¿Cuáles son los modelos comunes de análisis de big data?

Escucha este artículo

Por ejemplo, qué modelos de datos en el análisis de datos se pueden usar directamente, especialmente para algunos productos de plataformas de Internet. Hay 11 modelos generales de análisis de datos que se pueden usar directamente, incluidos el análisis de eventos, el análisis de atributos, el análisis de canales, el análisis de sesiones, el análisis de retención, el análisis de atribuciones, el análisis de mapas de calor, el análisis de distribución, el análisis de intervalos, el análisis de rutas y el análisis de embudo.

El contenido del artículo:

• Análisis de eventos
• Análisis de atributos
• Análisis de canales
• Análisis de sesión
• Análisis de retención
• Análisis de atribución
• Análisis de mapas de calor
• Análisis de Distribución
• Análisis de intervalo
• Análisis de ruta
• Análisis de embudo

Análisis de eventos

Los eventos se refieren al comportamiento de los usuarios en aplicaciones, sitios web y otras aplicaciones, es decir, quién, cuándo, dónde, cómo y qué hicieron. El modelo de análisis de eventos se utiliza principalmente para analizar el comportamiento del usuario en la aplicación, como abrir la aplicación, registrarse, iniciar sesión y pagar el pedido. El comportamiento del usuario se mide mediante métricas básicas, como la cantidad de usuarios activados, la cantidad de activadores y la duración del acceso, y admite el cálculo de métricas para crear métricas complejas para medir el proceso comercial.

Entonces, ¿qué problemas puede resolver el modelo de análisis de eventos? Por ejemplo:

1. Realice un seguimiento del número diario de usuarios, visitas y tiempo de uso del producto, ¿ha cambiado la tendencia? ¿Qué factores provocaron el cambio?
2. ¿Cuál es la diferencia entre la distribución de electrodomésticos comprados por usuarios en San Petersburgo y Moscú?
3. Hoy, el producto lanzó un tema, ¿cómo es la participación de los usuarios en cada período?
4. ¿Cuál es el número de usuarios de pago y ARPU en los últimos seis meses?

El modelo de análisis de eventos puede rastrear el comportamiento del usuario en todas las plataformas en tiempo real, atribuir cambios de indicadores en todas las dimensiones y combinar indicadores personalizados en nuevos indicadores para lograr análisis más potentes. Los productos de análisis inteligente de Analysys Ark admiten el filtrado de dimensiones y las condiciones del departamento, y admiten la comparación de grupos mediante el análisis de grupos de usuarios.

Análisis de atributos

El análisis de atributos se basa en un análisis de las proporciones de atributos definidos por el usuario o atributos preestablecidos. Puede calcular las proporciones de los atributos métricos, como el número de usuarios en varios atributos, y luego obtener las conclusiones preliminares del análisis. Por ejemplo, al analizar la proporción de usuarios con características de género, podemos obtener rápidamente resultados estadísticos sobre la cantidad de usuarios de diferentes géneros.

Mediante el análisis de atributos, puede ver rápidamente la distribución de usuarios en diferentes atributos, lo que resulta útil para calcular el número total de usuarios con diferentes características. En el proceso de utilizar el análisis atributivo, es necesario elegir un método de medición razonable. Los métodos de medición comúnmente utilizados incluyen: número de usuarios, multiplicidad, suma, máximo, mínimo, promedio, etc.

Por ejemplo: el indicador que seleccionamos es "Consumo promedio acumulado", la dimensión es "Nivel de membresía" y el usuario selecciona "Todos los usuarios", luego el resultado que obtenemos es "¿Cuál es el consumo promedio de todos los usuarios con diferentes niveles de membresía? .

Similar al modelo de análisis de eventos, el modelo de análisis de atributos puede realizar comparaciones multidimensionales y multiusuario y mostrar resultados estadísticos en varios gráficos. El escenario de características de etiquetas también puede realizar una comparación estadística de etiquetas entre versiones.

Análisis de canales

Canales, es decir, varios puntos de contacto entre empresas (productos) y usuarios, como motores de búsqueda, redes sociales, plataformas publicitarias, reuniones fuera de línea, etc.

El modelo de análisis de canales se utiliza para analizar las fuentes de las visitas de los usuarios (incluidos los visitantes) y evaluar la calidad del canal utilizando métricas clave como la cantidad de usuarios visitantes, la cantidad de visitas, la duración de la visita y la tasa de rebote. . También admite objetivos de conversión personalizados para medir el efecto de conversión de los canales.

