Quali sono i modelli comuni di analisi dei big data?

Ascolta questo articolo

Ad esempio, quali modelli di dati nell'analisi dei dati possono essere utilizzati direttamente, in particolare per alcuni prodotti della piattaforma Internet. Esistono 11 modelli generali di analisi dei dati che possono essere utilizzati direttamente, tra cui analisi degli eventi, analisi degli attributi, analisi dei canali, analisi delle sessioni, analisi della ritenzione, analisi delle attribuzioni, analisi delle mappe di calore, analisi della distribuzione, analisi degli intervalli, analisi dei percorsi e analisi della canalizzazione.

Il contenuto dell'articolo:

• Analisi degli eventi
• Analisi degli attributi
• Analisi del canale
• Analisi della sessione
• Analisi della ritenzione
• Analisi dell'attribuzione
• Analisi della mappa termica
• Analisi della distribuzione
• Analisi dell'intervallo
• Analisi del percorso
• Analisi dell'imbuto

Analisi degli eventi

Gli eventi si riferiscono al comportamento degli utenti in app, siti Web e altre applicazioni, ovvero chi, quando, dove, come e cosa hanno fatto. Il modello di analisi degli eventi viene utilizzato principalmente per analizzare il comportamento dell'utente nell'applicazione, come l'apertura dell'applicazione, la registrazione, l'accesso e il pagamento dell'ordine. Il comportamento degli utenti viene misurato da metriche di base come il numero di utenti attivati, il numero di trigger e la durata dell'accesso e supporta il calcolo delle metriche per creare metriche complesse per misurare i processi aziendali.

Quindi quali problemi può risolvere il modello di analisi degli eventi? Per esempio:

1. Tieni traccia del numero giornaliero di utenti, visite e tempo di utilizzo del prodotto, la tendenza è cambiata? Quali fattori hanno causato il cambiamento?
2. Qual è la differenza tra la distribuzione degli elettrodomestici acquistati dagli utenti a San Pietroburgo e Mosca?
3. Oggi, il prodotto ha lanciato un argomento, come è la partecipazione degli utenti in ogni periodo?
4. Qual è il numero di utenti paganti e ARPU negli ultimi sei mesi?

Il modello di analisi degli eventi può tenere traccia del comportamento degli utenti sulle piattaforme in tempo reale, attribuire le modifiche degli indicatori nelle dimensioni e combinare indicatori personalizzati in nuovi indicatori per ottenere analisi più potenti. I prodotti di analisi intelligente di Analysys Ark supportano il filtraggio delle dimensioni e le condizioni dei reparti e supportano il confronto tra i gruppi analizzando i gruppi di utenti.

Analisi degli attributi

L'analisi degli attributi si basa su un'analisi delle proporzioni degli attributi definiti dall'utente o degli attributi preimpostati. Può calcolare le proporzioni di attributi metrici come il numero di utenti attraverso vari attributi e quindi ottenere le conclusioni preliminari dell'analisi. Ad esempio, analizzando la percentuale di utenti con caratteristiche di genere, possiamo ottenere rapidamente risultati statistici sul numero di utenti di sesso diverso.

Utilizzando l'analisi degli attributi, puoi vedere rapidamente la distribuzione degli utenti tra diversi attributi, utile per calcolare il numero totale di utenti con caratteristiche diverse. Nel processo di utilizzo dell'analisi attributiva, è necessario scegliere un metodo di misurazione ragionevole. I metodi di misurazione comunemente usati includono: numero di utenti, molteplicità, somma, massimo, minimo, media, ecc.

Ad esempio: l'indicatore che selezioniamo è "Consumo cumulativo medio", la dimensione è "Livello di appartenenza" e l'utente seleziona "Tutti gli utenti", quindi il risultato che otteniamo è "Qual è il consumo medio di tutti gli utenti con diversi livelli di appartenenza .

