草庐IT

这一次,我用数据分析提升了用户转化率

接地气的陈老师 2023-03-28 原文
“数据分析,要分析出具体业务优化点”是很多公司对数据分析师的要求,也是让很多同学们头大的问题。

怎么从一个个数据指标里,得出一个优化结论?今天结合一个具体问题场景,系统讲一下该怎么做。

问题场景:

某在线教育机构,每周会开免费的直播,所有用户预约后可以观看直播。业务方期望通过直播能提升用户的付费率。

但执行了一段时间后,业务方开始纠结:到底直播报名后观看率与观看人数,对付费率有没有用?毕竟开直播也有成本,为啥总感觉开的场次多了,转化率似乎没啥提升??

问:如何分析该问题?直播业务优化点在哪里?

01常见错误做法

很多同学习惯于数据库里有啥字段就用啥,不区分场景,不打标签,结果自然分析不出东西。比如本例,很有可能原始数据记录,就是一个名叫XXX的直播,有XX人报名,有XX人观看,没了。不深入思考的话,很有可能倾向于:

1、拿每日直播总观看人数&每日销量总数,做相关分析,看相关系数是多少

2、拿每一场直播的观看人数&直播后购买的人,计算直播转化率,然后画一条折线图

3、拿每一场看直播的人&报名了没看直播的人,分两组,计算购买率

这样能算出三个数字,但是下结论的时候,就很容易被业务挑战:

1、我发现直播人数和销量相关系数0.76——所以呢!所以又怎么样???

2、我发现最近三周直播转化率在下降——废话!我早知道了……

3、我发现看了直播的购买率高出5%——废话!肯定高呀,所以呢?

常见的质疑就是这么来的。这些结论之所以都是废话,是因为业务看了以后,真的不知道能干啥。业务方期望听到的优化建议,是:直播还能不能做!能做的话,做多少场?做啥话题?挂啥链接?不能做的话,我要怎么解决销售问题!这才是有用建议。

那么,如何解决问题呢?

▌第一步:理解业务场景

找业务优化点,第一步当然是回到业务本身。从教育业务本身来看:所有用户一锅炖的来开直播,就不是个很合适的行为。因为不同用户的需求完全不一样:

1、新注册用户:对教育机构和课程都不熟悉,需要建立信任

2、已付费一次用户:如果人家刚上2节,就催着买新课,肯定没人买单

3、已付费n次用户:用户已经有了学习成绩&学习进度,再推也是推进阶课程

总之,不同的人,在教育上需求天生有差异。

很多同学看到这里,本能地会提出:分人群开展直播,效果就好啦!

这样也会被喷哦,因为理解业务场景,仅仅是个开始。

▌第二步:分析业务痛点

在提建议的时候,要避免提:“指标低了,要搞高”、“混播不好,建议分开”这一类听着合理,实则无脑的建议。

为啥?因为人不是傻子。看到指标低了,肯定会想着搞高,有精力做分散场次,肯定会想着分开做。违反常识的做法,背后一般都有隐情。要进一步梳理,先找到业务痛点再说。

从表面上看,目前的问题是:直播带来的转化效果不明显。

再深层次看,可能的问题是:直播一锅炖,缺少分类指引。

再深层地看,为啥会一锅炖,背后隐情,很可能是:

1、有的话题,所有人都感兴趣。比如职业发展、基础技能等等,没必要分。

2、直播也有成本,需要时间&制作内容。但新人获取的节奏不固定,如果针对新人做,排期很麻烦。

3、老用户的学习状态并没有单独统计给组织直播的同事,导致无法了解每个学习进度下,到底有多少人。

4、拆分人群以后,可能某些人群人数很少,转化率不足以支持单独做一场直播。

5、即使拆分,也不见得能提升转化率,目前没有数据证明这一点。

总之,所谓拆分,可能只是看起来很美好,实操纠结点很多。

但是,这些具体的纠结点,对数据分析来说简直是如获至宝。分析的问题越具体,越容易得结论,分析的问题越模糊,才越难出结论。有了具体痛点,可以看:如何用数据解决问题。

▌第三步:归纳分析逻辑

业务痛点可能是很分散的,用数据进行解决,需要的是分析逻辑。一个最简单的构建逻辑的方法是:从大到小,从粗到细,先排除明显可见的问题,再追细节。

本案例中,站在数据角度,可以将以上业务痛点,总结为三大类问题:

1、现有直播,是否真的转化率不行?仅限于特定主体不行,还是都不行?

2、现有用户,是否转化率天生有差异?哪些能被直播突破,哪些不行?

