加入收藏 | 设为首页 | 会员中心 | 我要投稿 南昌站长网 (https://www.0791zz.cn/)- 终端安全、安全管理、数据治理、图像分析、大数据!
当前位置: 首页 > 站长资讯 > 评论 > 正文

数据分析4个新手常见的错误!

发布时间:2020-11-13 11:07:14 所属栏目:评论 来源:互联网
导读:我们的解法,就只有踏实做好以下的事情: 在全链路有数据意识,避免在最后一步才想起要数据分析; 对数据指标有基本认识,避免拿着指标一头雾水; 分析时要有溯源逻辑,避免仅通过一个指标判断成败; 穷举各种可能的变量,避免只抓到一个变量就下判断。 外推带

我们的解法,就只有踏实做好以下的事情:

  • 在全链路有数据意识,避免在最后一步才想起要数据分析;
  • 对数据指标有基本认识,避免拿着指标一头雾水;
  • 分析时要有溯源逻辑,避免仅通过一个指标判断成败;
  • 穷举各种可能的变量,避免只抓到一个变量就下判断。
  • 外推带来的用户,对于页面的主推 IP 内容更感兴趣,说明本次外推触达的用户是更精准符合这个页面的用户群体;
  • 而站内的用户,对于页面的主推内容是缺乏兴趣的,只有看到全品类楼层才有兴趣,说明站内自有流量与本次 IP 页面不太匹配;
  • 综上,在后续进行同类的 IP 页面的运营活动时,若想要达成更精准的人货匹配,建议把流量重点放在外推的流量上,而降低对站内流量的效果的预期。
  • 以上就是一次如何排除各自变量影响的分析案例。基本的思路是:不要满足于你手上抓住的那条变量,而是尽可能多地找到这个场景里的关键变量,再一个个变量去排除或者确认它的影响,最终才得到较合理的结论
  • 那为什么外推带来的用户和站内的用户,对同一个页面的需求差异那么大呢?因为这是一个以 IP 内容为主的页面,页面大部分区域都是 IP类商品,是带有一定粉丝向的。直到页面很下方才有非 IP 角度的商品,这里的商品是全品类的。说到这里,大家应该意识到了:这里还有第三个变量——楼层的内容差异。此时把第二个变量与第三个变量交叉判断,就是本次数据分析的关键问题:楼层内容与流量渠道的匹配度高低。
  • 第二个思路,是由宏观到微观的方式去排查问题的方式。电商场景中,我们可以先看交易数据,看下是否达到了当初的预期,与历史对比是涨还是跌;然后再看流量数据,因为流量是影响 gmv的最大因素之一,这时候就可以分析交易数据的涨跌,是否是因流量的涨跌导致的;或者说是流量质量导致的转化率低等等;如果分析完,发现流量的影响不大,这时候可以进入下一级,去分析核心的节点是否存在问题。比如在电商黄金流程场景中,我们看搜索、商详、加购等核心页面的漏斗;而在大促场景中,我们可能会去看主会场的主推楼层们是否达成了预期的产出。这个就是以宏观到微观去排查问题的思路。

    错误4:只抓了一条变量,忽略其他关键变量

    有时候,我们的分析看起来有理有据、是有数据支撑的,初步看起来逻辑没有大问题。例如说,根据以下这个点击率的图表,似乎可以直接推测出这个页面里,除了XX楼层以外,其他的楼层表现不佳。于是我们可以直接下结论说:未来还做这样的页面的时候,迭代的方向,就是直接把表现不佳的楼层去掉,只留下这个表现好的楼层了吗?——这样的结论是失之轻率的。那到底问题出在哪里呢?
    有两个角度可以尝试去思考。​例如以客单价和单 UV 价值的案例来说,第一个角度,是看这个指标的关键影响因素。像客单价,是更容易受到货的属性影响的,奢侈品的客单价天然就会趋向于比消费品的客单价更高;单 UV 价值,更容易受到流量质量的影响,比如把促销敏感型的用户导入了奢侈品的频道,这个时候,一般 UV 价值是会极低的,而客单价可能没有太大的变化。第二个角度是看这个数据指标的使用场景。如客单价,可以用来看这个业务的品类特征如何,UV 价值,是用来看流量与业务匹配度,以及判断业务的潜力。比如,看要不要给到这个业务更多的资源,就可以看 UV 价值,因为 UV 价值高,就代表了给这个地方更多的同类流量,它的 GMV 就会更高。​

(编辑:南昌站长网)

【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!

    推荐文章
      热点阅读