互联网行业的数据分析,到底在分析什么?

简介: 经常有小伙伴问:天天看你们说互联网数据分析,到底互联网数据分析在分析什么?今天给大家分享一下哦。首先,所有的数据分析,都是围绕三个问题展开的:监控现状,发现问题分析原因,评估效果预测走势,测试方案但是在不同的场景,解决的问题不一样。因此想知道互联网数据分析在分析什么,得弄清楚,所谓的“互联网”到底有哪些场景。笼统地说,有7个大场景。

一、产品分析


首先,名字挂了“互联网”三个字,起码得有个APP/小程序/H5页面才像话,这些统称互联网应用。以电商应用为例,至少得有下面四个功能模块,才能运转起来。


  • 注册
  • 登录
  • 首页
  • 交易


在互联网公司,一般由产品经理提需求,开发负责实现。有了一个应用程序,就有了第一个可分析的东西:产品分析。产品分析主要针对应用程序各功能模块的点击、使用、跳转情况进行分析,包括:


  • 监控是否能正常使用。


  • 发现各功能模块的问题。


  • 提高核心功能转化效率。


关心产品分析结果的,一般是产品经理/产品运营。


image.png


二、推广分析


作为一个应用程序,光有功能是不够的,更重要的是让更多的人知道它的存在。这就需要做推广。推广会分很多渠道进行,比如抖音/快手、微信朋友圈、应用商店,甚至派推广人员在小区/超市门口推广。


以上所有推广渠道,都得花钱买广告。实际上,推广是一项非常烧钱的事,甚至是很多互联网公司最大的成本,因此必须分析分析呀。这就有了第二项分析:推广分析。


推广分析主要解决:推广效率问题。因为推广太烧钱了,所以能提升一点算一点。包括:


  • 监控各个渠道推广投入产出比情况;
  • 分析各种广告素材、转化链接的质量
  • 测试并寻找效率更高的推广方式


关心推广分析的一般是渠道运营/增长黑客团队。


image.png


三、用户分析


推广完毕后,会有用户进来使用,此时需要用户运营,来给用户派一些福利,激发用户兴趣。这是最受我们这种普通用户喜欢的环节了,注册完领点优惠券,拿个红包什么的。很明显,这又是一笔巨大的费用,因此必须分析起来。

用户分析有一套经典理论叫AARRR,关注用户新增、活跃、留存、转化、转介绍五个方面。包括:


  • 监控用户行为,比如AAARR的表现
  • 洞察用户需求,推测用户喜好
  • 分析用户群体存在的问题
  • 测试并寻找有效激励用户的方案


image.png


注意上边第二条:洞察用户需求。互联网公司思考问题,一般都喜欢从用户角度出发,因此对用户分析的需求,并非只有用户运营部门,几乎所有部门都会关心。

四、活动分析


互联网应用经常搞一些大型活动,类似618,双11,双12一类,这一类大型活动通常投入巨大,因此会单独进行分析。活动都是高度目标导向的,比如为了拉升GMV,为了获取更多用户,为了提升用户活跃等等,因此做分析的时候,也是高度目标导向的。


  • 监控活动进度,目标达成情况
  • 分析活动不达标的原因
  • 测试并寻找更好的活动方式


image.png


五、内容分析


除了硬生生砸优惠,吸引用户购买以外,现在还很流行搞直播、种草文等方式,吸引用户购买。这些视频、图文统称内容,因此也有了内容分析:


  • 监控不同内容的用户点击、浏览、转发情况
  • 分析热门/冷门内容原因
  • 测试并寻找更好的内容制作方式


image.png


六、商品分析


如果是自己经营的网上店铺,则需要进行商品管理,包括商品的进货、上架、下架、库存管理等工作。这些和传统的实体店分析是一样的。


  • 监控商品进销存数据
  • 分析畅销/滞销原因
  • 及时提醒补货/清货,避免积压/断货


image.png


七、商户分析


如果是作为交易平台,自己不提供商品,而是吸引商家入驻,那就需要商户分析。商户分析和用户分析类似,只是分析对象换成了入驻商家。我们希望入驻的商家能在我们平台上多进行交易,多使用我们提供的付费功能。因此要分析:


  • 监控商家入驻、活跃、流失、付费情况
  • 发现商家入驻后使用问题
  • 测试并寻找更好的激活商家的手段



总结


以上就是所谓“互联网行业数据分析”的7个主要场景了。


当然,在不同互联网应用内,是有一些区别的,比如游戏、视频、社区、社交、金融产品,各有一些特色,一篇文章很难穷尽。只能后边慢慢分享了。


小伙伴们看完本篇,至少能明白一点:互联网分析,并不是一个大而全的整体,而是有很多部分组成的,要了解到细节,才能做出分析哦。本次分享就到这里,谢谢大家,喜欢的话请转发+点赞+在看三连,爱你噢!



相关文章
|
6月前
|
数据可视化 数据挖掘
R语言生存分析数据分析可视化案例(下)
R语言生存分析数据分析可视化案例
|
3月前
|
数据采集 存储 数据挖掘
【优秀python数据分析案例】基于Python书旗网小说网站数据采集与分析的设计与实现
本文介绍了一个基于Python的书旗网小说网站数据采集与分析系统,通过自动化爬虫收集小说数据,利用Pandas进行数据处理,并通过Matplotlib和Seaborn等库进行数据可视化,旨在揭示用户喜好和市场趋势,为图书出版行业提供决策支持。
313 6
【优秀python数据分析案例】基于Python书旗网小说网站数据采集与分析的设计与实现
|
1月前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
|
1月前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
49 0
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(对比分析)
ChatGPT在常用的数据分析方法中的应用(对比分析)
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
38 3
|
3月前
|
前端开发 Java JSON
Struts 2携手AngularJS与React:探索企业级后端与现代前端框架的完美融合之道
【8月更文挑战第31天】随着Web应用复杂性的提升,前端技术日新月异。AngularJS和React作为主流前端框架,凭借强大的数据绑定和组件化能力,显著提升了开发动态及交互式Web应用的效率。同时,Struts 2 以其出色的性能和丰富的功能,成为众多Java开发者构建企业级应用的首选后端框架。本文探讨了如何将 Struts 2 与 AngularJS 和 React 整合,以充分发挥前后端各自优势,构建更强大、灵活的 Web 应用。
58 0