留存剖析用于衡量用户在一段时刻内保持活跃的状况，以及用户回流率
2023-10-25
-
触发条件：指的是导致特定事情产生的前提条件或触发因素。这包含用户的行为、使用程序的状况或环境的改变，这些条件触发了事情的产生。触发条件有助于确认事情何时产生以及为什么产生。例如：进入页面，打开使用，加载完毕等。
-
事情行为：描绘了事情的具体性质和用户的互动方式。这包含用户的点击、输入、导航、阅读、分享、表单提交等。
-
事情成果：事情成果涵盖了事情产生后的作用或影响。这能够是用户的状况改变、页面的跳转、数据的记载、通知的发送等。
-
事情特点：它们是与事情相关的附加信息或变量。事情特点能够供给有关事情的更多上下文和详细信息，使数据剖析更丰厚和准确。例如，在产品购买事情中，事情特点能够包含产品称号、价格、购买数量、用户ID等信息。
埋点事情的搜集方式能够有多种挑选，包含手动埋点、主动埋点和混合埋点：
-
手动埋点：在手动埋点中，开发人员需要编写代码来清晰界说要搜集的事情和特点，然后将代码嵌入使用程序中。这种办法供给了最大的灵活性，但需要更多的工程开发作业。
-
主动埋点：主动埋点是经过东西或结构主动生成事情追踪代码。这种方式减少了开发作业，但或许约束了事情的粒度和灵活性。
-
混合埋点：混合埋点结合了手动和主动埋点的优点。开发人员能够手动界说重要的事情，一起使用主动生成的代码来捕获一般性的事情。这种办法在灵活性和功率之间取得了平衡。
7. 数据剖析
数据剖析在事务决议计划和优化中发挥着至关重要的作用。以下是数据剖析的几个重要方面，包含事情剖析、漏斗剖析、事情流剖析和留存剖析：
1）事情剖析：事情剖析是数据剖析的中心，用于深化了解用户行为和互动事情。它包含以下要害要素：
-
趋势剖析： 经过观察事情随时刻的改变趋势，能够了解特定行为的开展和演化，例如用户活跃度的季节性改变。
-
比照剖析： 比照不同事情或特点之间的差异，以找出要害因素。例如，比较不同广告途径的转化率，以确认哪个途径作用更好。
-
排序剖析： 将事情依照某种方针进行排序，以辨认最重要的事情或特点。这有助于集中精力优化要害领域。
-
构成剖析： 了解事情的组成成分，例如，哪些特点对事情的影响最大。这有助于辨认要害因素。
-
散布剖析： 剖析事情产生的散布状况，例如，事情在不同地理方位或设备上的散布，以便更好地了解用户群体。
2）漏斗剖析：
漏斗剖析用于了解用户转化过程，一般使用于产品或服务的优化。
它包含以下内容：
-
事情漏斗：漏斗包含一系列事情，用于描绘用户从初始过程到最终转化的途径。例如，从注册到购买的转化过程。
-
转化窗口期： 转化窗口期是指用户完结漏斗中的每个过程所需的时刻段。这有助于确认用户是否在预期时刻内完结转化，以及在哪个过程中存在丢失。
3）事情流剖析：
事情流剖析协助了解用户在使用程序或网站上的详细行为流程。
它包含以下内容：
-
事情序列： 记载用户在使用程序中履行的事情序列，从而深化了解用户的途径和行为。
-
用户途径剖析： 剖析用户在使用程序中的途径，例如从登录到购物车，以辨认最常见的用户行为途径。
-
时刻线剖析： 显现用户在使用程序中的行为时刻线，协助辨认用户的要害互动时刻。
4）留存剖析：
留存剖析用于衡量用户在一段时刻内保持活跃的状况，以及用户回流率。
它包含以下内容：
-
起始行为： 确认用于计算留存率的初始行为，例如用户的第一次登录或初次购买。
-
留存行为： 界说了用户在留存周期内有必要履行的行为，以保证他们被视为留存用户。
-
留存周期： 指定留存率计算的时刻规模，如1天、7天、30天等，以了解用户在不一起间段内的忠诚度。
