網站運營數據分析的兩點建議

  今天來參加活動的朋友,主要來自於兩個方面,一是網絡營銷人員,一是互聯網產品的運營人員。我們這些人在名片上的稱謂,或曰營銷、或曰運營、或曰產品經理。不管是什麼稱謂,都必須要承認,這是一個最富有感性、創意和靈動的群體。而這樣的群體,今天來討論數據分析與運營是一件多麼值得高興的事,這標志著我們這個群體越來越成熟瞭,不再隻是感性、創意和靈性。著名數學傢高斯說過,一門學科的成熟程度,就在於數學在這門學科中的應用程度,我看應用在工作中也是一樣,一個行業或者群體的成熟程度,在於數學在這個群體中的應用程度。做數據分析,自然就是一個數學的課題,標志著我們產品經理人工作成熟度在提升。

  在成熟度高的行業與企業裡,數據分析是一項基本的要求,而且已經非常深入而精深,象基於事實的決策、量化管理、科學管理都是指工作建立在數據分析的基礎上。數據分析的應用程度在成熟度高的行業裡已經深入到數據倉庫數據挖掘決策支持系統統計與分析系統等階段。我們現在來談流量、轉換率、退出率等,就是在走向數學,走向數據,走向成熟。

  從剛才各位的討論、提問與解答,可以看出來大傢都是專傢,都有很深的工作體會和知識積累,我在這裡隻想給幾點建議供你們參考。我的建議,其實也就是針對今天會議的兩個主題詞,一個是數據,一個是分析。

  一 對於數據,我們一定要搞清楚一個量化值給你到底反映瞭什麼問題。

  大傢別以為你拿到一個數據,就知道這個數據的值反映瞭什麼問題。數據背後的真相常常會令我們大吃一驚。

  在座的各位,不管你是從事網站型的營銷,把實體產品、虛擬產品放到網絡上來銷售而開展的電子渠道營銷,還是你是從事互聯網產品的運營,也就是說,不管你是做產品還是做營銷、做設計還是做運營,當你把業務網絡化、網站化,那麼就要清楚是在把應用服務化。就算一個僅僅用於營銷用途的電子商務網站,它都是一個網站產品。不管你的網站多麼地復雜或者如此地簡單,我們都無法否認,當任何一個訪客來到網站,所產生的任何感受,所做的任何活動,我們都很難完全界定,它到底在使用你的產品享受你的服務,還是他進入瞭你的營銷模式裡,被你營銷與引導。因而,任何來自網站的數據,它既可能反映的是用戶的使用體驗、產品邏輯、直觀感受,屬於用戶需求、產品設計的內容,也可能是反映瞭用戶契合度、營銷效果,屬於營銷策劃與客戶服務的內容。這在很大程度上跟傳統的產品是不一樣的。比如說一個用戶在電視機前面擺弄遙控器,任何抱怨與贊揚,我們都知道他是關於產品的聲音,不會說這是營銷效果的分析。網絡營銷、互聯網則不一樣。網絡上用戶的任何一個活動,都無法完全分清是產品還是營銷。

  就說退出率吧,退出率是指用戶到達某一個頁面後,沒有繼續再去往任何一個站內頁面,而是離開瞭網站。對於這個退出率的數據,能夠反映什麼問題呢?很難說。與營銷、產品都可能有關。用戶退出的真正原因,可能是因為你的網站的圖片與色彩讓其反感,不信任;可能是因為你網頁介紹的產品功能與性能達不到他的需要,不能令其滿意,這應該都是屬於產品方面的內容。也可能因為你所做的搜索引擎優化工作中關鍵字與產品不匹配,你放置的廣告關鍵詞與產品內涵的關鍵詞不夠契合,來客屬於誤入或者被誤導瞭。這就應是營銷的問題。電吹風這個詞如果被你用做關鍵詞去營銷,誰能保證傳遞給用戶的信息一定就是吹幹頭發的吹風機,而不是釀幹糧食的鼓風機呢?

  所以說,搞清楚數據反映瞭什麼問題,應為誰所用,是數據分析的基礎。

  二 對於分析,要有一個與之搭配的主語

  數據分析,並不是拿到一份報告,看看它的status,然後提出一個更高、更好、更大的目標,要求手下去找到實現的方法。做數據分析,要找到與之搭配的主語。

  談分析(Analyse),一個常見的搭配是Gap Analyse, 即差距分析。有瞭差距分析的概念,就會知道要做分析首先要設置有一個目標,或者說要有一個預定的期望值,這種目標與期望值往往也是產生於你的控制模型與偏差系統。做差距分析,就不會是簡單地拿到一堆數據,大傢橫看豎看不是這裡有問題就是那裡可提高。就會發現,事前的預測與計劃,比事後的分析要更重要,PDCA的做事過程上,P是第一步,C可以說是分析這步的工作。剛才有朋友一直在討論某一個行業的網站它的退出率應該是多少,這如果說是用來做數據分析,確實是意義不大的。更應關註的問題是,你本來預期退出率的值是多少?你當初是憑什麼這麼做的預期,基於哪些要素與行動,現在這些要素與行動是不是都被執行,並達到瞭效果。現在的實際情況差距在哪裡,如何產生的?針對接下來的階段,應該提出什麼樣的預期與目標,又是基於什麼樣的要素與行動。行業的標竿數據拿來指導定目標比用來做分析更有意義。

  談分析,另一個常見的搭配是Statistic Analyse,統計分析。有統計分析的意識,就會知道做數據分析,應該有建模的過程,統計分析的目的是把握趨勢計劃未來,統計分析需要連續的數據來支撐,而不是用一堆孤立的散點來尋找解決網站運營的實效,要有traceability的概念來尋蹤溯源與根因分析。這樣一來,選擇什麼樣的跟蹤系統,跟蹤瞭什麼樣的數據字段,這些數據是否滿足你的跟蹤需要,對於這些數據你能夠建立哪些數據視圖,基於這些數據視圖反映什麼樣的決策邏輯與模型就會一步步顯現出來成為數據分析工作的一部分。

  總之,我的這兩點建議,供打算認真去做數據分析,並希望通過數據分析來提高網站運營實效的人參考。如果有人想加一段網站跟蹤代碼,看一下指標值,就覺得是做瞭數據分析,就會顯著提高網站運營的成熟度與可靠性,那多少會有點天真的。