Simile al modello di analisi degli eventi, il modello di analisi degli attributi può eseguire confronti multidimensionali e multiutente e visualizzare risultati statistici in vari grafici. Lo scenario della funzionalità tag può anche eseguire il confronto statistico dei tag tra le versioni.

Analisi del canale

Canali, ovvero vari punti di contatto tra aziende (prodotti) e utenti, come motori di ricerca, social network, piattaforme pubblicitarie, incontri offline, ecc.

Il modello di analisi del canale viene utilizzato per analizzare le fonti delle visite degli utenti (inclusi i visitatori) e valutare la qualità del canale utilizzando metriche chiave come il numero di utenti in visita, il numero di visite, la durata della visita e la frequenza di rimbalzo . Supporta anche obiettivi di conversione personalizzati per misurare l'effetto di conversione dei canali.

Quindi quali problemi può risolvere l'analisi del canale? Per esempio:

1. E il numero di visitatori e visualizzazioni di pagina di ciascun canale in tempo reale?
2. E il numero di registrazioni degli utenti attratte da ciascun canale?
3. Social media, motori di ricerca, link esterni... Quale canale ha il più alto tasso di fidelizzazione?
4. Gli utenti della fonte Wechat sono più concentrati nell'account ufficiale o nella cerchia di amici?
5. Quali termini di ricerca generano più traffico e convertono bene?

Il modello di analisi del canale può rappresentare chiaramente le prestazioni di ciascun canale identificando le metriche chiave e i tassi di conversione, selezionando la piattaforma di analisi e i parametri del canale per valutare l'effetto di output effettivo di vari canali e infine selezionando una combinazione di canali di alta qualità per migliorare il ROI complessivo.

Analisi della sessione

Una sessione, ovvero una sessione, si riferisce a un insieme di sequenze di azioni dell'utente che si verificano su un sito Web/H5/widget/app in un periodo di tempo. Ad esempio, una sessione può contenere più visualizzazioni di pagina, eventi di interazione e così via.Le sessioni hanno attributi temporali. Si possono creare sessioni di diversa durata secondo diverse regole di taglio.

Il modello di analisi della sessione contiene molte metriche per misurare la qualità dell'accesso alla sessione, tra cui numero di visite, numero di visite pro capite, durata totale della visita, durata per visita, profondità per visita, frequenza di rimbalzo, frequenza di rimbalzo, numero di uscite, frequenza di uscita , e durata della visita per visita pro capite, tempo totale sulla pagina, tempo medio sulla pagina.

A differenza dell'analisi degli eventi, l'analisi della sessione supporta inoltre le suddivisioni di alcune dimensioni per soddisfare le esigenze dell'analisi della sessione in determinati scenari, tra cui:

1. Channel Source Grouping: utilizzato per distinguere le sorgenti del canale di ogni visita, applicabile solo a Web/H5/Mini;
2. Numero di pagine visualizzate: con un passo di 5 come intervallo, viene calcolata la distribuzione del numero di pagine visualizzate ogni volta;
3. Pagina di destinazione: utilizzata per distinguere la pagina di destinazione di ogni visita e valutare la qualità della visita alle diverse pagine di destinazione;
4. Pagina di uscita: utilizzato per differenziare la pagina di uscita ad ogni visita, valutare la situazione di uscita su pagine diverse e trovare una pagina con un alto tasso di uscita per l'ottimizzazione;
5. Durata dell'accesso: 0-3 secondi, 3-10 secondi, 10-30 secondi, 30-60 secondi, 1-3 minuti, 3-10 minuti, 10-30 minuti, 30-60 minuti, 1 ora o più. Dividi e calcola la distribuzione temporale di ogni visita.

Analogamente all'analisi degli eventi, anche l'analisi della sessione supporta più indicatori, più dimensioni e più condizioni di filtro, nonché il confronto orizzontale tra più gruppi di utenti. Allo stesso tempo, durante l'analisi di una sessione, supporta anche l'analisi statistica secondo tre diversi livelli di dettaglio: giorno, settimana e mese. Gli utenti possono selezionare la granularità appropriata per l'analisi in base all'intervallo di tempo dei dati della query.

