
常用的产品数据分析方法之漏斗模型与归因模型
刚刚接触数据运营的同学可能都会产生这样的困惑:数据运营难不难?我数学不好该怎么做?是不是还需要学习数学建模?我该看点什么书学习?包括喵君刚开始工作的时候也在困惑,面对一条条业务数据不知道从何下手。今天我们就来一起捋一捋一些工作中常见的产品数据分析方法,回答一下“怎么做”的问题。
我曾经对新人说过,数据可以绘制用户肖像及行为轨迹,可以监控产品转化及发展情况,可以横向评估渠道效果,这一切都涉及到与产品、市场、技术等多个部门的协同工作。数据运营是很伟大也很多面手的职业。
今天首先要介绍的是漏斗模型:它可以广泛应用于流量监控、产品目标转化等日常数据运营工作中。之所以称为漏斗,就是因为用户(或者流量)集中从某个功能点进入(这是可以根据业务需求来自行设定的),可能会通过产品本身设定的流程完成操作。
对于我们要做的就是对按照流程操作的用户进行各个转化层级上的监控,寻找每个层级的可优化点;对没有按照流程操作的用户绘制他们的转化路径,找到可提升用户体验,缩短路径的空间。运用漏斗模型比较典型的案例就是电商网站的转化,用户在选购商品的时候必然会按照预先设计好的购买流程进行下单,最终完成支付。这些数据虽然是我瞎编的(你来打我呀)但是如果没有整个业务流程的梳理,就不会有这种漏斗模型的产出,更别说去查找每个步骤出现用户流失的问题了。
当然有些时候也要做一些竞品分析,对于同行业同类数据的转化情况做到心中有数。尽可能降低用户流失是我们的目标,但是如果可以做到不低于行业平均水准同时资源有限的话,降低这个转化漏斗的用户流失就需要被放置较低的优先级里。
还有一些比较经典的漏斗转化模型就是用于用户注册流程上:我们需要知道多少用户点击了注册按钮(漏斗的开端),多少用户完成了信息填写(多少用户放弃填写),多少用户点击发送验证码按钮(验证码到达率),成功完成注册的人数。如果一旦在运营过程中发现某一天的注册用户数出现波动,那么除了去查一下市场渠道及广告投放,产品本身的注册功能也是可能出现这个问题的重要因素。
对于产品的非功能页面,比如某个活动页,公司简介页等等,用户可能不会按照我们既定的流程到达,那么就要根据实际的目标来确认是否有讲这类非功能页面的转化流程做优化的必要性。
归因模型
归因模型,更准确的描述其实是一种既定的规则,我们需要根据产品的实际需求,将达成目标(形成转化)之前的功劳根据设定的权重分配给每一个转化节点。产品形成一次转化,用户可能要经历很多个转化节点(转化并不一定只完成销售。一次注册也可以看作一次转化,一次访问也可以看作一次转化,要根据业务实际需求制定)。
归因模型在使用过程中通常分为几类:最终互动模型、首次互动模型、线性归因模型、时间衰减归因模型、自定义等,这里逐一进行描述:
产品情景描述:用户在Baidu上搜索一个关键词,点进了一个叫a.com的网站之后放弃继续搜索。过了几天他又在自己的Facebook上看到了这个关键词的广告,随后他点击了广告最终完成购买。
最终互动模型:最后一个节点将被分配100%的功劳,那么Facebook(社交媒体)上的广告获得100%的功劳;
首次互动模型:用户首先是在Baidu进行关键词搜索的,那么Baidu(搜索引擎)将被分配100%的功劳;
线性归因模型:用户从开始搜索到转化,共经历了三个渠道(节点),那么每个节点将被平均授予33.3%的功劳;
时间衰退归因模型:用户在Baidu搜索和访问了a.com是几天之前的事情,那么这两个渠道因为时间经历比较长的原因将被分配较低的功劳(如各20%),Facebook将被分配相对较高的功劳(60%);
当然,实际的业务流程和渠道转化流程不会像描述的这样简单,我们也可以根据需求自行定义。归因模型的意义在于寻找到真正对于现阶段产品发展有利的渠道,并将优势扩大化。当然,它是具有时效性的,也就是说产品的不同阶段归因模型所得到的结果很可能是不一样的。
之后还会针对产品数据分析方法中的“Cohort分析(同期群分析)“、”数据细分“、数据整理做一些描述。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15