用户画像:用户消费行为分析
①用户标签:它包括了性别、年龄、地域、收入、学历、职业等。这些包括了用户的基础属性。
②消费标签:消费习惯、购买意向、是否对促销敏感。这些统计分析用户的消费习惯。
③行为标签:时间段、频次、时长、访问路径。这些是通过分析用户行为,来得到他们使用 App 的习惯。
④内容分析:对用户平时浏览的内容,尤其是停留时间长、浏览次数多的内容进行分析,分析出用户对哪些内容感兴趣,比如,金融、娱乐、教育、体育、时尚、科技等。
我们可以从用户生命周期的三个阶段来划分业务价值,包括:获客、粘客和留客。
获客:如何进行拉新,通过更精准的营销获取客户。
粘客:个性化推荐,搜索排序,场景运营等。
留客:流失率预测,分析关键节点降低流失率。
用户画像建模
可以分为数据层、算法层和业务层。你会发现在不同的层,都需要打上不同的标签。
数据层指的是用户消费行为里的标签。我们可以打上“事实标签”,作为数据客观的记录。
算法层指的是透过这些行为算出的用户建模。我们可以打上“模型标签”,作为用户画像的分类标识。
业务层指的是获客、粘客、留客的手段。我们可以打上“预测标签”,作为业务关联的结果。
用户画像标签化流程:
-
留存率
次日留存率 = Σ 次日留存数 / 今日获客人数①两层模型
从用户画像、渠道、产品、行为环节等角度细分,明确到底是哪里的次日留存率下降了②指标拆解
次日留存率 = Σ 次日留存数 / 今日获客人数③原因分析
内部:
运营活动
产品变动
技术故障
设计漏洞(如产生可以撸羊毛的设计)外部: 竞品 用户偏好 节假日 社会事件(如产生舆论)
-
处理需求时的一般思路是什么,并举例
明确需求,需求方的目的是什么
拆解任务
制定可执行方案
推进
验收
下面,会侧重介绍:电商、金融、游戏、直播、阅读几个大类。大家如果有要补充的,可以私信我一起交流。
- 电商
核心指标
PV、UV、成交用户数、成交订单数、GMV、客单价、退款率
流量数据
PV、UV、登录用户数、新访客数、商详页PV、商详页UV、店铺UV、点击地图(即各模块流量)
转化数据
成交转化率(通常为成交订单数/UV)、支付率(下单数/支付数)、动销率、收藏率、加购率
商品数据
店铺数、类目数、品牌数、在线商品数、SKU、SPU
用户数据
用户基础数据(地址、性别、年龄等)、行为数据(访问留存、复购情况、会员数、人均购买次数、客单价、月活等)
售后数据
售后反馈订单数、客服回复率、24h发货率、评价订单数、退单数(退单率)、退款金额(退款率)、退款原因
优惠券数据
优惠券领取量、使用量、优惠金额、优惠订单数、ROI
活动数据
日常秒杀、双十一、618等大促活动:新增访客、新增注册、总UV、成交订单数、转化率、ROI
市场数据
市场占有率、用户份额、交易额排名、流量排名
- 金融
主要分为借贷、投资、理财
借贷
核心数据:
访问UV、注册人数、申请人数、授信人数、授信总额、放款人数、放款总额
细分数据:
借款金额分布、借款期限分布、首贷人数、复贷人数、平均完件时间、平均审批时间
还款情况:
到期还款人数、到期还款率、预期人数、逾期率、净坏账
漏斗分析:
从访问、注册,到申请,填写每步信息的步骤,都要做成一个漏斗,看哪一步用户流失比较多。比如实名认证、绑卡、人脸识别、填写备用联系人等等的步骤。
用户数据:
性别、年龄、地址、学历、职业、征信情况等等,借贷类的用户数据比较齐全,所以用户数据用处很大,比如小额借贷直接根据用户填的信息,算法算出是否借给该用户。
投资/理财
开户人数、累计总金额、当日存入总金额、当日取出总金额(到期兑付)、当日取出总金额(提取赎回)、存入订单数、存入人数、件均金额、当日收益
- 游戏
APP数据
推广页点击、下载、安装、激活、注册、进入游戏
流量数据
启动UV、新增账号、创角账号、活跃账号、付费账号、平均同时在线人数(ACU)、最高同时在线人数(PCU)、日/周/月活
用户数据
累计用户数、用户成长(等级分布、角色分布、升级时长)、在线时长、启动次数、任务完成率、流失情况
收入数据
付费金额、付费人数、付费率、首充人数、首充金额、ARPU、LTV(生命周期价值)
粘性/留存
次日留存、总在线时长、平均在线时长、流失数据
- 直播
分为用户端和主播端
用户端
UV、登录UV、直播间UV、弹幕发送UV、观看总时长、人均时长、观看时长分布、消费金额、充值金额、道具使用情况
主播
主播人数、新增主播人数、签约主播人数、活跃开播主播人数、主播演出总场次、主播开播时长、直播时长、观看UV、峰值UV、粉丝数、播放视频个数、点赞人数、评论数、转发数、收藏数
留存
次日留存、周启动次数(如7日登录3日)、新用户留存情况
- 阅读
流量数据
启动UV、新增UV、点击量、阅读PV、阅读UV
阅读数据
阅读UV、阅读总时长、人均阅读时长、作品收藏、作品评论数、阅读时长分布、书评数、书单数据(创建数、访问数、点赞数、收藏、分享)、付费章节阅读UV、免费章节阅读UV、阅读字数、5分钟阅读人数占比、30天阅读天频、阅读章节数、人均阅读字数
收入数据
购买人数、购买章节数、人均付费收入、章节收入
总结
虽然不同的业务关注的指标不一样,但是对流量数据、用户数据这些基本上都是大同小异的,对于留存、复购、用户分层等等的分析也基本上各个业务都会有。
上面列出的各指标,可能也不全面,实际的要以业务本身关注的为准。对于想要了解那些业务的童鞋来说,也可以了解个大概。