Analisi della ritenzione

Conservazione significa che gli utenti hanno utilizzato app, siti Web e altre applicazioni e continuano a utilizzarli dopo che è trascorso un po' di tempo.

Il modello di analisi della conservazione è un metodo per misurare lo stato/l'impegno dell'utente al di là di download, DAU e altre metriche per acquisire una profonda comprensione della fidelizzazione e dell'abbandono degli utenti, identificare i fattori chiave che influenzano la crescita sostenibile del prodotto e prendere decisioni di mercato, migliorare il prodotto, aumentare il numero di utenti. costo, ecc.

Quindi quali problemi può risolvere un modello di analisi della conservazione? Per esempio:

1. C'è stata un'iterazione del prodotto il mese scorso, come valutarne l'effetto? Il comportamento è previsto dal product manager?
2. Come app social, c'è differenza tra gli utenti che non aggiungono amici dopo essersi registrati e quelli che aggiungono 10 amici?
3. La conservazione a breve termine è bassa, la conservazione a lungo termine deve essere negativa?
4. Due canali di promozione attirano utenti diversi. Quali utenti del canale hanno maggiori probabilità di essere utenti di valore?
5. Qual è la percentuale di utenti che si sono registrati negli ultimi 30 giorni e che non sono tornati entro mezzo mese?

Il modello di analisi della conservazione supporta il filtraggio condizionale e il benchmarking su più popolazioni, nonché il campionamento casuale e il calcolo completo dei dati. Allo stesso tempo, possiamo anche utilizzare l'analisi della fidelizzazione per determinare se i nuovi utenti sono pronti a tornare a utilizzare la tua funzionalità in pochi giorni, settimane e mesi e possiamo anche personalizzare il comportamento iniziale e finale per l'analisi della fidelizzazione delle funzionalità.

La fidelizzazione viene calcolata in base all'ora di inizio del comportamento di un gruppo di utenti e descrive se il comportamento desiderato si verifica dopo un certo periodo di tempo nella coorte in cui si è verificato il particolare comportamento. Sia il comportamento iniziale che il comportamento successivo possono essere qualsiasi evento o un evento specifico.

Diverse condizioni di archiviazione possono essere impostate per l'analisi in diversi scenari di analisi:

1. Il comportamento iniziale e il comportamento successivo sono impostati per essere gli stessi e le occorrenze ripetute di funzionalità diverse vengono confrontate per accertare l'impegno dell'utente a utilizzare le diverse funzionalità;
2. Il comportamento iniziale è lo stesso e vengono forniti diversi comportamenti successivi per confrontare se la stessa ottimizzazione influisce in modo diverso su altre funzionalità;
3. I passaggi successivi sono gli stessi, specificano comportamenti iniziali diversi, confrontano e individuano l'impatto delle diverse pratiche e caratteristiche del prodotto sugli obiettivi aziendali chiave.

Analisi dell'attribuzione

Durante l'esecuzione di attività operative, potremmo collocare il contenuto dell'evento in più posizioni operative all'interno del prodotto nel tentativo di catturare l'attenzione dell'utente, dirigere il flusso del traffico e il comportamento dell'utente e facilitare l'interazione tra utenti e prodotti, con conseguente conversione. Inoltre, gli utenti stessi possono anche ricevere informazioni attraverso punti di contatto come ricerca e consigli sui contenuti. Questi punti di contatto svolgono anche un ruolo importante nel determinare se gli utenti possono ottenere conversioni.

In altre parole, nel percorso di conversione degli utenti, molti touchpoint sul sito sono coinvolti nel persuadere e guidare gli utenti, influenzando la loro decisione finale. Quindi, confrontando i diversi punti di contatto degli utenti per vedere quanto bene hanno contribuito alle metriche chiave, hanno tutti le grandi opportunità di conversione che gli operatori si aspettano o sono sottovalutati? Nell'operazione successiva, come regolare la distribuzione del peso dell'input delle risorse di ciascun elemento di lavoro?

Per i problemi di cui sopra, l'analisi dell'attribuzione fornisce una misura intuitiva, il contributo alla conversione, che viene utilizzata principalmente per misurare e valutare il contributo dei punti di contatto dell'utente su un sito all'obiettivo di conversione complessivo (ad es. valore totale dell'ordine), che può essere estremamente semplice. Misura l'effetto di conversione e il contributo di valore di ogni postazione di lavoro e punto di contatto. Esistono cinque modelli comuni di analisi dell'attribuzione:

1. Attribuzione al primo tocco: 100% viene assegnato un valore di conversione a un evento che dovrebbe essere attribuito per la prima interazione;
2. Attribuzione ultimo tocco: 100 Il valore di conversione % si riferisce all'ultimo evento di interazione da attribuire;
3. Attribuzione lineare: distribuisce uniformemente il valore della conversione a tutti gli eventi di attributo lungo il percorso di conversione;
4. Attribuzione posizione: assegna il valore di conversione in base alla posizione dell'evento che deve essere attribuito lungo il percorso di conversione. Di norma, gli eventi della prima e dell'ultima interazione sono 40 % ciascuno e gli eventi dei punti di interazione intermedi sono equamente divisi nelle restanti 20%;
5. Temporal Decay Attribution: distribuisci il valore di conversione in ordine cronologico degli eventi che desideri attribuire. Più ci si avvicina all'evento target, maggiore sarà il contributo e più sarà assegnato all'evento attribuito.

Con il modello di analisi dell'attribuzione di Analysys Ark, devi solo impostare cinque semplici passaggi (definire eventi target, eventi touchpoint, scegliere un modello di attribuzione, definire un periodo di finestra e scegliere un intervallo di tempo della query), puoi vedere intuitivamente come ogni touchpoint contribuisce alla conversione metrica complessiva.

Analisi della mappa termica

Il modello di analisi della mappa termica può utilizzare la mappa termica per visualizzare visivamente il comportamento di clic e scorrimento dell'utente sul sito Web, sulla pagina H5 e sull'app, per aiutare il personale del prodotto e operativo a comprendere le preferenze di clic dell'utente, aiutare nell'ottimizzazione del design della pagina, personalizzazione del contenuto, ecc. d.

Esistono quattro tipi comuni di mappe di calore:

1. La mappa termica della posizione dei clic viene utilizzata per visualizzare la posizione di tutti i clic sul sito Web degli utenti. Maggiore è il numero di clic aggregati, più luminoso sarà il colore. Spesso utilizzato per l'analisi della pagina di destinazione: viene fatto clic sul contenuto CTA? Ci sono pulsanti o elementi importanti che vengono frequentemente cliccati e posizionati in luoghi a cui solo pochi utenti possono accedere? Ci sono immagini o testo su cui gli utenti fanno clic ma in realtà non hanno un collegamento?
2. Mappa dei clic sugli elementi per mostrare i clic sugli elementi interagenti. Per analisi: quali elementi specifici generano quanti clic? Qual è la percentuale dei clic totali sulla pagina? Ci sono bug che non soddisfano le nostre aspettative?
3. Visualizza una linea di profondità che mostra il tasso di fidelizzazione degli utenti che arrivano in un'area specifica. Più bassa è la percentuale, meno utenti saranno in grado di vedere la posizione. Spesso utilizzato per trovare il miglior posizionamento CTA e monitorare le conversioni di content marketing.
4. Una mappa termica dell'attenzione che mostra per quanto tempo gli utenti trascorrono in una determinata area, più lungo è il tempo di permanenza, più luminoso è il colore dell'area. Solitamente utilizzato per l'analisi: per capire quale contenuto della pagina attira i visitatori e quale contenuto è considerato importante, ma ignorato dagli utenti? C'è qualche contenuto che è stato letto con attenzione dagli utenti e posizionato troppo in basso?

Diversi tipi di mappe termiche hanno i loro vantaggi e svantaggi, come la mappa termica della posizione del clic. Lo svantaggio è che la quantità di dati segnalati aumenterà, ma può essere molto intuitivo analizzare qualitativamente le esigenze di ricerca degli utenti e trovare un gran numero di clic inaspettati su elementi non interattivi. Facendo clic sulla mappa termica di un elemento si filtrano alcuni dei contenuti che non possono essere cliccati. Gli elementi cliccabili possono essere analizzati quantitativamente, ma questo non è abbastanza intuitivo.

Possiamo scegliere diversi tipi adatti in diversi scenari. Attualmente, Analysys Ark supporta già la mappa termica della posizione del clic, la mappa termica dell'elemento del clic, la linea di profondità della vista laterale del Web, la mappa termica della posizione del clic e la mappa termica dell'elemento del clic laterale dell'app.

Analisi della distribuzione

L'analisi della distribuzione può fondamentalmente consentire la scomposizione dei dati dopo "l'indicizzazione della dimensione", suddividere la dimensione originale in base a un determinato intervallo numerico e quindi analizzare la distribuzione di ciascun intervallo di misurazione, che è molto comune nei seguenti scenari di analisi: distribuzione della somma, analisi della distribuzione di un certo tipo di evento speciale nel periodo di tempo, analisi del numero di occorrenze di un certo tipo di evento speciale e analisi della distribuzione per età degli utenti che hanno avviato un certo tipo di evento.

L'analisi della distribuzione si concentra principalmente su due tipi di attributi, tipo numerico e tipo data, come conteggio, età, ora e frequenza.Pertanto, quando i dati caricati dall'utente includono questi due tipi di attributi, nell'analisi giornaliera, l'analisi può essere utilizzata per risolvere alcuni compiti specifici. Gli indicatori comuni includono: distribuzione della frequenza di X eventi, distribuzione dei periodi attivi di X eventi, distribuzione dei giorni attivi di X eventi e distribuzione dei valori somma/media/capite di X eventi e Y attributi.

Analisi dell'intervallo

L'analisi dell'intervallo viene utilizzata principalmente per calcolare la quantità di tempo che intercorre tra il momento in cui un utente avvia un evento di inizio specificato e completa un evento di destinazione specificato. Cioè, fondamentalmente fornisce statistiche sulle metriche correlate in termini di tempo e lunghezza del passo dall'evento iniziale all'obiettivo di conversione, in modo che le persone che prestano attenzione alla conversione possano osservare la situazione del processo di conversione su queste metriche.

Esistono molti casi d'uso per l'analisi dell'intervallo: può essere utilizzata per calcolare l'intervallo di tempo di accesso e il ciclo di riacquisto del prodotto, come strumento di analisi per misurare l'attività e la viscosità dell'utente e in aggiunta all'analisi della canalizzazione di conversione. L'indicatore di durata viene utilizzato per misurare il rendimento della conversione di uno specifico percorso di conversione nel tempo.

L'analisi dell'intervallo è un'aggiunta alla canalizzazione di conversione quando viene utilizzata per misurare il rendimento della conversione. Tuttavia, entrambi hanno le proprie idiosincrasie: l'analisi dell'intervallo si concentra sull'efficacia del tempo degli utenti per completare una conversione, mentre le canalizzazioni di conversione si concentrano sulle metriche dei risultati della conversione, nonché sulle conversioni e sulla perdita di ciascun collegamento nel processo di conversione.

