사용자 세분화의 비교 분석을 기반으로 웹 사이트의 분석

　　비교에 사용 되는 서브, 비교, 최적화를 조정 하기 위하여 차이 반영 하는 세분의 목적은 궁극적으로 운영 의사 결정 가이드, 그래서 이것은 데이터 분석의 가치. 는 웹사이트의 사용자 수준에서 우리 세분화 사용자 사용자의 행동 특성에 따라 다양 한 형식으로 사용자 동작은 다른, 때문에 행동 통계 인덱스는 다른, 분석의 각도 다른, 그래서 당신이 사용자를 세분화 하 고 싶다면, 여러 각도에서 다양 한 규칙에 따라 다른 분류를 실현할 수 있습니다 일부 데이터 분석 보고서 할 사용자 세분화, 다양 한 다른 크기와 결합 된 다양 한 사용자 행동 분석의 다양 한 풍부한 절대적으로 보이지만 그것은 이러한 분석의 결과 이해 하기 어려운 본 현재 전반적인 동향 및 참으로 적절 한 사용자 특성을 반영 하는 컨설팅 보고서로 설명 하기 위한 것 하지만 만약 당신이 정말로 우리가 뭔가, 또는 분석의 목적을 결정 하기 위해 사용자 세분화 하기 전에 리드를 데이터 분석의 결과 원하는 비즈니스 레벨 요구 사항 선택을 취소 합니다.

이후 사용자 세분화에 따라 비교 분석을 할 필요가, 다른 사용자의 특정 사용자 그룹의 행동 특성 간의 차이 명확 하 게 자연적 이다. 이 콘텐츠 레벨의 조정의 방향에서 주로, 비교 하 여 차이의 콘텐츠 요구의 다른 사용자 세그먼트 작업, 콘텐츠 또는 해당 사용자에 게 권장 하는 사용자의 기본 설정의 콘텐츠 품질의 콘텐츠를 최적화.

이후 사용자 세분화, 첫번째 명확한 사용자 세분화 규칙 기반 세분화의 3 종류의 보기는 여기 있다: 이러한 3 종류의 세분화, 비교 분석, 사용자의 기대에 맞춰 더 많은 제품을 식별을 위해 상품을 구입 하는 사용자의 각 카테고리를 기반으로 하는 사용자와 유지 사용자, 새로운 사용자와 오래 된 사용자, 단일 구매 및 두 사용자의 손실.

손실 및 유지 사용자의 비교

물론, 손실 및 유지 사용자를 우선 문서는 사이트의 활성 사용자 및 분실 된 사용자가 하기 전에 블로그를 참조 하십시오 사용자 변동, 분실 된 사용자 수의 정의의 명확한 정의 있어야 합니다. 정의로 우리가 할 수 있는 통계 및 시장 세분화, 또는 E-상거래 사이트, 예를 들어 전기 비즈니스 사이트의 콘텐츠는 물건, 우리는 다음과 같이 사용자 비율의 손실에 의해 발생 하는 구입 후 각 제품에 따라 이들이 제품의 구입을 계산:

표시기 정의 여기 더 특정 하 고, 각 제품의 손실의 비율 사용자는 계정의 구입의 모든 사용자가 제품의 구입 후 수 해야 하지만 사용자 비율의 각 제품의 손실 보존, 홍보를 사용자에 게 또는 어느 정도, 제품 사용자, 손실 발생 여부 평가 하지 수만 알고 있어야 우리는 단지 전체 수준을 비교 하 여 해당 결론을 그릴 수 있습니다. 그래서 여기 백분율 직접 뺄셈의 결과 되지 않습니다 하지만 어디 전체 사용자 속도 휘 젓 다는 차이의 진폭은 56%, 가정 숫자 값 계산 방법을 설명 하는 것이 중요 하다 고 예를 들어 상품에 대 한 결과: (58.13%-56%) / 56 % = 3.8%, 다른 상품과 전체 범위 간의 차이를 비교 같은 계산 방법을 사용하실 수 있습니다. 마지막으로, 디스플레이, 데이터 막대 함수 내 "조건부 서식"을 통해 Excel에서 표시할 수 있습니다 직접 다이어그램, 매우 편리의 효과.

물론, 위의 분석의 결과 작업 조정에 직접 유익, 목표는 사용자에 대 한 저장 하는 것입니다 우리가 해야 할 사용자 보존, 홍보 (F 상품이 그 f를 나타내는 전반적인 사용자 이직 률 보다 크게 낮은 제품 사용자 보존에 더 공헌) 사용자에 게 권장 그리고 제품을 최적화 하는 사용자 (C 상품) 또는 다음 프레임의 손실로 이어질 수 있습니다.

새로운와 오래 된 사용자 간의 비교

또한, 다른 사용자 그룹의 구매 바이어스를 차별화 하는 위의 방법을 사용 합니다. 신규 및 기존 사용자의 붕괴는 가장 일반적인 사용자 세분화 방법, 우리 상품의 다른 환경 설정의 새로운와 오래 된 사용자가 보고 비슷한 접근 방식을 사용할 수 있습니다.

