网络营销数据解读(六)——自顶向下,逐步求精

2023-11-04 00:20

本文主要是介绍网络营销数据解读(六)——自顶向下,逐步求精,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

转载声明 :转载时请以超链接形式标明文章原始出处:
http://www.marsopinion.com/2009/12/21/how-to-interprest-online-marketing-data-in-depth/

3 2009.12.08.1030.17

建议先 阅读本系列其他文章:

  • 网络营销数据解读(一)——事情不是你看到的那样
  • 网络营销数据解读(二)——事情不是你看到的那样
  • 网络营销数据解读(三)——那又怎么样呢?
  • 网络营销数据解读(四)——目标和指标
  • 网络营销数据解读(五)——完善指标

(这篇文章比较基础,老鸟可以跳过了)

上次说到我们需要找到一组Metrics(指标)来衡量目标达成情况 。为了达到这个目的,我们需要做的三件事情是:

  • 了解我们监控到的数字的意义 ,找到合适的指标来衡量我们目的达成的效果。
  • 研究数据,将无效和虚假的部分剥离。
  • 通过测试、辅助指标计算和长期监控来分析隐性和长期效果。

好吧,回归我一向的风格,继续问问题:

  • 假设网站(或者某个营销活动)的某个指标发生变化(例如在显著下降),我们该怎么找到数据变化的原因和应对方法?
  • 假设我们已经设置好了一套完美的指标 , 通过监控得知campaign A在所有指标上都等同于campaign B,我们是不是就没法分析哪个campaign比较好?如果两个campaign不是完全相等,而是在某一个指标上相等(比如两个广告的 conversion rate一模一样),我们是否就没法分析说我们接下来要怎样优化这个指标(比如conversion rate)? 如果做A/B测试的时候发现两种结帐流程的转化率一样,我们是不是就可以随便挑一个?

本想用常用术语的,百度了一下发现官方定义和我理解不一样,为免出丑还是用通俗概念来解释,不丢术语了:)。基本上,不管学术上解决问题的方法叫什 么名字,具体的思路都很类似:如果一个大问题想不清楚,就把它拆成更好理解的小问题。借用一个程序设计领域的概念就是:自顶向下,逐步求精。

(预先警告一下:下面写的思考方法和技巧都非常基础,很可能 你早就已经知道或者很熟练了)

可以采用的工具有:

1. 看分布:

基本上,凡是“总和”或者“平均”类的统计数据都会丢失掉很多重要的信息。

例如你打靶,第一枪向左偏了5米,第二枪向右偏了5米,第三枪向上偏了5米,第四抢向下偏了5米——平均来说,你射击的误差是零(因为都相互抵消了),成绩和枪枪命中靶心的世界冠军一样——这显然是荒谬的结论。

网络营销当中也常常会发生类似的事情:

  • 上个月平均订单金额500元/单,这个月也是500元/单,看起来平平安安不需要操心。可是实际上有可能上个月5万单都是400~600元,而这 个月5万单则是2万单300元,2万单400元,5千单500元,5000单超过2500元——客户购买习惯已经发生了巨大变化,一方面客户订单在变小 (可能是因为产品单价下降,采购数量减少,或者客户选择了比较便宜的替代品),另一方面出现了一些相对较大的订单(可能是中小企业采购,或者是网站扩充产 品线见效了)。——光看平均值的话很容易就忽视这些潜在的变化,不能及时的做出应对。
  • 两个campaign带来一样多的流量(100万流量),而且流量的Average Time on Site(假设是40秒)是一样的,看起来两边差不多。可是两边的实际流量情况可能是千差万别:campaign A带来的50万流量停留0秒(具体原因参看之前写的网络营销数据解读(二)——事情不是你看到的那样 ),50 万停留80秒;而campaign B带来的流量20万停留0秒,60万停留10秒,20万停留170秒。首先这个数据可以帮助我们去判别流量是否异常是否可能有作*流量,其次它告诉我们说 第一个页面bounce rate比较高,第二个比较低,可能是第二个页面的设计较好,然后它告诉我们说第二个页面虽然更能吸引人点击,但是那些人都是很快点击页面然后很快就离开 了,这一点很值得和campaign A进行对比再深入研究。

解决的方法还蛮简单的,就是不要只看平均数和总数,而要多看看分区段的数据。

比如看Avg Time on Site,我们可以看个平均值,就好象:

image

也可以去查看分区段的数据,获得更深刻的理解,就好象:

image

从第一个数据里我们其实很难分析出原因,更别说想出行动方案。但是第二幅图就更加直接的告诉我们说Avg Time on Site短是因为很多人停留了不到10秒就走了——bounce rate过高。再去看那些bounce rate高的流量来源,发现主要是两个:1. 朋友的大网站上的友情链接,每天都带来海量流量,但是往往点开网页就走——因为我们的网站和朋友网站内容其实不太相关,用户也并不重合;2. 因为网站的名字比较特别,和某电视剧重名,所以很多搜索电视剧的用户来了网站——一看网站并不是讨论电视剧的就走了。然后我们可以根据这两个分析来得出一 些结论和行动方法,例如之后问别人要友情链接主要要看用户的重合度,而不是流量。或者说要找出网站上所有可以和该电视剧匹配的产品做个特别的 landing page,把那部分敲错门的用户留下来——抛砖引玉,关键是我们要看到“平均数”后面的东西,这样才能有深入的洞察,也才能够有合理的行动方案。