这些数据剖析办法协助安排更好地了解用户行为、产品功能和市场趋势，为事务决议计划供给深化的见解和数据支持。经过结合这些剖析办法，安排能够更准确地辨认问题、优化流程，并制定更有用的战略。
二、We剖析东西实操——以电商小程序为事例
1. 清晰事务方针和问题
-
事务方针： 进步电商小程序的购物车转化率。
-
事务问题： 为什么购物车中的产品较少用户购买，导致转化率下降？
2. 辨认要害绩效方针
-
购物车转化率：购物车内产品结算的用户数量 / 拜访购物车页面的用户数量。
-
均匀购物车价值：购物车内订单总价值 / 购物车内订单数量。
-
跳出率：进入购物车页面后未进行任何操作的用户数量 / 拜访购物车页面的用户数量。
3. 分解方针
1）购物车转化率
分子：购物车内产品结算的用户数量。
进一步拆解：增加产品到购物车后结算的用户数量，直接进入购物车并完结购买的用户数量。
分母：拜访购物车页面的用户数量。
进一步拆解：拜访购物车页面但未进行任何操作的用户数量，增加产品到购物车的用户数量，查看购物车的用户数量。
2）均匀购物车价值
分子：购物车内订单总价值。
进一步拆解：每个订单的总价值。
分母：购物车内订单数量。
进一步拆解：订单数量。
3）跳出率
分子：进入购物车页面后未进行任何操作的用户数量。
进一步拆解：用户在购物车页面停留时刻很短，没有进行任何阅读或交互的用户数量。
分母：拜访购物车页面的用户数量。
进一步拆解：拜访购物车页面但未进行任何操作的用户数量，增加产品到购物车的用户数量，查看购物车的用户数量。
4. 清晰数据源
数据源包含电商小程序的内部数据库、用户行为剖析东西以及第三方购物行为数据。
5. 界说方针概念
1）购物车转化率
衡量办法： 百分比
计算公式：购物车转化率 = (购物车内产品结算的用户数量 / 拜访购物车页面的用户数量) * 100%
衡量计划：每月购物车转化率、不同设备类型的购物车转化率、不同用户来历的购物车转化率
2）均匀购物车价值
衡量办法：钱银金额
计算公式：均匀购物车价值 = 购物车内订单总价值 / 购物车内订单数量
衡量计划：每月均匀购物车价值、不同产品类型的均匀购物车价值、不同用户群体的均匀购物车价值
3）跳出率
衡量办法： 百分比
计算公式：跳出率 = (进入购物车页面后未进行任何操作的用户数量 / 拜访购物车页面的用户数量) * 100%
衡量计划：每月跳出率、不同购物车页面版别的跳出率、不同广告途径的跳出率
6. 数据搜集
-
事情称号： 事情的称号，例如“产品加购”
-
事情描绘： 事情的扼要描绘，例如“用户将产品增加到购物车”
-
触发条件： 事情产生的触发条件，例如“用户点击了‘参加购物车’按钮”
-
事情行为： 事情的具体行为描绘，例如“用户点击了‘参加购物车’按钮”
-
事情成果： 事情产生后的作用或影响，例如“产品成功增加到购物车”
-
事情特点： 事情相关的特点信息，
例如：
-
产品称号：产品的称号
-
门店称号：门店的称号
-
用户ID：用户的仅有标识符
-
时刻戳：事情产生的时刻
-
方针类型： 事情相关方针的类型，例如整数、份额、留存等
-
数据类型： 方针的数据类型，例如总和、人数、次数等
-
数据存储方位： 事情数据将存储在何处，例如数据库、数据仓库、云存储等
-
数据搜集周期： 多久搜集一次事情数据，例如实时、每小时、每天等
-
数据质量操控： 保证数据质量的办法，例如数据验证、清洗和纠错
-
数据安全性： 维护数据安全和隐私的办法，例如数据加密、拜访操控等
备注： 附加说明或备注，例如特定的数据处理规矩或其他细节