Entonces, ¿qué problemas puede resolver el análisis de canales? Por ejemplo:

1. ¿Qué pasa con el número de visitantes y páginas vistas de cada canal en tiempo real?
2. ¿Qué pasa con el número de registros de usuarios atraídos por cada canal?
3. Redes sociales, buscadores, enlaces externos… ¿Qué canal tiene la mayor tasa de retención?
4. ¿Los usuarios de Wechat source están más concentrados en la cuenta oficial o en el círculo de amigos?
5. ¿Qué términos de búsqueda generan más tráfico y generan buenas conversiones?

El modelo de análisis de canales puede representar claramente el rendimiento de cada canal identificando métricas clave y tasas de conversión, seleccionando la plataforma de análisis y los parámetros del canal para evaluar el efecto de salida real de varios canales y, finalmente, seleccionando una combinación de canales de alta calidad para mejorar el retorno de la inversión general.

Análisis de sesión

Una sesión, es decir, una sesión, se refiere a un conjunto de secuencias de acciones del usuario que ocurren en un sitio web/H5/widget/aplicación durante un período de tiempo. Por ejemplo, una sesión puede contener varias vistas de página, eventos de interacción, etc. Las sesiones tienen atributos temporales. Se pueden crear sesiones de diferentes duraciones de acuerdo con diferentes reglas de corte.

El modelo de análisis de sesión contiene muchas métricas para medir la calidad del acceso a la sesión, incluida la cantidad de visitas, la cantidad de visitas per cápita, la duración total de la visita, la duración por visita, la profundidad por visita, la tasa de rebote, la tasa de rebote, la cantidad de salidas, la tasa de salida , y duración de la visita por visita per cápita, tiempo total en la página, tiempo promedio en la página.

A diferencia del análisis de eventos, el análisis de sesiones también admite subdivisiones de algunas dimensiones para satisfacer las necesidades del análisis de sesiones en ciertos escenarios, que incluyen:

1. Agrupación de fuentes de canales: se utiliza para distinguir las fuentes de canales de cada visita, aplicable solo a Web/H5/Mini;
2. Número de páginas vistas: con un paso de 5 como intervalo, se calcula la distribución del número de páginas vistas cada vez;
3. Landing page: se utiliza para distinguir la página de destino de cada visita, y se puede evaluar la calidad de la visita a diferentes páginas de destino;
4. Página de salida: se utiliza para diferenciar la página de salida en cada visita, evaluar la situación de salida en diferentes páginas y encontrar una página con una tasa de salida alta para la optimización;
5. Duración del acceso: 0-3 segundos, 3-10 segundos, 10-30 segundos, 30-60 segundos, 1-3 minutos, 3-10 minutos, 10-30 minutos, 30-60 minutos, 1 hora o más. Divida y calcule la distribución del tiempo de cada visita.

Al igual que el análisis de eventos, el análisis de sesiones también admite múltiples indicadores, múltiples dimensiones y múltiples condiciones de filtro, así como la comparación horizontal entre múltiples grupos de usuarios. Al mismo tiempo, a la hora de analizar una sesión, también soporta el análisis estadístico según tres niveles de detalle diferentes: día, semana y mes. Los usuarios pueden seleccionar la granularidad adecuada para el análisis según el intervalo de tiempo de los datos de la consulta.

Análisis de retención

La retención significa que los usuarios han usado aplicaciones, sitios web y otras aplicaciones y continúan usándolas después de que haya pasado un tiempo.

El modelo de análisis de retención es un método para medir el estado/compromiso del usuario más allá de las descargas, DAU y otras métricas para obtener una comprensión profunda de la retención y rotación de usuarios, identificar factores clave que influyen en el crecimiento sostenible del producto y tomar decisiones de mercado, mejorar el producto, aumentar el número de usuarios. costo, etc

Entonces, ¿qué problemas puede resolver un modelo de análisis de retención? Por ejemplo:

1. ¿Hubo una iteración del producto el mes pasado, cómo evaluar su efecto? ¿Es el comportamiento esperado por el gerente de producto?
2. Como aplicación social, ¿hay alguna diferencia entre los usuarios que no agregan amigos después de registrarse y los que agregan 10 amigos?
3. La retención a corto plazo es baja, ¿la retención a largo plazo debe ser mala?
4. Dos canales de promoción atraen a diferentes usuarios. ¿Qué usuarios del canal tienen más probabilidades de ser usuarios valiosos?
5. ¿Cuál es la proporción de usuarios que se registraron en los últimos 30 días que no regresaron en medio mes?

