指导运营的核心分析方法论:五步分析法
那么对于新用户的部分,我们就可以分别针对百度关键词、广告联盟和合作APP这三种方式,评价每投入一块钱的成本分别可以得到多少新增的GMV。通过这种评价,我们就能简单地在不同的拉新方式中,选择更优的方式,并在已有的方式中调整更优的成本投入。而对于老用户的部分,我们同样可以针对ABCD四个Banner各自的A/B Test,评价不同的展示版本中每投入一块钱可以产生多少GMV。 简而言之,在【评价】这个步骤中,我们需要把【汇总】部分的指标分成两类——最终的目标,与实现目标的手段。比如在前面的例子中,投入的成本就是实现GMV提高的手段。因此,每一块钱的成本投入,我们都需要以产生的GMV来评价它。这时,要实现GMV提高的目标,可选择的手段就比较多了。 比如,针对老用户促活,我们可以:
这两种方式,都有意识地忽略了GMV可能带来的价值。如果我们将这部分价值考虑进来,它就能抵消掉一部分投入的成本,那么备选方案还会更多。 总之,在前面这个例子中,由于我们的拆分维度本身比较简单,只考虑了APP中的Banner和外部拉新的方式,因此比较容易通过数据中的一些标记进行细分。但是在实战中,还有些情况是我们无法进行明确地拆分的。 比如在用户交互中,产生一个GMV的路径需要经过几个环节的跳转,或者就像前面那个例子中的ABCD四个Banner,如果用户点击了其中的两个甚至三个Banner,那么我们如何拆解呢?这个问题就是下一个步骤【归因】了。 1.1.4 归因 【归因】这个步骤就是“最后一公里”了,也就是我们常说的剖析“为什么”的过程,之后便可以得出结论并进行决策。 在前面的步骤中,通过案例能清楚地看到,我们已经得到了一些可以直接对比的量化指标了。在这种情况下,其实我们不需要在【归因】的步骤中做什么特殊的操作,可以通过数值的比较直接下结论。但是如果我们遇到了细分的问题,也就是多个环节或者方法之间无法进行明确地拆分时,应当怎么办呢? 在日常的数据分析中有几种常用的归因思路: 比如,我们继续使用前面提到的案例——用户**依次**点击了ABCD四个位置才产生了GMV:
当然,在选择归因方式的时候,也会结合具体业务的特征,来考虑行为的先后顺序、停留时间长短等情况,对于分析目标的贡献或影响。 1.1.5 决策 最后就可以决策了。但经过了前面的几个步骤逐渐消除了不确定性,决策反而是最简单的一步了——就是找出那个表现最好的版本、表现最好的位置、表现最好的拉新方法而已。 而当我们有一些新的idea时,同样可以作为A/B Test中的一个版本,加入到这套评价体系中,进行综合评价。 1.2 应用案例这套方法论不仅针对日常工作中的专项分析,在一些已经固化成型的方法论中,也可以找到这套基础方法论的影子。 我们来看几个已经成型方法论案例: 1.2.1 A/B Test实验 (编辑:PHP编程网 - 湛江站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |