系统化数据分析：三步搭建基础分析框架

正文

请到「今天看啥」查看全文

理财购买转化漏斗

如上图表示:“2018年3月份，浏览标的页面的28100名用户，在7天内投资成功的转化与流失情况”。

这里漏斗分析与事件分析不同的地方：漏斗分析基于用户，或是说基于人来统计某一批用户所发生的行为，不会受到历史浏览页面用户的事件影响，更加准确的暴露某一时间段产品存在的问题。

通过漏斗模型及时发现问题

我们通过建立了注册转化漏斗，度量每一步的转化率和整体的注册转化率，通过时间维度来监控每一步和整体转化率的趋势。

例如：4月12日发现输入图形验证码这一步转化率在有明显异常，于是紧急通知技术同事排查，发现图形验证码功能失效，导致大量用户无法显示 。

紧急修复后，转化率回到之前的水平。所以，通过对每一步漏斗转化率的监控分析，可以及时发现问题，及时止损。

3. 留存分析

留存用户： 即用户发生初始行为一段时间后，发生了目标行为，即认定该用户为留存用户。

留存行为： 某个目标用户完成了起始行为之后，在后续日期完成了特定留存行为，则留存人数 +1

留存率： 是指发生“留存行为用户”占发生“初始行为用户”的比例。常见指标有次日留存率、七日留存率、次月留存率等。

留存表： 留存表中给出了目标用户的留存详情，主要包括以下几个信息：

• 目标用户：每天完成起始行为的目标用户量，是留存用户的基数

• 留存用户：发生留存行为的留存用户量和留存率；

用户留存表

留存曲线图：

留存曲线图可以观测随着时间推移，用户留存率的衰减情况。

以电商为例，我们观察运营策略优化/产品改版，是否会影响用户的购买行为。此时我们可以将用户行为分为：

• 初始行为：注册

• 留存行为：支付订单

然后根据客户注册的时间按周进行分组，得到同期群，制作留存曲线图，观察该群体用户发生购买的 30日留存。通过比较不同的同期群，可以获知新用户购买率指标是否在提升。

留存曲线图

留存行为一般都与我们的目标有强相关性。我们在进行留存分析时，一定要根据自身业务的实际需要，确定高价值的留存行为才能能对产品的优化提供指导性建议。

请到「今天看啥」查看全文