El modelo de análisis de retención admite el filtrado condicional y la evaluación comparativa en múltiples poblaciones, así como el muestreo aleatorio y el cálculo de datos completos. Al mismo tiempo, también podemos usar el análisis de retención para determinar si los nuevos usuarios están listos para volver a usar su función en unos pocos días, semanas y meses, y también podemos personalizar el comportamiento inicial y final para el análisis de retención de funciones.

La retención se calcula en función de la hora de inicio del comportamiento de un grupo de usuarios y describe si el comportamiento deseado ocurre después de un cierto período de tiempo en la cohorte donde ocurrió el comportamiento particular. Tanto el comportamiento inicial como el comportamiento posterior pueden ser cualquier evento o un evento específico.

Se pueden establecer diferentes condiciones de almacenamiento para el análisis en diferentes escenarios de análisis:

1. El comportamiento inicial y el comportamiento subsiguiente se configuran para que sean iguales, y se comparan las ocurrencias repetidas de diferentes funciones para determinar el compromiso del usuario con el uso de las diferentes funciones;
2. El comportamiento inicial es el mismo, y se dan diferentes comportamientos posteriores para comparar si la misma optimización afecta a otras características de manera diferente;
3. Los pasos posteriores son los mismos, especifican diferentes comportamientos iniciales, comparan y encuentran el impacto de las diferentes prácticas y características del producto en los objetivos comerciales clave.

Análisis de atribución

Al realizar actividades operativas, podemos colocar contenido de eventos en múltiples posiciones operativas dentro del producto en un intento de captar la atención del usuario, dirigir el flujo de tráfico y el comportamiento del usuario, y facilitar la interacción entre los usuarios y los productos, lo que da como resultado la conversión. Además, los propios usuarios también pueden recibir información a través de puntos de contacto, como recomendaciones de búsqueda y contenido. Estos puntos de contacto también juegan un papel importante en si los usuarios pueden lograr conversiones.

En otras palabras, en el viaje de conversión del usuario, muchos puntos de contacto en el sitio están involucrados para persuadir y guiar a los usuarios, lo que influye en su decisión final. Luego, comparando diferentes puntos de contacto de los usuarios para ver qué tan bien contribuyeron a las métricas clave, ¿tienen todos las grandes oportunidades de conversión que esperan los operadores o están infravalorados? En la operación subsiguiente, ¿cómo ajustar la distribución del peso de entrada de recursos de cada elemento de trabajo?

Para los problemas anteriores, el análisis de atribución proporciona una medida intuitiva, la Contribución de conversión, que se usa principalmente para medir y evaluar la contribución de los puntos de contacto del usuario en un sitio al objetivo de conversión general (por ejemplo, el valor total del pedido), que puede ser extremadamente sencillo. Mida el efecto de conversión y la contribución de valor de cada lugar de trabajo y punto de contacto. Hay cinco modelos comunes de análisis de atribución:

1. Atribución de primer contacto: 100% se asigna un valor de conversión a un evento que debe atribuirse para la primera interacción;
2. Atribución de último toque: 100 % valor de conversión se refiere al último evento de interacción que se atribuirá;
3. Atribución lineal: distribuye uniformemente el valor de la conversión a todos los eventos de atributo a lo largo de la ruta de conversión;
4. Atribución de ubicación: asigne el valor de conversión de acuerdo con la posición del evento que debe atribuirse a lo largo de la ruta de conversión. Como regla general, los eventos de la primera y la última interacción son 40 % cada uno, y los eventos de los puntos de interacción intermedios se dividen por igual en los 20% restantes;
5. Atribución de deterioro temporal: distribuya el valor de conversión en orden cronológico de los eventos que desea atribuir. Cuanto más cerca del evento de destino, mayor será la contribución y más se asignará al evento atribuido.

Con el modelo de análisis de atribución de Analysys Ark, solo necesita configurar cinco pasos simples (definir eventos de destino, eventos de punto de contacto, elegir un modelo de atribución, definir un período de ventana y elegir un rango de tiempo de consulta), puede ver intuitivamente cómo cada punto de contacto contribuye a la conversión métrica general.

Análisis de mapas de calor

El modelo de análisis de mapa de calor puede usar el mapa de calor para mostrar visualmente el comportamiento de clic y desplazamiento del usuario en el sitio web, la página H5 y la aplicación, para ayudar al producto y al personal de operaciones a comprender las preferencias de clic del usuario, ayuda en la optimización del diseño de la página, personalización del contenido, etc d.

