必威体育Betway必威体育官网
当前位置:首页 > 运营推广

数据运营实战(三):用数据说话,从埋点开始

时间:2020-01-28 11:58:25来源:运营推广作者:seo实验室小编阅读:395次「手机版」
 

​埋点是App数据运营中很重要的一个环节。之前我们讨论过用户分群的方式、漏斗转化的改进,但所有App数据的来源是数据采集,很多时候就是App的埋点。

数据只有采集了才能做分析,分析了才能实现价值。

图1. 数据运营微笑模型

上图是数据运营解决问题的思路,但相对的,数据运营分析的需求,也驱动着数据埋点的优化。有时候,我们可能会遇到这样的尴尬:

数到用时方恨少!木有结论肿么破!

其实,数据埋点比我们想象得有更多挖掘的空间,有针对性的有条理的埋点能够帮助我们理清用户行为轨迹、抓住用户特征、解析关键路径。

但过多的埋点,可能会给App带来负担,也可能对App用户的流量、网速体验有影响,这都是我们需要考虑的因素。全埋点、多采集,并不是数据分析体系构建的办法,反而是把分析挖掘的工作量后移,给数据分析带来很多负担。

较好的做法是:带着我们的分析目标与数据解读思路去埋点。腾讯移动分析MTA在数据埋点上做过多次优化,能确保多次采集一次上传的数据传输过程,减少对用户流量的影响,优化用户体验。

下面我们分几个层次来讨论埋点问题:

1、用户行为分析

通过埋点可以追踪用户的行为,即对App内的关键路径进行监测,这无疑是最常见也是最重要的应用场景。不同的App可能关注的埋点事件有很大不同。例如,电商类App多关注的是订单成交;社区类App可能关注UGC内容的产生;阅读类App则需要关注内容的阅读。

用户埋点的场景很灵活,埋点可以统计的事件数据能和业务数据进行打通。

比如在新闻阅读的App中,将阅读新闻作为自定义事件,每一篇报道都带有不同的参数,可以得到阅读的大盘整合数据,也可以分析每篇报道的价值,甚至可以方便的实现阅读量排行榜等功能。

埋点是因业务场景需要而定的。

比如第二篇时讲到的漏斗细分中,有一个金融用户案例。在绑卡流程转化流失率过高的时候,需要定位每一个输入框的填写方式是否存在问题,这时埋点的密度会比一般情况要高很多。

图2. 定位问题时的埋点示意

上述埋点是基于我们想要定位“为什么绑卡页面转化率低”的需求。埋点之后,在绑卡流程漏斗中,MTA会生成一个详细填写页面的漏斗,从中我们或许能知道用户是在哪一步停止操作的,是否有改进的空间。

图3.漏斗拆解(由于业务数据敏感性,以上数据已做模糊处理)

但如果之后我们修复了问题,我们可能就不需要这么细致的埋点了,或者我们只需要对可能出问题的地方进行埋点监控。

图4.稳定后的埋点示意图

因此,业界所说的全埋点是一种未充分理解自身业务时采用的策略,很多时候也无法满足详细漏斗的追溯要求。而不必要的埋点带来了过量的数据上报,一方面加重了用户的流量负担,另一方面也不利于后期的复盘分析。

当然如果真的是业务上线了,点还没埋上,腾讯移动分析MTA新近推出了可视化埋点功能,可以由产品、运营同学通过web端配置埋点,云端下发至App中,随时调整App内的埋点策略,也是机智而有效的救急措施。

开发GG再也不用担心我漏埋点啦~~

2、用户人群分析

根据用户事件、来源渠道、同期群,甚至年龄、性别、地域等,我们可以把自己的App用户切割为很多小群体。比如在订单购买的业务中,将订单金额作为参数上报,能够更好的分析用户的价值。下图是一种消费用户分群的方式,以消费金额Monetary、消费频率Frequency和最近一次消费时间Recency,得到8个象限的用户,可以对不同的用户进行不同的运营推广策略。

图5. 消费用户分群模型

还是看这个电商App,当用于活动运营分析的时候,可能数据分析的视角和方式就不太一样了。

举个例子:618活动时间新注册(同期群)且完成过一次订单的这群用户,他们在活动期结束之后,会有哪些表现?

    购买VIP会员的转化率高于平均活动水平→某个新的广告渠道带来了优质的新客户,该渠道可以继续投入,持续关注效果;继续参与七夕节的活动→人群可能对活动信息比较敏感,适合推荐促销信息;流失曲线&再次开启时间的关系是:2周内不再开启App的客户,87%都流失了→我们如果在新用户注册后1周左右的时间通过Push、短信、邮箱等手段唤醒用户,能够大幅提高留存。

通过把人群切分,去分析业务特性,能够加深对用户的理解,结合你的App触达手段,能够让你更好的与用户交流互动,实现业务运营的目标。

而这里的人群切分方式,就需要通过埋点定义出自定义事件,通过事件与其他条件的叠加、筛选,与不同事件、报表做交叉分析,就能够凸显核心用户群体的价值,精细化运营不同用户群体。

点击不同按钮、关注不同板块、甚至不同注册时间的人群都有不同的特性。

精细化的分析运营需要对业务的深入理解,需要学会切入分析的角度,解析你的用户的特征,了解你的用户,再由数据的需求去驱动埋点的配置。

3、解析核心路径

第三点是基于第二点的应用。通过切割用户人群,再回到业务关键路径上,去发现吸引用户、留住用户的奥秘。举一个比较知名的例子。

在某知名社交App的数据分析运营分享中,通过不同的事件对比,可以发现10天内添加7个好友的留存率大大提高。

我们回溯一下,如果我们想要分析什么才是这个App留存率的关键,我们需要罗列很多的可能性,比如在平台上浏览100条新闻、引荐3名新用户加入、产生UGC内容或者是上传3张照片、玩过平台游戏。那么,我们需要对比这些人群,寻找在这些事件中哪些才是与留存率强相关的?

如果是添加好友的这件事,那么这个时间限是,注册时关注3人,还是一周内关注5人?

或者如果我们发现,引荐5名新用户,留存率非常高,但实际上,真的能引荐5名新用户的人群少之又少,那么这件事也不适宜我们去重点关注,因为给我们带来的成本太高了。

图6.自定义事件与留存相关度的分析实例

从这些关键事件中,我们要通过数据分析找到其中的核心路径,然后倾斜我们的资源去支持它。

好啦,今天的分享就到这里了。总的来说,埋点与数据统计,都是为业务服务的。关注哪些事件、为他们埋点是由于App自身的业务特性所决定。

埋点需要有的放矢,分析才能得到结论,迭代增长也将有迹可循。

相关阅读

数据运营实战(一):细分目标人群,结合用户画像的实践

数据运营实战(二):细分漏斗画像,改善关键节点

本文由 @腾讯大数据

相关阅读

分享到:

栏目导航

推荐阅读

热门阅读