3、现有产品,是否都适合直播转化,不同单价,是否有不同场景。

这三个问题能直接推导出具体优化建议。

但注意,这三个问题,可能是相互纠缠的,比如一场直播没有带货成功,可能是直播本身不行,也可能是用户没需求,也可能是产品不匹配。此时需要构造分析逻辑。

从题目来看,业务方并没有纠结用户&产品,而是从直播切入。因此构造分析逻辑的时候,也应该从直播开始,先看排除直播本身没有组织好的问题(如下图)。

其次,在教育类产品中,直播话题天生和待销售的产品有关系,但是和观看用户不一定有关系。特别是小白用户,经常分不清自己真正要学哪一块,随便看看的情况很普遍,因此第二层级可以分用户,区分新注册用户/老用户(如下图)。

这样建好了分析逻辑,可以填充数据了,但还是建议做一些准备工作。

▌第四步:进行数据准备

为了描述业务状况,经常需要使用大量的标签,很有可能这些标签并未事先准备好。因此需要做准备。

比如本案例中:

1、直播的标签(学习主题、讲师水平、适用于群体、难度)

2、用户标签(新用户/老用户,新用户的来源渠道,老用户)

3、产品标签(适合群体,价位,学习主题)

这些都需要一一准备好,这样后续分析才能有线索。

注意:很有可能业务方要分析结论要得很急,之前的基础建设非常地差,根本没有时间一一打标签。此时就要提醒业务方:不打标签的情况下,无法对问题深入分析。建议至少把一些特别重要的先打上,不然总是临时抱佛脚,就总进步不了。

▌第五步:输出分析结论

有了以上所有准备,最后一步就是数据填充,根本就是水到渠成的事。而且这样分析,能按图索骥的找到问题最明显的点,从而提出非常细致的优化建议(如下图,注意,由于篇幅限制,下图没有完整展示全部推演逻辑,有兴趣的同学可以自己补全)。

在构建分析逻辑的时候,实际上每一类用户对应的情况,已经是一个具体的业务优化点,只不过数据是最终裁判。哪一类情况出现的多,就有限解决哪一类问题。并且,出现两个因素相互纠缠的时候,也以看数据多少,选择主要问题来解决。这正是数据分析有用之处。不然千头万续,无从下手。

02小结

所以,深入业务场景,剥丝抽茧,层层论证,才能更好地得到优化点。注意:作为优化建议,一般都是从补缺的角度来提,但是补齐现有缺点,并不意味着就是最优解,很有可能有更好的点子。

有关这一次,我用数据分析提升了用户转化率的更多相关文章

  1. ruby - 解析 RDFa、微数据等的最佳方式是什么,使用统一的模式/词汇(例如 schema.org)存储和显示信息 - 2

    我主要使用Ruby来执行此操作,但到目前为止我的攻击计划如下:使用gemsrdf、rdf-rdfa和rdf-microdata或mida来解析给定任何URI的数据。我认为最好映射到像schema.org这样的统一模式,例如使用这个yaml文件,它试图描述数据词汇表和opengraph到schema.org之间的转换:#SchemaXtoschema.orgconversion#data-vocabularyDV:name:namestreet-address:streetAddressregion:addressRegionlocality:addressLocalityphoto:i

  2. ruby - 使用 Vim Rails,您可以创建一个新的迁移文件并一次性打开它吗? - 2

    使用带有Rails插件的vim,您可以创建一个迁移文件,然后一次性打开该文件吗?textmate也可以这样吗? 最佳答案 你可以使用rails.vim然后做类似的事情::Rgeneratemigratonadd_foo_to_bar插件将打开迁移生成的文件,这正是您想要的。我不能代表textmate。 关于ruby-使用VimRails,您可以创建一个新的迁移文件并一次性打开它吗?,我们在StackOverflow上找到一个类似的问题: https://sta

  3. ruby - 如何每月在 Heroku 运行一次 Scheduler 插件? - 2

    在选择我想要运行操作的频率时,唯一的选项是“每天”、“每小时”和“每10分钟”。谢谢!我想为我的Rails3.1应用程序运行调度程序。 最佳答案 这不是一个优雅的解决方案,但您可以安排它每天运行,并在实际开始工作之前检查日期是否为当月的第一天。 关于ruby-如何每月在Heroku运行一次Scheduler插件?,我们在StackOverflow上找到一个类似的问题: https://stackoverflow.com/questions/8692687/