2. 拆因子,拆构成

除了分隔区段来查看数据详情之外,比较常见的方法还有拆因子和拆构成。

同样看看例子:

网站转化率下降,我们要找原因。因为”转化率“=”订单“/”流量“,所以”转化率“下降的原因很可能是”订单量下降“,”流量上升“,或者两者皆 是。按照这个思路我们可能发现说主要的原因是”流量上升“而”订单量升幅不明显“,那么下面我们就可以来拆解”流量“的构成,例如拆成”直接访问流量“、 ”广告访问流量“和”搜索引擎访问流量“再看具体是哪部分的流量发生了变化,接下来再找原因。这时我们可能可以看到说是搜索引擎访问流量上升,那就可以再 进一步分析说是付费关键词部分上升,还是自然搜索流量上升,如果是自然流量,是品牌(或者网站名相关)关键词流量上升,还是其他词带来的流量上升——假如 最后发现说是非品牌类关键词带来的流量上升,那么就再找原因——市场变化(淡季旺季之类),竞争对手行动,还是自身改变。假如刚好在最近把产品页面改版 过,就可以查一下是不是因为改版让搜索引擎收录变多权重变高。接下来一方面要分析说自己到底哪里做对了帮助网站SEO了(比如把页面导航栏从图片换成了文 字),把经验记下来为以后改版提供参考;另一方面要分析说哪里没做好(因为新增流量但是并没有相应增加太多销售),去研究怎样让“产品页面”更具吸引力 ——因为对很多搜索引擎流量来说,他们对网站的第一印象是产品页面,而不是首页。

image

3. 拆步骤

一般来说,这一步会画个漏斗图(前面几个步骤也都会画些漂亮图来展示以示专业)

举两个例子:

第一个例子:两个campaign,带来一样多的流量,一样多的销售,是不是说明两个campaign效率差不多,我们没什么好总结好学习的?

可是,如果我们把每个campaign的流量拆细,去看每一步,就会发现不一样的地方。Campaign B虽然和Campaign A带来了等量的流量,可是这部分流量对产品更感兴趣,看完landing page之后更多的人去看了产品页面。可惜的是虽然看产品的人很多,最后转化率不高,订单数和campaign A一样。

image image

这里面还可以再深入分析(结合之前提到的分析方法,和下一章要说的细分方法),但是光凭直觉,也可以简单的得出一些猜测来,例如两个 campaign的顾客习惯不太一样,campaign B的landing page设计更好,campaign B的顾客更符合我们的目标客户描述、更懂产品——但是我们的价格没有优势……这些猜想是我们深入进行分析,得出行动方案的起点。至少,它可以帮助我们更快 的累计经验,下次设计campaign的时候会更有的放矢,而不是仅仅写一个简单report说这两个campaign效果一样就结案了。(注:这是个简 化的例子,实际上还可以分更多层)

第二个例子可能更常见一些,比如网站转化率下降,我们可以拆成这样的漏斗:

image

这样拆好之后,更能清楚地看到到底是哪一步的转化率发生了变化。有可能是访客质量下降,都bounce掉了,也可能是“购物车–>登录”流失了(如果你把运费放到购物车中计算,很可能就看到这一步流失率飙升),这样拆细之后更方便我们分析。

见过一个例子就是转化率下降,MKT查流量质量发现没问题,PM查价格竞争力也没问题——最后发现是MIS为了防止恶意注册,在登录页面加了验证码(而且那个验证码极度复杂),把“登录页面–>填写订单信息“这一步的转化给降低了。

这篇文章比较基础……说到这里前面提的两个问题应该很好答了。

老规矩,最后问个问题:如果我们有了用于衡量网络营销效果的完善的指标 ,从这套指标看,campaign(或者页面改版,或者其他任何东西)A在各项指标上都和campaign B相当,而且我们把指标分区段、拆细,分步骤看漏斗图都看不出什么东西,我们应该怎么做?

这篇关于网络营销数据解读(六)——自顶向下,逐步求精的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/341888

相关文章

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

java之Objects.nonNull用法代码解读

《java之Objects.nonNull用法代码解读》:本文主要介绍java之Objects.nonNull用法代码,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Java之Objects.nonwww.chinasem.cnNull用法代码Objects.nonN

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

SpringCloud负载均衡spring-cloud-starter-loadbalancer解读

《SpringCloud负载均衡spring-cloud-starter-loadbalancer解读》:本文主要介绍SpringCloud负载均衡spring-cloud-starter-loa... 目录简述主要特点使用负载均衡算法1. 轮询负载均衡策略(Round Robin)2. 随机负载均衡策略(

SpringBoot整合jasypt实现重要数据加密

《SpringBoot整合jasypt实现重要数据加密》Jasypt是一个专注于简化Java加密操作的开源工具,:本文主要介绍详细介绍了如何使用jasypt实现重要数据加密,感兴趣的小伙伴可... 目录jasypt简介 jasypt的优点SpringBoot使用jasypt创建mapper接口配置文件加密