基于访问频次的用户行为研究
添加时间: 2013-03-09 点击:0
获取数据是一方面,如何展示,形成分析,帮助理解与决策,是完全不同的另一方面。之前我也曾经碰到此类情况,一个数据需求,都需要写一段查询代码,到数据库里去跑,而一旦需求出现变动,又需要重新写一次查询,再去跑一次,如果自己懂数据库还行,一旦还要请另外部门的人来执行这样的数据请求,对网站分析来说,是一件比较灾难的事情。
其实从老板或者CEO的角度看需求非常明确:
一、网站每天有多少流量,关于流量的理解,各有不同,PV、UV、IP都有人在用,很难讲一定要用哪个,当然,基于分析的角度,我会推荐大家看Visits, UV。
二、跟公司业绩相关的关键指标。比如转化率,订单,销售,关键页面的表现等。
假如你所在的公司只是需要满足如上的需求,完全可以自建系统,定义一些报表,每天从数据库里跑出来自动邮件发送。然而很多时候,老板会问得更多:转化率下降(上升)了,为什么?流量下降(上升)了,为什么?网站做了很多创新与改进,效果有多大?如果没有提升,为什么?网站做改版,效果提升了,体现在哪些方面?网站表现不好(停留时间短,访问深度低,跳出率高),需要怎么去改进,如何着手改进,如何检验改进的效果?等等。
言归正传,在回答后面几个问题的时候,就会涉及网站分析另一方面非常重要的工作——网站用户行为分析。网站用户行为分析包括多个方面,比如点击,路径,情景的分析。同时也有各种各样的分析方法,而最为常用又可以帮助我们更好的理解用户,改善用户体验的,就是基于用户细分的分析方法。
首页,我们可以尝试一下基于用户访问频次的细分:
1.确定组群数量(group)。
组群数量的确定要基于网站用户的特性,理论上来说细分组群越多,分析越有价值,然而基于现实的情况,太多的细分组群容易提高分析的难度,从而影响最终的分析结论,个人认为三到四组即可。
2.确定细分跨度(span)。
由于不同的网站用户的忠诚度与回访率差异很大,社交网站与电子商务网站就存在很大的区别。而不同品类的电子商务网站,比如京东与一号店在用户回访率方面肯定就不一样。以GA为例,我们可以到Visitor Loyalty看某段时间内(1个月),网站不同访问频次的流量分别所占的比重。具体的细分跨度的确定,有赖于不断地去实验,找到一个能够更好反应客户真实情况的跨度,在确定细分跨度时,有几个值需要去关注,第一个是访问一次的访客,建议单独将此类用户细分出来。原因在于此类用户的数量较多地受市场推广手段的影响,而网站的一些重要页面,如首页,需要更多的侧重于此类用户的行为去分析与改进。第二个值是平均访问频次,这个值可以用来对后面组群的细分作为一个重要的参考依据。
3.细分分析。
针对前面的不同组群,可以进行诸如关键页面点击,路径,搜索行为,进入与退出情况,来源等进行对比分析,相信可以得到很多非常有用且超出你原先认识的结论。
Via:网站分析与电子商务