20170325 宋星数据分析优化课程学习

关注宋星的网站分析及他的blog文章,公众号已经有6年时间了,从开始踏入电子商务,跨境电商行业以来,从最初的小客服,到推广到运营再到策划,他的blog不但给我理清了很多基础概念而且更是点燃了我对网站运营及数据分析优化的极大兴趣,虽然这一路上走了不少弯路,但不管在哪个岗位上,都需要有数据分析思维。今天一整天的课程,感觉如同他的blog文字一般,细致,谦逊,耐心,专业及高情商。

先来说说今天发生的一些情况,由于培训会议大厅的投影屏幕设备不够清晰,导致无法清晰的看到课程ppt内容,有些童鞋开始在群里抱怨,说培训设备及服务很差劲,不值所交的学费;这是其一;其二,中午吃饭的餐厅饭菜简单,卫生和服务都不是很好,中途还发生了一些不愉快的事情,于是某些童鞋非常有情绪,直接在群里发泄了一通; 通过这两件事,发现有些童鞋是直接公司出钱来听课的,也有从全国各地赶来的童鞋,有些求知若渴,飞了大半个中国来听课,有些却把自己当上帝,以为是来享受服务的,并没有摆正自己学习的心态,才会因为一些小事情而否定整个课程的价值。联想到自己所学到MBA课程,上节公司治理的课程老师也表达了同样的观点,虽然我们交了高额的学费,但既然是来学习,就要有学生的自觉和态度,而不是把自己当作购买了产品的消费者,自视为上帝,一切都要以自我为中心,享受与高额学费相匹配的待遇和服务才甘心。

其实学习是自己的事情,不管是主动还是被动的学习,我们的注意力和重点是要放在学习进步本身,而不是攀枝末节的其它。也只有端正好学习的心态,才能倒空自己,吸收新的知识和见解。

回顾今天所学内容

微信指数:微信新推出的一项评估推广效果之后的品牌影响力指数,此指数包含了关于品牌的所有长尾信息,使得这个影响指数更准确和全面。也更能体现品牌的热度和知名度。

学习数据分析实质上是利用数据进行商业分析,其并不需要高深的数学技能,重点在于分析的思维和方法

在流量持续上升的现实背景下,只有将对用户有用且买得起的产品推送到用户面前才有可能产生转化

一切数据的基础是识别唯一的“人” ,在web端可以通过cookie来识别用户,在移动App通过埋sdk来识别device id

数据分析的基础数据指标

pre-click: impression,clicks,CTR

post-clicks:PV,visitors(users),visit(session)

engament:bounce rate,duration,depth

转化,转化率

post-buy:visit/visitor,重复购买率,churn tate 流失率,LTV生命周期价值

一次性购买产品也可以进行复购,通过口碑将产品或者服务介绍给他们的朋友 而产生二次购买,MGM

营销数据核心方法是细分

第二章流量分析

数据收集的源头是对点击流量进行分析

通过link tag可以标记不同渠道的流量以便区分

SEM效果分析

1.渠道流量解读

直接方法一 只看转化

直接方法二 只看engament

直接方法的延伸 ROI和engameny的混合分析法

通过气泡图,可以查看四个维度的数据情况

engagement值如何计算?

先定义要衡量的engagement有哪些,再将各项指标的表现区间进行打分

一般来说电商站,bounce rate 超过80%是差劲的网站,60-80%之间属于正常范围,40-60%属于好的网站,而20-40%是非常优秀的网站

duration网站停留时常,至少要45秒,一般正常网站在1分30秒左右

depth 访问深度 一般在1.2-1.5个页面

营销数据核心方法是细分

第二章流量分析

数据收集的源头是对点击流量进行分析

通过link tag可以标记不同渠道的流量以便区分

SEM效果分析

1.渠道流量解读

直接方法一 只看转化

直接方法二 只看engament

直接方法的延伸 ROI和engameny的混合分析法

通过气泡图,可以查看四个维度的数据情况

engagement值如何计算?

先定义要衡量的engagement有哪些,再将各项指标的表现区间进行打分,将打分相加除以engagement的个数即可获得该数值

engegament 高但是roi低的渠道不能一棒打死,需要对流量成分进行分析,是否新老用户比例不一样,通常新用户流量转化都不高

归因

归因分析的前提是设置转化目标

GA-conversision-multi-channel flunne-overview(归因模型)

1.找到助攻及进攻流量

2.找到助攻及进攻的流量渠道

Ga-conversition-assistent conversions

3.助攻流量助攻了哪个渠道?(查看归因路径报告)

top conversion path

归因模型的价值在于了解渠道价值,调整渠道策略

归因模型的Ga设置

Conversision-atribution-model campaign-create a new model-position base(一般首次及末次比较重要,需要设置相对较高的权重)-apply custon credit rules-save and apply

SEM 优化最佳实践

抓大放小(二八原则)

区隔对比

品牌词 roi最高

通用词

竞品词  roi次之

广泛词

产品词 roi 次之

人群特征词

词间关联原则

Seo分析

影响页面表现的因素

内容的质量

功能和结构

口碑

网页访问速度

第三章 品牌

1.宏观品牌力

微信指数-社会化聆听

2.评价品牌营销效果

pre-click

post-click

survey

iwom

推荐网址: zodiac 了解英语语言国家人们都在谈论什么

quid.com

第四章 用户承接和转化分析优化

世界网站转化率水平

           pc。    mobile

retail。4.4%。  1.6%

travel。 4.3%。 1.3%

分析landing page 的指标

1.lp的triffic 质量(direct和orginic流量表现可作为lp页面流量表现的benchmark,用来分析判断是流量问题还是lp问题)

2.lp页面质量

3.页面打开速度

4.随着页面流量上升,新流量占比也必然增加,故而lp页面跳出率将会必然的相应上升

深度优化lp

通过细分的热力图进行分析

分析页面内容是否合理

哪些内容用户更关注,以此来调整页面内容布局

弹框(客服咨询)连续弹两次后,之后每隔一分钟弹出一次

lp页面文案及内容优化

1.人们有从众心理

2.用户关注点,关注点信息放在首页首屏

3. cta放在屏幕黄金对角线的位置“左上到右下”

特殊单页分析

通过热力图分析人们在页面上详细的行为及注意力情况

lp做ab测试:至少有一周的时间 数据量达到1w才有意义

ga的ab测试

behavior-experiment/create a new one- 原始页面url-测试页面URL-两个页面都加上跟踪代码-save


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,132评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,802评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,566评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,858评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,867评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,695评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,064评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,705评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,915评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,677评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,796评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,432评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,041评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,992评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,223评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,185评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,535评论 2 343

推荐阅读更多精彩内容