網站資料分析：基於使用者細分的比較分析

仲介交易 SEO診斷 淘寶客 雲主機 技術大廳

從網站的使用者層面，我們根據使用者訪問的行為特徵將使用者細分成各種類型，因為使用者行為各異，行為統計指標各異，分析的角度各異，所以如果要對使用者做細分，可以從很多角度根據各種規則實現各種不同的分類， 看到過有些資料分析報告做了各種使用者的細分，各種使用者行為的分析，再結合其他各種維度，看上去內容絕對足夠豐富，但很難理解這些分析結果到底是為了說明什麼問題，也許作為一個諮詢報告反映當前整體的趨勢和使用者特徵確實合適， 但如果真的要讓資料分析的結果能夠引導我們去做些什麼，還是要在做使用者細分前確定分析的目的，明確業務層面的需求。

既然要做基於使用者細分的比較分析，自然是為了明確某些使用者分類群體的行為特徵與其他使用者群體的差異。 這裡主要從指導內容層面的調整為導向，通過比較各使用者細分群體對內容需求的差異，優化內容運營，將優質的內容或者符合使用者偏好的內容推薦給相應的使用者。

既然是基於使用者細分，首先明確使用者的細分規則，這裡舉例3類細分：流失使用者與留存使用者、新使用者與老使用者、單次購買使用者和二次購買使用者，基於這3類細分，對每個分類的使用者購買商品進行比較分析，明確哪些商品更加符合使用者的預期。

流失使用者和留存使用者比較

當然，要區分流失使用者和留存使用者，首先必須對使用者流失有一個明確的定義，關於流失使用者的定義可以參考博客之前的文章——網站的活躍使用者與流失使用者。 有了定義我們就可以做統計和細分了，還是以電子商務網站為例，電商網站的內容就是商品，我們基於每個商品計算購買這些商品的使用者中購買後造成流失的使用者比例，如下：

這裡的指標定義應該比較明確，每個商品的流失使用者比例應該是購買該商品後流失的使用者數在所有購買該商品的使用者中的占比，但只知道每個商品的流失使用者比例無法評價這個商品是否對使用者保留有促進作用，或者在一定程度上造成了使用者的流失， 只有通過與總體水準的比較才能得出相應的結論。 所以這裡需要重點解釋的是「與總體比較」這個數值是怎麼計算的到的，這裡的百分比不是直接相減的結果，而是一個差異的幅度體現，這裡假設總體使用者流失率為56%，那麼以A商品為例，與總體比較的結果是：( 58.13% – 56% ) / 56 % = 3.80% ，使用同樣的計算方法也可以得到其他商品與總體比較的差異幅度。 最後就是展示，在Excel裡面通過「條件格式」裡面的資料條功能可以直接展現出圖中的效果，非常方便。

很明顯，上面圖中的分析結果對運營調整有直接的指導性，目的是促進使用者保留，所以我們要做的就是將有利於使用者留存的商品(F商品的使用者流失率明顯要比總體低得多，說明F產品更有利於使用者保留)推薦給使用者， 而將那些可能導致使用者流失的商品(C商品)進行優化或者下架。

新使用者和老使用者比較

同樣，使用上面的方法可以區分不同使用者群的購買偏向。 新老使用者的細分是最常見的使用者細分方法，我們可以使用類似的方法來看看新老使用者對商品的不同喜好：

從上圖中你看出了什麼?購買D商品的使用者中新使用者的比例明顯偏低，也許新使用者根本就不喜歡這個商品，而B商品和F商品顯然更加符合新使用者的口味。 如果你的網站可以進行新老使用者區分的定向推廣，那麼上面這個分析結果將讓你受益良多。

當然，這個資料呈現的特徵可能跟商品的推廣管道有一定的關係，比如上圖的D商品比較多的是使用老使用者比較集中的推廣管道(比如EDM)，那麼自然購買使用者中老使用者的比例會偏高;或者把某些商品放在新使用者比較集中的Landing Page中展示，那麼購買該商品的新使用者比例也顯然會偏高。 所以，在做諸如此類的分析時需要注意根據推廣管道的差異，具體問題具體分析，不能一概而論。

單次購買使用者和二次購買使用者比較

使用同樣的方法也可以促成使用者的多次購買。 對於電子商務網站而言，使用者的首次購物體驗非常重要，這將會直接影響使用者是不是會產生再次或者之後的多次購買，或者是否能夠成為網站的忠誠客戶。 如果你的網站注重使用者關係管理，那麼你可以嘗試下使用下面的分析方法：

需要注意的是這裡的基礎使用者群設定在了每個商品的首次購買使用者(不是所有)，我們要分析的是所有將該商品作為首次購買商品的情況下，使用者是否還會發起之後的再次甚至多次購買行為，從而評價商品對於首次購買體驗的影響好壞。 從上表可以看出，B商品和F商品在促成二次購買的表現不佳，很有可能商品的使用或品質問題影響了使用者的滿意度，阻礙了使用者再次購買的腳步。 根據分析結果，我們尤其需要對那些二次購買率比總體水準低非常多的商品進行重點關注，同時也需要根據商品的特徵進行分析，有些商品確實比較容易促成二次購買，因為可能存在交叉銷售和向上行銷的情況。

其實本來想把這篇文章拆分成多篇整成一個系列專題，因為從實現層面而言，每一塊的使用者細分的分析都需要獨立完成，而且大部分要從底層的資料計算得到，如果你從Google Analytics上面從尋找類似的資料， 其實唯一可以找到的就只有新訪問比例，而且在內容模組裡面細分到每個頁面的指標也未包含% New Visits(在流量來源、地域細分裡面有該度量)，當然你可以自訂報告來查看網站每個頁面的新訪問比例， 比較的基準還是網站總體的新訪問比例，GA的展現方式選擇裡面直接提供了與總體比較的視圖「Comparison」，下圖是我做的自訂報表：

GA上面的展現的效果跟用Excel 2010上面定制條件格式後的效果很像(2010可以展現正負值在座標軸左右側區分的紅綠資料條，2007貌似還未實現此功能)，這種基於基準的比較展現非常直觀使用， 其實在其它的分析中同樣可以用到。 那麼你從我的博客的各內容新使用者比例比較分析中看出了什麼?訪問數排在前幾名的文章中很明顯的趨勢就是概念性方法論的文章新使用者比例高於均值(當然主要靠搜尋引擎的幫忙)，而觀點性和分析性的文章的新使用者比例低於均值( 老使用者更偏向于實踐和應用)，所以如果我的博客可以動態向新使用者和老使用者展現不同的內容，那麼這個分析將十分具有價值，也許你的網站可以嘗試下。

最後還是回到一開始的問題，需要總結的是：細分是用於比較的，比較是為了反映差異進而做出調整優化的，所以細分的目的最終還是指導運營決策，這個才是資料分析的價值體現。

» 本文采用 BY-NC-SA 協定，轉載請注明來源：網站資料分析 » 《基於使用者細分的比較分析》