互聯網運營數據分析十個經典方法

方法一：細分

嚴格說，細分不是一種方法，它是一切分析的本源。所以它當之無愧要排名靠前。

我經常的口頭禪是，無細分、毋寧死。沒有細分你做什么分析呀。

細分有兩類，一類是一定條件下的區隔。如：在頁面中停留30秒以上的visit（session）；或者只要北京地區的訪客等。其實就是過濾。另一類是維度（dimension）之間的交叉。如：北京地區的新訪問者。即分群（segmentation）。

細分幾乎幫助我們解決所有問題。比如，構建轉化漏斗，實際上就是把轉化過程按照步驟進行細分。流量渠道的分析和評估也需要大量用到細分的方法。

維度之間的交叉是比較體現一個人分析水平的細分方法。比如，我的朋友孫維（卡車之家的數據負責人），他將用戶的反饋作為eventtracking的屬性（放在了eventaction屬性中），提交給GA，然后在自定義的報告中，將用戶反饋和用戶的其他行為交叉起來，從而看到有某一類反饋的用戶，他們的行為軌跡是什么，從而推測發生了什么問題。

分析跳出率時，我們也會把landingpage和它的trafficsource（流量源）進行交叉，以檢查高跳出率的表現是由著陸頁造成，還是由流量造成。這也是典型的維度交叉細分的應用。

無細分，毋寧死。

方法二：Attribution（歸因）

歸因不是人人都聽說過，用好的更是寥寥無幾。不過，考慮到人們購買某一樣東西的決策，可能受到多種因素（數字營銷媒體）的影響，比如看到廣告了解到這個商品的存在，利用搜索，進一步了解這個商品，然后在social渠道上看到這個商品的公眾號等等。這些因素的綜合，讓一個人下定了決心購買。

因此，很多時候，單一的廣告渠道并不是你打開客戶閘門的閥門，而是多種渠道共同作用的結果。

如何了解數字營銷渠道之間的這種先后關系或者相互作用？如何設置合理的數字營銷渠道的策略以促進這種關系？在評價一個渠道的時候，如何將歸因考慮在內從而能夠更客觀的衡量？這些都需要用到歸因。

如果你是互聯網營銷的負責人，歸因分析是必不可少的分析方法。

方法三：LinkTag的流量標記

Linktag標記流量源頭，絕對是所有方法中最為基本重要的一種。這種方法不僅僅適用于網站的流量來源，也同樣適用于app下載來源的監測（但后者需要滿足一定的條件）。

Linktag的意思，是在流量源頭的鏈出鏈接上（鏈出URL上）加上尾部參數。這些參數不僅不會影響鏈接的跳轉，而且能夠標明這個鏈接所屬的流量源是什么（理論上能夠標明流量源的屬性數是無限的）。

Linktag不能單獨起作用，必須要在網站分析工具或者app分析工具的配合下工作。

Linktag是流量分析的基礎，要嚴肅的分析流量，不僅僅是常規分析，還包括歸因分析（attribution***ysis），都需要使用linktag的方法。

方法四：轉化漏斗

分析轉化的基本模型是轉化漏斗（conversionfunnel），這個大家都應該很熟悉了。

轉化漏斗最常見的是把最終的轉化設置為某種目的的實現，最典型的就是實現銷售，所以大家很多時候把轉化和銷售是混為一談。但轉化漏斗的最終轉化也可以是其他任何目的的實現，比如一次使用app的時間超過10分鐘（sessionduration>10minutes）。對于增長黑客而言，構建漏斗是最為常見的工作。

漏斗幫助我們解決兩方面的問題，靠前、在一個過程中是否發生泄漏，如果有泄漏，我們能在漏斗中看到，并且能夠通過進一步的分析堵住這個泄漏點；第二、在一個過程中是否出現了其他不應該出現的過程，造成轉化主進程受到損害。

漏斗的構建很簡單，無論web還是app，都是最好用的方法之一。但漏斗使用的奧秘則很豐富。而且漏斗方法還會和其他方法混合使用，樂趣無窮。我在互聯網數據運營的課程中也會具體講解。

方法五：Attribution（歸因）

歸因不是人人都聽說過，用好的更是寥寥無幾。不過，考慮到人們購買某一樣東西的決策，可能受到多種因素（數字營銷媒體）的影響，比如看到廣告了解到這個商品的存在，利用搜索，進一步了解這個商品，然后在social渠道上看到這個商品的公眾號等等。這些因素的綜合，讓一個人下定了決心購買。

因此，很多時候，單一的廣告渠道并不是你打開客戶閘門的閥門，而是多種渠道共同作用的結果。

如何了解數字營銷渠道之間的這種先后關系或者相互作用？如何設置合理的數字營銷渠道的策略以促進這種關系？在評價一個渠道的時候，如何將歸因考慮在內從而能夠更客觀的衡量？這些都需要用到歸因。

如果你是互聯網營銷的負責人，歸因分析是必不可少的分析方法。

方法六：微轉化

人人都懂轉化漏斗，但不是所有人都關注微轉化。但是你想指望一個轉化漏斗不斷提升轉化率太困難了，而微轉化卻可以做到。轉化漏斗解決的是轉化過程中的大問題，但大問題總是有限的，這些問題搞定后，你還是需要對你的轉化進行持續優化，這個時候必須要用到微轉化。

微轉化是指在轉化必經過程之外，但同樣會對轉化產生影響的各種元素。這些元素與用戶的互動，左右了用戶的感受，也直接或者間接的影響了用戶的決定。

比如，商品的一些圖片展示，并不是轉化過程中必須要看的，但是它們的存在，是否會對用戶的購買決定產生影響？這些圖片就是微轉化元素。

個人認為，研究微轉化比研究轉化更好玩。有一些案例，課堂上跟大家講。

方法七：AB測試

增長黑客不談AB測試是恥辱。

通過數據優化運營和產品的邏輯很簡單——看到問題，想個主意，做出原型，測試定型。

比如，你發現轉化漏斗中間有一個漏洞，于是你想，一定是商品價格不對頭，讓大家不想買了。你看到了問題——漏斗，而且你也想出了主意——改變定價。

但是這個主意靠不靠譜，可不是你想出來的，必須得讓真實的用戶用。于是你用AB測試，一部分的用戶還是看到老價格，另外一部分用戶看到新價格。若是你的主意真的管用，新價格就應該有更好的轉化。若真如此，新的價格就被確定下來（定型），開始在新的轉化高度上運行，直到你又發現一個新的需要改進的問題。

增長黑客的一個主要思想之一，是不要做一個大而全的東西，而是不斷做出能夠快速驗證的小而精的東西?？焖衮炞C，如何驗證的？主要方法就是AB測試。

今天的互聯網世界，由于流量紅利時代的結束，對于快速迭代的要求大大提升了，這也使我們更加在意測試的力量。

在web上進行AB測試很簡單，在app上難度要高很多，但解決方法還是很多的。國外那些經典app，那些賣錢游戲，幾乎天天都在AB測試。