Q：電商平臺想了解最近一場大促期間轉(zhuǎn)化率偏低的原因并定位問題所在，可以使用哪種數(shù)據(jù)分析模型？

A：漏斗分析。電商平臺可以從某維度如省份對用戶進(jìn)行分析，通過對比找到轉(zhuǎn)化率低的省份，并進(jìn)一步對比分析不同省份的產(chǎn)品顯示庫存情況、物流狀態(tài)、某類商品在不同省份的受歡迎程度、不同付費(fèi)渠道的用戶轉(zhuǎn)化等情況，找到可以優(yōu)化的短板。

同時，該電商平臺還可以選擇某一轉(zhuǎn)化步驟并拿到在這一個步驟中流失的用戶列表，進(jìn)行精細(xì)化運(yùn)營。也可以結(jié)合用戶路徑查看流失用戶的后續(xù)行為，推斷可能原因，加以驗(yàn)證并推出對應(yīng)策略。

Q：如何進(jìn)行用戶留存分析？

A：舉個例子，當(dāng)產(chǎn)品經(jīng)理想了解產(chǎn)品版本迭代對新用戶留存的影響，那么便可以采用留存分析，將新用戶的 7 日留存或者 30 日留存按照應(yīng)用版本切分，就能直觀地對比出來不同版本對新用戶留存的差異。

Q：留存分析能給企業(yè)帶來哪些業(yè)務(wù)提升？

A：簡單來講，留存指標(biāo)對于絕大部分業(yè)務(wù)來說都是核心指標(biāo)之一。留存分析是一個應(yīng)用面廣、價值突出的分析模型，通過留存分析企業(yè)可以快速了解用戶群后續(xù)是否有再次訪問、有沒有發(fā)生關(guān)鍵業(yè)務(wù)行為等。通過對比不同用戶群體間的留存，企業(yè)可以找到更具有忠誠度的用戶群體，無論做活動還是用戶調(diào)研，都可以優(yōu)先圍繞高留存率的用戶進(jìn)行。

Q：怎么能更形象地理解 Session 分析？

A：如果把網(wǎng)站或 App 比喻成一個商場，那用戶行為就如同逛街的顧客，他們的訪問行為通常和逛商場一樣是一系列連續(xù)行為。對于網(wǎng)站或 App 而言，用戶的一系列訪問是一個 Session。

Session 分析是在把用戶單點(diǎn)發(fā)生的行為串聯(lián)起來形成一個整體的前提下，了解用戶訪問某個特定事件的情況。常見的指標(biāo)包括 Session 整體或者某個特定事件的次數(shù)、人數(shù)、時長、深度、跳出率等。

以用戶在某個在線教育網(wǎng)站的訪問為例，用戶的一系列訪問中，“用戶平均訪問多少次”“用戶平均訪問了多少個頁面”“用戶訪問平均時長是多少”“用戶在某個具體頁面的平均停留時長是多少”等問題都需要通過 Session 分析解決。

Q：哪一種模型可以分析產(chǎn)品對用戶的價值？

A：留存分析。留存分析是一種用來分析用戶參與情況與粘性的分析模型，考察發(fā)生了初始行為的用戶中，有多少人會在接下來的幾天里發(fā)生后續(xù)行為，是衡量產(chǎn)品對用戶價值高低的重要方法。

留存分析可以幫助我們回答一些問題：某一天進(jìn)入產(chǎn)品的新用戶群，在未來一段時間內(nèi)每天分別有多少人完成轉(zhuǎn)化？某個社交產(chǎn)品迭代了新注冊用戶的引導(dǎo)流程，新版本的新用戶留存是否有所提升？某產(chǎn)品新增了邀請好友的功能，是否有用戶因?yàn)樵摴δ苎娱L產(chǎn)品使用時間？

Q：什么是熱力分析？

A：熱力分析是指應(yīng)用一種特殊高亮的顏色、數(shù)據(jù)標(biāo)注等，顯示頁面或頁面組（結(jié)構(gòu)相同的頁面，如商品詳情頁、官網(wǎng)博客等）區(qū)域中不同元素點(diǎn)擊密度、觸達(dá)率、停留分布等特征。

熱力分析法主要用來分析用戶在頁面上的點(diǎn)擊、觸達(dá)深度等情況，并以直觀的效果展示給使用者，它是互聯(lián)網(wǎng)行業(yè)常用的一種分析模型，比較直觀地表現(xiàn)了用戶在產(chǎn)品頁面上的瀏覽偏好，說明用戶和網(wǎng)頁的交互情況。

Q：常用的歸因分析思路有哪幾種？

A：這里介紹四種常見的歸因思路。

1、首次歸因。多個待選觸點(diǎn)中，認(rèn)為第一個的功勞為 100%。理由是第一個觸點(diǎn)幫助用戶建立了認(rèn)知、與用戶形成了連接。適用于重視新用戶線索的業(yè)務(wù)。

2、末次歸因。多個待選觸點(diǎn)中，認(rèn)為最后一個的功勞為 100%。這種思路適用范圍最廣泛，常用于電商業(yè)務(wù)的站內(nèi)歸因計算。

3、線性歸因。多個待選觸點(diǎn)中，認(rèn)為每個“待歸因事件”平均分配此次功勞。適合坑位效果比較平均的產(chǎn)品。

4、位置歸因。多個待選觸點(diǎn)中，認(rèn)為第一個和最后一個各占 40% 的功勞，其余平分剩余的 20% 功勞。兼顧最初的線索和最終的決策。

Q：什么是用戶行為路徑分析模型？

A：用戶行為路徑分析是根據(jù)用戶在 App 或網(wǎng)站中的訪問行為，分析用戶在各模塊中跳轉(zhuǎn)規(guī)律與特點(diǎn)，挖掘出用戶的群體特征，進(jìn)而實(shí)現(xiàn)業(yè)務(wù)指標(biāo)：如提升核心模塊的到達(dá)率、App 產(chǎn)品設(shè)計的優(yōu)化改版、流失用戶去向分析等。

真實(shí)的用戶行為路徑通常是一個交叉反復(fù)的過程。以電商行業(yè)為例，企業(yè)希望用戶從登錄后依次完成首頁瀏覽、搜索商品、加入購物車、提交訂單、支付訂單等環(huán)節(jié)，而用戶真實(shí)的選購過程中，可能在提交訂單后返回首頁繼續(xù)搜索商品，也可能取消訂單，每一個路徑都有不同的動機(jī)。所以在用戶行為路徑分析模型的使用過程中，需要與其他分析模型配合進(jìn)行深入分析，快速找到用戶動機(jī)，從而引領(lǐng)用戶走向最優(yōu)路徑或者期望中的路徑。

Q：分布分析對企業(yè)的業(yè)務(wù)價值是什么？

A：分布分析是用戶在特定指標(biāo)下的頻次、總額等特征的結(jié)構(gòu)化分段展現(xiàn)。分布分析是了解數(shù)據(jù)分布表現(xiàn)的主要方法，往往能通過對數(shù)據(jù)結(jié)構(gòu)的分層分析，判斷幾段數(shù)值的占比、對整體數(shù)據(jù)的影響，同時了解數(shù)據(jù)分布的集中度，以及主要的數(shù)據(jù)分布區(qū)間段。

通過觀察事件在不同維度中的分布情況，企業(yè)可以了解該事件的累計數(shù)量和頻次，以及分布特征，進(jìn)一步洞察業(yè)務(wù)健康度、分層結(jié)構(gòu)等。

* 注：文中數(shù)據(jù)均為模擬