导读
从经验驱动到数据驱动,我们需要经历数字化的发展浪潮。过去,工厂里的老师傅一人难求,原因无他,仅是手熟。现在,我们都想要尽量运用数据来驱动,但在数据驱动过程中,也会面对不同的数据。
数据驱动告诉人们在进行决策之前,需要数据来辅助决策;在执行之后,需要数据来验证决策的正确性。
数据与决策形成了良好的闭环,PDCA被广泛应用于产品运营上,然而在我们利用数据驱动精益成长的时候,数据的维度决定了数据对于决策指导的比重,这个维度划分就是访问级和事件级。如果你身边的运营在关注UV和PV以及跳出率,请你肯定他,同时告诉他,关注事件级数据,会打开新世界大门。
01 访问级数据
跟访问有关的数据,比如独立访客数量(UV),页面浏览量(PV),平均访问页面数量,平均访问时长,跳出率等。
通过访问级数据,可以从页面被访问的相关数据上得到一些洞察,比如我的跳出率变高了,是不是因为着陆页上的信息不符合用户的搜索意图了,或者UV,PV增加减少意味着用户的关注减少了,还可以粗浅的知道某一网站表现情况。
问题来了,访问级指标真的可以驱动决策么?也许会有一些指导,但是完全不足的。
举例:
1、我想知道,为什么那么多访客,那么少订单?
2、我想知道,不同浏览器会不会有兼容问题?
3、我想知道点击关注按钮的用户有多少?
4、我想知道我的用户都是从哪里来的,表现如何?
如果知道了这些问题的原因,那么我们就会知道如何优化我们的产品,从而获得更好的数据增长。
但是,访问级数据完全做不到。这个时候,我们的数据分析能力需要升级了,换个维度看数据。
02 事件级数据
以事件触发为基础的数据维度,计算不同的事件发生的事件,触发的人,以及了解事件的属性和属性值。
举个例子:
事件:点击加入购物车按钮
事件属性:加入购物车的商品
事件属性值:商品名称
这样数据上传到易观方舟,就可以知道有多少人,多少次点击了加入购物车按钮,并且可以通过细分维度知道都分布在哪些商品上。
这样的数据直接告诉了我们,哪些商品被加入购物车次数多,还可以通过事件分析来进行漏斗构建,广告来源效果跟踪等,这样就可以针对性进行优化调整,事件的分析是更小颗粒度的维度的行为分析,这是访问级数据完全不具备的。
有了事件级数据后再去看访问级数据,我们会发现一个现象,就是如果单独只有访问级数据,那么只能为决策提供很小的帮助,完全实现不了数据驱动。
访问级数据结合事件级数据,数据更加全面。
并不是说有了事件级就不要访问级,很多数据还是需要访问级的,比如页面浏览是可以作为一个事件存在的,比如某页面的浏览这个事件的触发次数和触发人数,这样浏览级就可以作为漏斗的其中一个组成存在,帮助我们更好的进行分析。
事件的应用就像乐高玩具一样,可以根据自己的需求创造无数种可能,做数据分析通常都是先有需求,其次有构建想法,然后通过事件来复现自己的构建想法,最后看到数据表现。
---------
想要洞察用户画像,实现数据分析、用户分群以及闭环运营,你需要一款用户行为分析和精细化运营产品。易观推出的易观方舟Argo,可私有化部署,开放且免费,帮助产品刚刚起步、数据量较小但自己有动手能力的技术和产品创新团队或个人,通过数据智能驱动企业成长。
扫描下方二维码,
立即启动你的专属Argo吧!