Hay cuatro tipos comunes de mapas de calor:

1. El mapa de calor de ubicación de clics se utiliza para mostrar la ubicación de todos los clics en el sitio web de los usuarios. Cuantos más clics se agreguen, más brillante será el color. A menudo se usa para el análisis de la página de destino: ¿se está haciendo clic en el contenido de la CTA? ¿Hay botones o elementos importantes en los que se hace clic con frecuencia y se colocan en lugares a los que solo pueden acceder unos pocos usuarios? ¿Hay alguna imagen o texto en el que los usuarios hagan clic pero que en realidad no tenga un enlace?
2. Mapa de clics de elementos para mostrar clics en elementos que interactúan. Para el análisis: ¿qué elementos específicos generan cuántos clics? ¿Qué porcentaje del total de clics en la página se toma? ¿Hay errores que no cumplen con nuestras expectativas?
3. Vea una línea de profundidad que muestra la tasa de retención de los usuarios que llegan a un área específica. Cuanto menor sea el porcentaje, menos usuarios podrán ver la ubicación. A menudo se usa para encontrar la mejor ubicación de CTA y monitorear las conversiones de marketing de contenido.
4. Un mapa de calor de atención que muestra cuánto tiempo permanecen los usuarios en un área determinada, cuanto mayor sea el tiempo de permanencia, más brillante será el color del área. Por lo general, se utiliza para el análisis: para comprender qué contenido de la página atrae a los visitantes y qué contenido se considera importante, pero los usuarios lo ignoran. ¿Hay algún contenido que los usuarios hayan leído detenidamente y se haya colocado demasiado abajo?

Los diferentes tipos de mapas de calor tienen sus propias ventajas y desventajas, como el mapa de calor de ubicación de clics. La desventaja es que la cantidad de datos reportados aumentará, pero puede ser muy intuitivo analizar cualitativamente las necesidades de investigación de los usuarios y encontrar una gran cantidad de clics inesperados en elementos no interactivos. Al hacer clic en el mapa de calor de un elemento, se filtra parte del contenido en el que no se puede hacer clic. Los elementos en los que se puede hacer clic se pueden analizar cuantitativamente, pero esto no es lo suficientemente intuitivo.

Podemos elegir diferentes tipos adecuados en diferentes escenarios. Actualmente, Analysys Ark ya es compatible con el mapa de calor de posición de clic, el mapa de calor de elemento de clic, la línea de profundidad de la vista lateral web, el mapa de calor de posición de clic y el mapa de calor de elemento de clic del lado de la aplicación.

Análisis de Distribución

El análisis de distribución básicamente puede permitir la descomposición de datos después de la "indexación de dimensiones", dividir la dimensión original de acuerdo con un cierto rango numérico y luego analizar la distribución de cada rango de medición, que es muy común en los siguientes escenarios de análisis: distribución de suma, análisis de la distribución de un determinado tipo de período de tiempo de evento especial, análisis del número de ocurrencias de un determinado tipo de evento especial y análisis de la distribución por edades de los usuarios que iniciaron un determinado tipo de evento.

El análisis de distribución se centra principalmente en dos tipos de atributos, tipo numérico y tipo de fecha, como recuento, edad, hora y frecuencia. Por lo tanto, cuando los datos cargados por el usuario incluyen estos dos tipos de atributos, entonces en el análisis diario, distribución El análisis se puede utilizar para resolver algunas tareas específicas. Los indicadores comunes incluyen: distribución de frecuencia de eventos X, distribución de períodos activos de eventos X, distribución de días activos de eventos X y distribución de valores de suma/promedio/cápita de eventos X y atributos Y.

Análisis de intervalo

El análisis de intervalo se utiliza principalmente para calcular la cantidad de tiempo entre el momento en que un usuario activa un evento de inicio específico y completa un evento de destino específico. Es decir, básicamente proporciona estadísticas sobre métricas relacionadas en términos de tiempo y duración del paso desde el evento de inicio hasta el objetivo de conversión, para que las personas que prestan atención a la conversión puedan observar la situación del proceso de conversión en estas métricas.

Hay muchos casos de uso para el análisis de intervalos: se puede usar para calcular el intervalo de tiempo de inicio de sesión y el ciclo de recompra del producto, como una herramienta de análisis para medir la actividad y la permanencia del usuario, y como complemento del análisis del embudo de conversión. El indicador de duración se utiliza para medir el rendimiento de conversión de una ruta de conversión específica a lo largo del tiempo.