  4. ruby - Ruby 有 `Pair` 数据类型吗? - 2

    有时我需要处理键/值数据。我不喜欢使用数组,因为它们在大小上没有限制(很容易不小心添加超过2个项目,而且您最终需要稍后验证大小)。此外,0和1的索引变成了魔数(MagicNumber),并且在传达含义方面做得很差(“当我说0时,我的意思是head...”)。散列也不合适,因为可能会不小心添加额外的条目。我写了下面的类来解决这个问题:classPairattr_accessor:head,:taildefinitialize(h,t)@head,@tail=h,tendend它工作得很好并且解决了问题,但我很想知道:Ruby标准库是否已经带有这样一个类? 最佳

  5. ruby - 我如何添加二进制数据来遏制 POST - 2

    我正在尝试使用Curbgem执行以下POST以解析云curl-XPOST\-H"X-Parse-Application-Id:PARSE_APP_ID"\-H"X-Parse-REST-API-Key:PARSE_API_KEY"\-H"Content-Type:image/jpeg"\--data-binary'@myPicture.jpg'\https://api.parse.com/1/files/pic.jpg用这个:curl=Curl::Easy.new("https://api.parse.com/1/files/lion.jpg")curl.multipart_form_

  6. 世界前沿3D开发引擎HOOPS全面讲解——集3D数据读取、3D图形渲染、3D数据发布于一体的全新3D应用开发工具 - 2

    无论您是想搭建桌面端、WEB端或者移动端APP应用,HOOPSPlatform组件都可以为您提供弹性的3D集成架构,同时,由工业领域3D技术专家组成的HOOPS技术团队也能为您提供技术支持服务。如果您的客户期望有一种在多个平台(桌面/WEB/APP,而且某些客户端是“瘦”客户端)快速、方便地将数据接入到3D应用系统的解决方案,并且当访问数据时,在各个平台上的性能和用户体验保持一致,HOOPSPlatform将帮助您完成。利用HOOPSPlatform,您可以开发在任何环境下的3D基础应用架构。HOOPSPlatform可以帮您打造3D创新型产品,HOOPSSDK包含的技术有:快速且准确的CAD

  7. FOHEART H1数据手套驱动Optitrack光学动捕双手运动(Unity3D) - 2

    本教程将在Unity3D中混合Optitrack与数据手套的数据流,在人体运动的基础上,添加双手手指部分的运动。双手手背的角度仍由Optitrack提供,数据手套提供双手手指的角度。 01  客户端软件分别安装MotiveBody与MotionVenus并校准人体与数据手套。MotiveBodyMotionVenus数据手套使用、校准流程参照:https://gitee.com/foheart_1/foheart-h1-data-summary.git02  数据转发打开MotiveBody软件的Streaming,开始向Unity3D广播数据;MotionVenus中设置->选项选择Unit

  8. 使用canal同步MySQL数据到ES - 2

    文章目录一、概述简介原理模块二、配置Mysql使用版本环境要求1.操作系统2.mysql要求三、配置canal-server离线下载在线下载上传解压修改配置单机配置集群配置分库分表配置1.修改全局配置2.实例配置垂直分库水平分库3.修改group-instance.xml4.启动监听四、配置canal-adapter1修改启动配置2配置映射文件3启动ES数据同步查询所有订阅同步数据同步开关启动4.验证五、配置canal-admin一、概述简介canal是Alibaba旗下的一款开源项目,Java开发。基于数据库增量日志解析,提供增量数据订阅&消费。Git地址:https://github.co

  9. ruby-on-rails - 创建 ruby​​ 数据库时惰性符号绑定(bind)失败 - 2

    我正在尝试在Rails上安装ruby​​,到目前为止一切都已安装,但是当我尝试使用rakedb:create创建数据库时,我收到一个奇怪的错误:dyld:lazysymbolbindingfailed:Symbolnotfound:_mysql_get_client_infoReferencedfrom:/Library/Ruby/Gems/1.8/gems/mysql2-0.3.11/lib/mysql2/mysql2.bundleExpectedin:flatnamespacedyld:Symbolnotfound:_mysql_get_client_infoReferencedf

  10. STM32读取串口传感器数据(颗粒物传感器,主动上传) - 2

    文章目录1.开发板选择*用到的资源2.串口通信(个人理解)3.代码分析(注释比较详细)1.主函数2.串口1配置3.串口2配置以及中断函数4.注意问题5.源码链接1.开发板选择我用的是STM32F103RCT6的板子,不过代码大概在F103系列的板子上都可以运行,我试过在野火103的霸道板上也可以,主要看一下串口对应的引脚一不一样就行了,不一样的就更改一下。*用到的资源keil5软件这里用到了两个串口资源,采集数据一个,串口通信一个,板子对应引脚如下:串口1,TX:PA9,RX:PA10串口2,TX:PA2,RX:PA32.串口通信(个人理解)我就从串口采集传感器数据这个过程说一下我自己的理解,

随机推荐