- 在线时间
- 19 小时
- 最后登录
- 2015-5-4
- 注册时间
- 2015-3-23
- 听众数
- 11
- 收听数
- 45
- 能力
- 0 分
- 体力
- 152 点
- 威望
- 0 点
- 阅读权限
- 20
- 积分
- 79
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 49
- 主题
- 17
- 精华
- 0
- 分享
- 0
- 好友
- 16
升级   77.89% TA的每日心情 | 慵懒 2015-5-4 09:09 |
|---|
签到天数: 16 天 [LV.4]偶尔看看III
- 自我介绍
- 学最好的别人,做最好的自己
 |
ps:po主的数据经验主要来自移动app的数据分析,网站的情况不太清楚哇~
* G p* [: y8 f) m# O
5 ~6 A( s' M. |. v, |一、看整体看趋势,了解用户去留。
, v/ o/ K: c3 p看什么:
0 o1 j1 l! {" p一般的app数据监控都会有页面访问量的pv、uv的数据,详细一点的会区分一下新用户,回访用户。我一般以2星期为一个时间段看下某个页面的用户的访问趋势。还会看一下pv/uv的趋势。如果还有精力的话会看下该页面的uv/整体app的uv的趋势。
! c: V0 E7 \9 l0 b; A/ M看出啥名堂:6 P8 \, N3 j# J. m% @& p8 r( O
1)如果看到某页面的uv量有明显的上升或者下降趋势,说明该页面可能有问题出现,此时需要大家对比一下app整体的访问量曲线,如果趋势是不一致的那么就可以确定是这个页面出现问题啦。
3 x$ i' w, `6 e+ N+ t2)pv/uv的值如果很大说明用户会多次访问该页面。要根据这个app页面的性质来判断pv/uv值是大好还是小好啦。如果发现这个值不恰当的偏大,可以看看来源页面来简单确定下原因。
' B& i5 c P2 Y8 t/ [8 Q4 _3)页面的uv/整体app的uv的走势如果持续降低,可能说明大家对这个页面失去兴趣回访率很低。
0 X) C1 Y( {* k( d总之,看看大趋势可以帮你及时发现问题,制定改进目标。- t7 K! P% h+ h
啥时候看:
5 a5 P8 {. ~5 r9 |) ]1)app升级后4~5天后,因为升级阶段数据量小且不稳定容易下错误的判断。; Q8 d# A% \ x0 b& Y
2)上了新功能、新优化的时候看。
+ n" a8 g3 t+ D+ g0 C# N0 @3)避开运营活动期看,运营活动的数据不是正常数据。但是可以观察运营活动前和后的对比看活动效果。2 u1 W" O+ H+ Q* o5 p% t
2 u% f% O$ w4 X" z R( \& C4 |
二、看页面点击,了解用户关注什么。(有时候点击量可以是你的kpi)5 w4 T0 m7 U) y8 b _ Y. f; R
看什么:
/ @0 A7 ?% K+ K* h如果你的app数据监控对关键页点击面做了埋点,那么你就可以看看用户都在页面里点击了什么。首先是整个页面的横向比较,每个埋点的uv/页面访问uv。然后是每个埋点的各自情况,埋点pv/uv。最后有精力的话可以看看每个埋点uv/页面访问uv的2周趋势。
, W [1 n! J# [7 d看出啥名堂:, b& T) V* _6 b3 w; k
1)根据点击的多少来判断下信息布局是不是合理,也可以对用户点击多的部分多下功夫做优化。
7 ]. X; i& y2 G$ J) L# i) F2)点击多不一定好,点击少不一定不好,请认真分析。举个栗子:一个列表页面80%的用户点击进入看详情,那么是不是有些内容应该在列表中就展现出来我们却放在了详情里?* [3 O8 l }( V. b0 p
