活用UV、漏斗、留存等常用指標

趙巖 2019-12-17 1746

活用各種常見指標,讓工作更有效率

在這一章節,我會從實際工作中熟悉的指標入手,介紹如何輕而易舉的分析這些指標,同時也會介紹一些我們利用這些指標可以發現哪些常見洞察。

 

1、活躍用戶數(UV&DAU)

 

活躍用戶數是衡量一段時間內用戶增長的一種常見方法,不同的公司會用不同的指標代表,最常見的常見的就是UV(Unique Visitor)獨立訪客數,對于網站而言,根據Cookie生成的ID為判斷標準,如果訪客更換了瀏覽器或者清除了CooKie,會計為新的UV?。

 

在易觀方舟里分析UV的優勢在于可以基于UV進行細分,比如按照操作系統細分,我們就會知道不同的設備的訪客情況,按照地區分就會得到不同地區的UV走勢,可以基于瀏覽頁面的任意事件屬性及用戶屬性進行分群。?

 

我們會用UV的走勢進行日常的訪客狀態監控分析,比如無根據的突增或減少,通過細分維度找到訪客的特征來定位問題。?

 

在APP里活躍用戶數為指定一段時間內啟動的設備數量,時間粒度往往是日、月,也就是DAU和MAU。

 

活躍用戶數實際應用舉例:

某天我們發現流量比同時段的昨天多了50%,經過細分維度拆解發現,是移動端突增,PC端沒有異常,經過調查發現是我們的公眾號推出了一篇文章,通過閱讀原文帶來的流量。

 

2、轉化率

 

轉化率指的是事件之間觸發的用戶數比率,我們說打開網站到注冊成功的轉化率為10%,說的是有100個訪客打開網站,有10個訪客完成了注冊成功事件。?

 

通過轉化漏斗可以知道我們網站或APP上的關鍵步驟之間用戶轉化情況,我們在持續努力讓更多的用戶完成我們期望他完成的動作,比如加入購物車、支付訂單、打開表單頁、完成注冊;

 

通常負責網站和APP的產品負責人會做很多AB測試,讓用戶更愿意向下一步,在測試之前我們要知道當前的轉化率狀態,同時在試驗之后,要通過漏斗分析驗證試驗是否有效。

 

通過轉化漏斗功能可以輕松的定義任意步驟之間的轉化率,與事件分析一樣可以通過不同的細分維度來進行轉化率的差異檢查。

 

舉例:

我想知道【點擊加入購物車】到【支付成功】的在不同瀏覽器之間的轉化率數據,如果某瀏覽器的轉戶率明顯低,很可能是兼容問題導致,我們要優先去進行相應的瀏覽器兼容排查,通過瀏覽器版本這個維度還可以知道是哪個版本出現的問題,我們在開發網站容易出現兼容問題的瀏覽器通常是IE6和360瀏覽器,需要格外注意。?

 

3、留存率

 

留存指的是指發生初始行為的用戶經過一段時間后,發生了回訪行為,而留存率就是發生回訪行為的用戶對于原始用戶的占比,運營人員通過對產品整體留存率判斷產品粘性,用戶多次打開和深度使用是大部分產品夢寐以求的場景。

 

在沒有工具的時候,我們只能判斷單一留存,那就是就是用戶多次打開產品的情況,易觀方舟的留存分析可以通過自定義分析條件,支撐留存的多種分析場景。除了判斷產品的整體留存率,可以通過設置初始行為和結束行為來判斷兩個行為之間的留存。?

 

產品整理留存判斷:

  • 初始條件設置為:啟動產品;

  • 結束條件設置為:啟動產品;

 

得到的留存表為,一段時間內再次啟動產品的用戶數量及占比;

 

擴展思考:

找到魔法行為,不同產品功能對其他行為是否有影響?用戶一旦操作什么行為,后續再次打開產品的可能性極大?

 

  • 某ToB官網通過留存得出洞察:看過3-5篇案例的用戶,更愿意去完成注冊;
  • 智能硬件的APP:用戶使用過14次APP數據分析功能后,會堅持使用;?

 

發現魔法行為后,可以引導用戶去使用對于目標有高價值貢獻的產品功能。

网赌大数据