Pur prestando attenzione ai risultati della conversione e ai parametri che influenzano i risultati, dobbiamo anche prestare attenzione agli indicatori di performance nel processo di conversione. Ad esempio, per le app finanziarie e di gestione patrimoniale, dalla landing page al primo deposito, sono coinvolti molti link di conversione, oltre alla conversione finale. Oltre alla velocità, è necessario prestare attenzione all'efficienza di conversione tra le fasi principali, in particolare la registrazione, il collegamento delle carte e altri collegamenti.

Con l'analisi dell'intervallo, possiamo osservare l'intervallo di tempo della distribuzione degli utenti che eseguono due determinati eventi. In combinazione con altri modelli di analisi, possiamo ottenere informazioni sulle leggi alla base del comportamento degli utenti al fine di studiare e migliorare l'esperienza dell'utente, l'attività, il tasso di conversione del prodotto e il valore del prodotto.

Analisi del percorso

I percorsi sono le traiettorie comportamentali che gli utenti utilizzano in un'applicazione. Nel processo di lavoro con un prodotto, che si tratti di un prodotto, di un team operativo o di un team di marketing, si spera che il percorso del comportamento dell'utente possa essere chiaramente compreso al fine di testare l'idea operativa, guidare l'ottimizzazione iterativa del prodotto, e raggiungere l'obiettivo finale della crescita e della conversione degli utenti.

Quando c'è un percorso di conversione chiaro, è più facile monitorare i tassi di conversione costruendo una canalizzazione in anticipo. Tuttavia, in molti casi, pur avendo un obiettivo di conversione finale, gli utenti hanno più percorsi per raggiungerlo. In questo caso, è necessario un modello di analisi del percorso intelligente.

Con Analysys Ark Path Mining Model, puoi aprire la scatola nera del comportamento degli utenti, puoi esplorare il percorso di origine dell'obiettivo di conversione e puoi visualizzare tutti i percorsi e le proporzioni degli utenti.

Il modello di path mining può risolvere i seguenti problemi:

1. Da quale percorso gli utenti formano principalmente una conversione di pagamento?
2. Qual è la direzione effettiva dopo che l'utente ha lasciato il percorso previsto?
3. Quali sono le differenze nei percorsi di comportamento degli utenti per caratteristiche diverse?

Analisi dell'imbuto

L'analisi della canalizzazione è un metodo per analizzare l'effetto di conversione degli utenti attraverso una serie di passaggi quando utilizzano un'azienda. Il modello di analisi dell'imbuto di Analysys Ark può personalizzare in modo flessibile il processo di conversione in più passaggi, trovare relazioni di perdita chiave e fattori di influenza e quindi analizzare il comportamento degli utenti per azioni di ottimizzazione mirate.

Quindi cosa può risolvere esattamente l'analisi dell'imbuto? Per esempio:

1. Il sito ufficiale ha molto traffico, ma pochi utenti registrati. Quale parte del processo è andata storta?
2. Qual è la conversione complessiva degli utenti da "registrati - collega una carta - effettua un ordine - paga l'ordine"?
3. Quali sono le differenze nei tassi di conversione dei pagamenti personalizzati tra le regioni?
4. Due canali di promozione portano utenti diversi, quale canale ha la più alta conversione di registrazione?
5. La scorsa settimana è stato ottimizzato il link di registrazione, le dinamiche di conversione sono migliorate?

Idealmente, gli utenti dovrebbero seguire il percorso di progettazione del prodotto fino all'evento obiettivo finale, ma la realtà è che i percorsi comportamentali degli utenti sono diversi. Impostando percorsi di business chiave attraverso eventi nascosti, possiamo analizzare la situazione con conversioni e perdite in vari scenari di business. Non solo individuiamo potenziali problemi del prodotto, ma troviamo anche gli utenti persi in ogni collegamento e quindi li indirizziamo per guidare la conversione.

Leggendo questo articolo:

• Qual è la differenza tra sem e seo?
• Fattori comportamentali di ranking del sito web: come aumentare?

Grazie per aver letto: AIUTO SEO | NICOLA.TOP