El análisis de intervalos es una adición al embudo de conversión cuando se usa para medir el rendimiento de la conversión. Sin embargo, ambos tienen sus propias idiosincrasias: el análisis de intervalos se enfoca en la efectividad del tiempo de los usuarios para completar una conversión, mientras que los embudos de conversión se enfocan en las métricas de resultados de conversión, así como en las conversiones y la pérdida de cada enlace en el proceso de conversión.

Al prestar atención a los resultados de la conversión y los parámetros que afectan los resultados, también debemos prestar atención a los indicadores de rendimiento en el proceso de conversión. Por ejemplo, para las aplicaciones financieras y de gestión de patrimonio, desde la página de inicio hasta el primer depósito, se involucran muchos enlaces de conversión, además de la conversión final. Además de la velocidad, debe prestar atención a la eficiencia de conversión entre las etapas principales, especialmente el registro, la vinculación de tarjetas y otros enlaces.

Con el análisis de intervalo, podemos observar el intervalo de tiempo de la distribución de usuarios que ejecutan dos eventos dados. Combinado con otros modelos de análisis, podemos obtener información sobre las leyes detrás del comportamiento del usuario para estudiar y mejorar la experiencia del usuario, la actividad, la tasa de conversión del producto y el valor del producto.

Análisis de ruta

Las rutas son las trayectorias de comportamiento que los usuarios utilizan en una aplicación. En el proceso de trabajar con un producto, ya sea un producto, un equipo de operaciones o un equipo de marketing, se espera que la ruta de comportamiento del usuario pueda entenderse claramente para probar la idea de operación, guiar la optimización iterativa del producto, y lograr el objetivo final de crecimiento y conversión de usuarios.

Cuando hay una ruta de conversión clara, es más fácil realizar un seguimiento de las tasas de conversión mediante la creación de un embudo con anticipación. Sin embargo, en muchos casos, a pesar de tener un objetivo de conversión final, los usuarios tienen múltiples caminos para lograr ese objetivo. En este caso, se requiere un modelo de análisis de ruta inteligente.

Con el modelo de minería Analysys Ark Path, puede abrir el cuadro negro del comportamiento del usuario, puede explorar la ruta de origen del objetivo de conversión y puede visualizar todas las rutas y proporciones de los usuarios.

El modelo de minería de rutas puede resolver los siguientes problemas:

1. ¿Desde qué ruta forman principalmente los usuarios una conversión de pago?
2. ¿Cuál es la dirección real después de que el usuario deja el camino esperado?
3. ¿Cuáles son las diferencias en las rutas de comportamiento del usuario para diferentes características?

Análisis de embudo

El análisis de embudo es un método para analizar el efecto de conversión de los usuarios a través de una serie de pasos cuando usan un negocio. El modelo de análisis de embudo de Analysys Ark puede personalizar de forma flexible el proceso de conversión en varios pasos, encontrar relaciones de pérdida clave y factores influyentes, y luego analizar el comportamiento del usuario para acciones de optimización específicas.

Entonces, ¿qué puede resolver exactamente el análisis de embudo? Por ejemplo:

1. El sitio oficial tiene mucho tráfico, pero pocos usuarios registrados. ¿Qué parte del proceso salió mal?
2. ¿Cuál es la conversión general de usuarios de "registrarse - vincular una tarjeta - realizar un pedido - pagar el pedido"?
3. ¿Cuáles son las diferencias en las tasas de conversión de pagos personalizados entre regiones?
4. Dos canales de promoción traen diferentes usuarios, ¿qué canal tiene la conversión de registro más alta?
5. La semana pasada se optimizó el link de registro, ¿mejoró la dinámica de conversión?

Idealmente, los usuarios deberían seguir la ruta del diseño del producto hasta el evento del objetivo final, pero la realidad es que las rutas de comportamiento del usuario son diversas. Al configurar rutas comerciales clave a través de eventos ocultos, podemos analizar la situación con conversiones y pérdidas en varios escenarios comerciales. No solo localizamos posibles problemas con el producto, sino que también encontramos a los usuarios perdidos en cada enlace y luego nos dirigimos a ellos para impulsar la conversión.

Leyendo este artículo:

• ¿Cuál es la diferencia entre sem y seo?
• Factores de clasificación de sitios web de comportamiento: ¿cómo aumentar?

Gracias por leer: AYUDANTE DE SEO | NICOLA.TOP