数据分析思维(七)|漏斗思维

简介: 数据分析思维(七)|漏斗思维

漏斗思维


1、概念

  • 漏斗思维的概念比较简单,所谓的漏斗指的就是层层递减的结构,最终组成一个漏斗样式的模型,而递减的状态是多种业务/产品发展的常态,比如一个线下服装门店,进店的人很多(第一层),试衣服的人少一些(第二层),买衣服的人更少(第三层)这三个层级就会形成一个简单的漏斗模型。


  • 漏斗思维是最常见的底层思维之一,通常业务/产品发展的初期都会用漏斗模型去整理一套完整的思路,有了这个模型就可以在不同的阶段去对比不同的数据了。


  • 漏斗思维的注意事项

漏斗模型中的层级不宜过多,通常不超过5个

衡量漏斗模型的时候,往往底层的转化关系要比上层的重要(漏斗的过程是在“求精”)

漏斗模型多用于用户行为路径的分析


2、AARRR

AARRR概念


AARRR模型因为其爆炸性的增长方式通常又被称为海盗模型,其本质由获客、激活、留存、收益、传播5个阶段组成,对这五个阶段的解释如下:


  • Acquisition(获客):用户从不同的渠道进入产品;
  • Activation(激活):用户在产品内部使用核心功能(完成某个特定任务);
  • Retention(留存):用户连续性的使用产品;
  • Revenue(收益):用户对产品产生了付费行为;
  • Referral(传播):用户推荐他人来使用你的产品。


对于AARRR,我们可以用漏斗图来表示整体的转化过程,示例图如下:

image.png

从转化链路来看,从获客到传播的整个过程中,每向下深入一个层级,对应的用户数就会照上一层有一定的损失,因此层级越向下,对应的漏斗也就变的越窄,在使用实际数据绘制漏斗图的情况下我们也可以从漏斗的变化中看出对应转化率的变化。


3、举个例子

我们以“PDD”平台为例来进行拆解。


从策略的角度看,几个过程中应该做出的思考如下:


  • 获客:怎样找到用户?怎么让用户找到你?
  • 激活:怎么给用户良好的“初体验”?
  • 留存:怎么让用户留下来?
  • 收益:怎么让用户消费?
  • 传播:怎么让用户和其他人进行分享?


有了这些思考,该怎样去解决这些问题呢?


1. 获客:砸钱,投广告

对于各大平台来说,最有效率的获客方式就是进行广告投放,PDD也不例外,我们在各大互联网平台、电视节目、线下商场中都看到过他进行投放的广告,这就是一种最普遍的获客方式。


2. 激活:转盘、助力、砍刀

可以说获客多数情形下是交给“别人”去做的事情,而从激活开始就是平台自身需要进行思考的问题了,当我们第一次进入到PDD平台的时候,通常会直接弹出一个红包让你打开,这个红包里可能是无门槛优惠券,也可能是让你免费获得某个商品进行砍价的资格,但无论是什么,它的目的都是给用户展示出“豪横”的一面,这也不失为一种有效的激活方式。

除了第一印象,剩下的就是根据各种算法去推荐用户喜欢的商品从而提高用户的活跃度与使用体验。


3. 留存:促销、优惠、免费

让用户留在平台是一个很头疼的问题,在这个问题上PDD提供了两个有趣的方向:1、助力玩法,免费获取商品,2、卖场销售模式,低价购物,这两个方向充分抓住了人们对于“免费”和“低价”的重视程度,从而也就解决了留存的问题。


4. 收益:购物

作为一个能够进行购物的电商平台,当用户收到优惠券的时候,产生消费行为就不是什么难事了。


5. 传播:帮忙砍价

关于传播,相信很多人都小有获益(shen shou qi hai):七大姑八大姨让你帮忙的链接接踵而至;天天有人追着屁股让你砍他一“刀”;突然出现不知名的互助群…此类事件的出现也充分体现了PDD在传播上玩法的强大之处。


总结:不难发现其实5个阶段中的策略也可以是多变的,策略的不同也会给我们带来数据和转化率上的不同,漏斗思维是借助漏斗模型给我们整个流程提供大的方向,其中细节的打磨就要靠分析师们的努力了。

相关文章
|
2月前
|
数据采集 机器学习/深度学习 数据可视化
|
算法 数据挖掘 大数据
到底什么才是数据分析思维? by彭文华
到底什么才是数据分析思维? by彭文华
|
数据挖掘
数据分析思维(四)|分类/矩阵思维
在进行数据分析工作时,我们往往会涉及到多个核心指标,而对于不同数值核心指标的结合又会产生多种不同的结果,我们将相似结果的内容放到一起进行统一决策就会大大节省数据分析的时间,这种思想我们称之为分类思维
数据分析思维(四)|分类/矩阵思维
|
数据挖掘 Python
数据分析思维(二)|相关思维
相关思维是数据分析中最常见的思维之一,在我们观察指标变化的时候,往往需要观察指标之间的相关关系,比如观察自己身高和体重的变化,这就是一种相关思维的体现。
数据分析思维(二)|相关思维
|
7月前
|
SQL 算法 数据可视化
什么是数据分析思维
什么是数据分析思维
|
数据挖掘 大数据
数据分析的思维有那些?
数据分析的思维有那些?在很多企业中都存在着很大的数据分析问题,如何进行数据分析?数据挖掘的结果要如何展示?企业中各个部门要如何才能最大化的利用数据分析结果?这些一直困扰着企业数据团队。也是咱们大数据需要解决的问题,后续规划的方面
87 2
|
数据挖掘 双11
数据分析思维(六)|循环/闭环思维
数据分析思维(六)|循环/闭环思维
|
机器学习/深度学习 数据采集 搜索推荐
10种数据分析的模型思维让你“灵光一闪”
推荐10种数据分析思维,让你在工作中带来“灵光一闪”的感觉 本文来源于阿里开发者公众号
580 0
|
机器学习/深度学习 数据采集 存储
数据分析思维|思考问题的25个方式汇总
数据分析思维|思考问题的25个方式汇总
|
数据挖掘
数据分析思维(五)|逻辑树思维
在很多数据分析场景中我们需要梳理分析的逻辑,需要进行指标从大到小的拆分,这时候我们可以顺着影响分析结果的因素进行层层溯源,从而抓住问题的核心。为了有更清晰的逻辑结构,常常采用逻辑树(又称问题树、分解树)进行整体过程的呈现。逻辑树使用层级的结构将每个大问题的所有子问题进行罗列,然后再将子问题的子问题进行罗列,以此类推,当问题不能够被拆分时形成一个完整的逻辑树。
数据分析思维(五)|逻辑树思维
下一篇
DataWorks