自动化|数据分析：浅谈漏斗分析( 二 ) 电子商务

|0x02 如何进行漏斗分析按照惯例，我们通过“分解”的形式，来一步一步的阐述这个分析过程。第一步，还原业务关键过程前文提到过，漏斗分析是针对业务的关键流程环节，做洞察和分析。因此在进行分析前，我们首先需要还原这个业务过程的关键步骤，并验证其是否是可以通过漏斗进行分析。例如，在电商广告场景下，广告主可以通过各种方法，向用户宣传自己的产品。这时候，用户会根据宣传的曝光词，点击搜索框进入到搜索页面，这时候会根据平台提示的关键词进行搜索，或者是主动发起搜索，到达搜索呈现的结果页之后，再进行相应的点击行为，并完成最终下单。这个时候我们可以确定一条从搜索到展示的关键路径：广告投放展示 - 搜索关键词 - 点击搜索结果 - 完成下单。进一步进行思考，我们可以把每一步赋予业务上的涵义，即：广告投放展示（引起用户兴趣） - 搜索关键词（用户产生兴趣） - 点击搜索结果（用户主动发起动作） - 完成下单（达成预期目的）。第二步，确定漏斗环节与数据采集来源能够将用户的行为进行还原后，我们便可以定下漏斗的环节，确定可以分析的数据，并标记数据的来源。以上述例子为模型，我们可以作如下的区分：广告投放展示（引起用户兴趣）：在不同渠道广告展示的曝光量、点击量、点击用户数；搜索关键词（用户产生兴趣）：在电商平台中，不同关键词所产生的搜索量、搜索用户数；点击搜索结果（用户主动发起动作）：在电商平台中，相应关键词所产生的点击量、点击用户数；完成下单（达成预期目的）：产生下单行为的用户数。第三步，制作漏斗分析模型从上一步的结果中，我们评估进行可以进行分析的数据维度，并通过报表平台搭建对应的漏斗图，展示可以分析的数据。例如我们可以将渠道作为分析维度，将展示、搜索、点击过程中产生的曝光量、点击量作为分析的一个过程，也可以通过点击/搜索/下单产生的用户数，作为分析的一个过程，也可以将用户进行分组，查看分组的结果。第四步，进行漏斗分析虽然现在可以进行数据分析了，但在实际的业务场景中，一种现象并不是单一的数据结果所能够解释的，往往需要通过多个角度的分析，来还原一个更准确和全面的答案。常见的分析过程如下：其一，查看漏斗转化率，将结果按照渠道、用户分组进行查看，找出转化率明显偏低的环节；其二，分析数据变化的趋势，按照时间，分析当前阶段，在不同日、周、月、季、年下的变化趋势，找出转化波动率最大/最小的时间点；其三，不同维度对比，筛选不同的渠道、用户分组，将转化率和变化趋势进行对比。如果不同渠道数据相差较大，那么原因可能是某些渠道存在作弊情况；如果是不同手机型号存在差异，那么可能是手机的适配性、网速等存在差异；如果是不同的用户组存在差异，那么根据用户分组方法的不同，如购买能力、新老用户，也可以分析出一部分原因。其次，如果不能够得出明确的结论，需要再返回之前的步骤，思考是按照关键词进行分类，或者是新增某个环节的分析，或者是向其他部门寻求类似场景的分析思路，然后再对刚才的过程进行复盘和优化，直到找到最可靠的原因。根据前文的阐述，我们可以看出，从分析人员的角度出发，当然是工具越自动化越好，能够更快的重复步骤，找到原因。但是从数仓或者工程人员的角度出发，其实这些分析诉求具有高度的不确定性，因此这种高度自动化的平台很难实现，更倾向于通过“提需求”的方式来人肉完成部分的工作。从业务发展的角度上看，在公司快速发展的时候，分析师与数仓一体化的配合，走部分人肉的方式是无可厚非的，但当规模增加到一定程度时，对于成熟稳定业务的支持，就需要有工具做配合了，因为很多深入的分析细节，人肉的“效费比”太低，人力成本上无法负担。