위의 그림에서 보이나요? D 제품을 구입 하는 사용자의 비율이 상당히 낮습니다, 아마도 새로운 사용자 좋아하지 않아이 제품을, 그리고 B와 F 상품 새로운 사용자의 취향에 따라 명확 하 게 더. 만약 위의 분석 결과 많은 혜택을 줄 것 이다 다음 타겟된 프로 모션의 신규 및 기존 사용자를 귀하의 사이트를 사용할 수 있습니다.

물론,이 데이터 프레 젠 테이 션의 특성 특정 관계 상품의 홍보 채널을 할 수 있습니다, 그리고 예를 들어 D 상품의 위의 이미지는 더 비교 (EDM), 같은 프로 모션 채널의 초점 다음 사용자의 사용자 또는 높은; 될 몇 가지 상품 더 새로운 사용자에 집중 방문 비율에서의 자연 스러운 구매를 오래 된 사용자의 사용은 페이지, 제품을 구입 하는 새로운 사용자의 비율이 명확 하 게 높은 이기도 합니다. 따라서, 그러한 분석을 하 고, 우리 프로 모션 채널에 차이에 관심을 지불할 필요가 특정 문제 특정 분석, 일반화 하지 않을 수 있습니다.

단일 구매 사용자 및 두 번 구입 사용자 비교

동일한 방법을 사용 하 여 발생할 수 있습니다 또한 여러 구매 사용자에 의해. 전자 상거래 사이트에 대 한 사용자의 첫 번째 쇼핑 경험이 직접 다시 또는 다양 한 구매 후 사용자 생성 됩니다 또는 사이트 충성 고객이 될 수 있습니다 영향을 것입니다 매우 중요 하다. 경우 사이트 사용자 관계 관리에 초점을 맞추고, 다음과 같은 분석 방법을 사용 하 여 시도할 수 있습니다.

그것은 그 기본 사용자 기본 설정 (모든 것), 각 제품의 첫 구매에 대 한 우리가 분석 하고자 하는 것을 주의 될 것 이다 여부는 사용자 시작 합니다 두 번째 또는 심지어 여러 구매 행동 제품을 처음 구입할 때 따라서 첫 구매 경험에 제품의 영향을 평가. 위의 두 구입의 성능 저하의 원인에 B와 f 상품 테이블에서 볼 수 있듯이 상품 또는 질 문제에 영향을 사용 하 여 사용자의 만족도, 방해 발자취 구매 사용자 가능성이 높습니다. 분석, 우리는 특히 두 번 구매 율은 상품 뿐만 아니라, 제품 분석의 특성을 기반으로 할 필요가의 전반적인 수준 보다 훨씬 낮은 그에 집중할 필요가, 일부 상품 교차 판매 및 상향 마케팅 수 있기 때문에 실제로 쉽게 두 번의 구매를 촉진 하는.

사실, 내가 하 고 싶습니다 일련의 주제에이 문서를 분할 구현 수준에서 사용자 세분화의 각 조각을 독립적으로 완료 될 필요가 있기 때문에 대부분 계산의 아래에서 데이터의 경우 유사한 데이터에 대 한 검색에서 위의 Google 웹 로그 분석에서 유일 하 게 찾을 수 있는 새로운 액세스 규모 이며 콘텐츠 모듈에 각 페이지를 세분화 하는 통계에 포함 되지 않습니다 새로운 % 방문 (측정 한 트래픽 소스, 지리적인 세분), 그리고 물론 사이트에서 각 페이지의 새로운 비율을 보고 보고서를 사용자 지정할 수 있습니다. 비교의 기준 또한 전체적으로, 사이트의 새로운 액세스 비율 그리고 조지아의 프레 젠 테이 션 옵션 직접 제공 보기 "비교" 전체 비교 이며 다음 그림은 사용자 지정 보고서:

가 위의의 효과 사용자 지정 excel 2010 (2010 쇼 축, 그리고 2007의 왼쪽과 오른쪽에 양수 및 음수 값을 빨강-녹색 데이터 막대에이 기능을 구현 하지 않는), 조건부 서식의 결과 유사 하 고이 벤치마킹 비교 매우 직관적인 사용을 보여준다 사실, 같은 다른 분석에서 사용할 수 있습니다. 그래서 무엇이 보이나요 내 블로그에 새로운 사용자의 콘텐츠 비교에서? 처음 몇 기사에 추세는 개념적 방법론의 새로운 사용자의 수는 (물론, 검색 엔진 도움말에 의해 주로), 평균 보다 높은 의견 및 분석 기사 새 사용자의 백분율은 평균 값 (낮은 이전 사용자가 더 연습 하 고 적용 하는 경향이)를 보여주면 내 블로그 수 동적으로 다른 콘텐츠 신규 및 기존 사용자에 게,이 분석 매우 가치 있는 것, 그래서 아마도 귀하의 사이트 시도할 수 있습니다.