3)如果是表单页面,那么就可以看出来用户在哪一步放弃操作(某一步uv值/页面uv值骤降);或者遇到困难(比如此处的点击pv/uv值很高)。
! ?% k2 Z" A3 s# K啥时候看:
3 G- x! X3 I/ U8 ^, b6 u5 ~9 {1)想要对产品功能、信息结构作优化的时候看,说不定能给你点小灵感。
, U7 `- E7 K9 `4 S2)发现页面的pv、uv大趋势有问题,来看看能否发现问题所在。
M% H `4 y: A. `: G6 K
' }9 { l! ]( X. J" A E* P三、看流失率(功能性的app)
4 A M4 S4 ~, G7 n! ]( Z看什么:
& Y) d' A( @" E( \大部分的app数据监控对流程的流失率都通过页面漏斗的方式展现了,对每一步骤流失掉多少用户,用户的流失去向都有清晰明了的统计。尴尬的是流失率往往出现在第一步,而且很多用户只是进来看了一眼就再没来过。所以流失率的数据建议可以做更详细的数据筛选,比如增加新、老用户的纬度。
+ z/ d1 h* v1 I) u4 n+ D- G看出啥名堂:
% Y' D. A6 r9 Z1)找到关键流失步骤。9 K n; j* V a2 R7 n2 b
2)分析页面流失的原因,比如直接返回啦,跳转到别处啦,还是报错结束流程啦等等。- y4 @ g5 U- N2 v9 ~% n* G" l/ T
3)看页面点击情况,分析用户止步于哪一步。(参看上文中的二、3))5 u) U2 \. Q' Q& {" [& l3 k9 g7 z
啥时候看:
4 M1 l4 n! m! P7 o1)要提高功能转化率的时候看。' ] T+ C3 |* k) ^# i' h
2)制定自己的kpi之前看,哈哈你懂的。, R+ d! n+ ?4 r& K& z! S
. @2 V( w; W9 e: d1 k% z( R. a% [
四、多从几个纬度做筛选,把数据看的更分明。
# H" Y2 X/ n# d2 W* A3 ]% P* C粗略看到的数据可能会把一些特殊类别的用户问题湮灭掉,所以多几个纬度作数据筛选可能会把问题看的更清楚。大部分数据监控系统在这点上都做的不够细致,一般需要提需求给BI同学帮忙清洗数据。以下是常用的几个纬度。7 G$ [% ?9 ~7 ^/ Z
1)新用户、回访用户,还可以更细致点比如1月内访问3次以上的用户。/ H4 n Z3 y( O4 {2 ^9 p/ H
2)按用户的性质分:比如买家用户、卖家用户;浏览型用户、内容贡献型用户等等2 [3 f a/ X' M$ }9 z# p: y
6 {7 a& W" M. g+ S
五、花边数据,帮你了解用户,但对于体验优化意义不大。
4 u9 w+ O5 [: a( D% f0 Z. G' p这类数据包括:用户城市分布、用户使用的网络环境、用户访问时段分布、用户使用设备分辨率分配。
* W$ \1 t+ ~/ [6 k5 @- `! T这些数据可以帮你大概了解使用你app的用户,但我发现大部分app的这类数据情况都挺类似的。之前还专门对高峰访问时段的用户做过电访没有发现类型化的用户。; c5 ^2 a9 n' F% L4 L
花边数据中我比较感兴趣的是用户年龄,但是大部分app的数据中看不到这个值。
: z, y A* T3 E6 ^7 C0 C- t' K& Y0 S- W5 _& Z
最后要说别太迷信数据,创新的点子也往往不是来自数据~
0 H$ D9 R' Q. Q3 ?& x' D- X" ]" m8 i7 O2 v) w
名词解释:
/ @6 p' s! k0 m+ ^) G; e" y2 v3 spv:页面访问次数
+ D% j" a+ k8 k7 q1 uuv:页面独立访客人数. V( c; V) p7 b( J" R7 Y
|
zan
|