中需要改善和提高的环节。针对这一环节改善转化率的建议有:

1】优化电商平台的搜索匹配度和推荐策略,主动根据用户喜好推荐相关的商品,优化商品搜索的准确度和聚合能力,对搜索结果排序优先级进行优化。

2】在商品详情页的展示上突出用户关注的重点信息,精简信息流的呈现方式,减少用户寻找信息的成本

3】优化加入购物车和收藏按键的触达,用户在滑屏时也能方便触达,增加功能使用的次数。

6.1.3留存率

多点APP的留存相对而言较为稳定,让用户提高、保持使用多点电商平台的频率相对而言更加重要。

6.1.4增加收入

使用APP的用户中有61%的付费用户,付费转化率相当高。

6.1.5用户推荐

淘宝本身用户基数庞大,知名度高,个人认为在一二线城市的用户基本已经达到饱和,传播工作需要针对三四线城市的渠道下沉,在这些地区针对用户价格敏感度高的特性开展类似拼多多的拼团转发和打折促销活动,扩大这部分用户的使用率。

6.2研究用户在不同时间尺度下的行为规律,找到用户在不同时间周期下的活跃规律

以一周为周期进行波动,一周中的高峰期在周末,符合上班族作息时间中的空闲时期。而平时一天中,在晚十点后出现高峰期。针对高峰期进行营销活动收益最高,此时使用人数最多,活动容易触达用户,营销活动的形式可以通过促销、拼团、直播等形式进行。

6.3.找到用户对不同种类商品的偏好,找到针对不同商品的营销策略

商品售卖主要依靠长尾商品的累积效应,而非爆款商品的带动。而浏览次数前列的商品甚至没有进入销量前30,说明这些吸引用户更多注意力的商品没有很好的转化为实际销量。

针对浏览量高而销量不高的这部分商品,需要提高的是用户从点击进入商品详情页到最终购买的体验。作为商家端可以从以下几个方面提高销售额:

(1) 商品详情页的实际价格是否相比展示价格偏差过大,有的商家为了吸引用户点击在商品展示页投放的价格具有较强吸引力,但实际价格偏高,在用户心中反而引起反感

(2)详情页的信息流展示是否合理,是否将用户最想看到的部分置于容易看到的位置,便于信息的获取

(3)优化商品展示的形式,利用视频等方式给用户更直观的感受,提高照片的美观程度

(4)评论区评价管理,尤其对于差评区的用户反馈进行认真对待,提高自身服务质量

6.4.通过RFM模型找出最具价值的核心付费用户群,对这部分用户的行为进行分析

R和F评分都很高的用户是体系中的最有价值用户,需要重点关注,并且活动投放时需谨慎对待,综合评分大于4的用户属于活跃的成熟客户,可以积极推送营销信息,对于综合评分为4~2的用户,可以通过传递新品,通知店铺活动信息,对于评分小于2的用户,运营活动可以重点针对这部分用户,提高用户使用产品的频率,可以通过拼团打折、积分兑换等活动唤起用户注意力。

继续阅读