首页 > 营销学院 > 正文
营销推广:七种常见的数据分析方法(上)
1187 2021-12-24 16:56 Ruby

数据分析一直是我们互联网营销运营人员辨别方向的不二法门,我们通过对数据的观测来判断事物的发展趋势,也常常利用数据的思维来辩证为决策做参考。下面小编就给大家详细拆解七种常见的数据分析法,让我们的数据分析少走弯路。

 

1、象限分析法

 

X轴从左到右是点击率的高低,Y轴从下到上是转化率的高低,形成了4个象限,这就是我们要说的象限分析法。

针对每次营销活动的点击率和转化率找到相应的数据标注点,然后将这次营销活动的效果归到每个象限,4个象限分别代表了不同的效果评估。

· 象限一:高点击高转化,点击高代表营销创意打动了受众,转化高代表被打动的受众是产品的目标用户;

· 象限二:高转化低点击,同样的,高点击代表被打动的受众是产品的目标用户,但低点击代表的是营销创意没有打动用户;

· 象限三:低点击低转化,这个象限是最糟糕的营销活动了,投放广告点击少,点击用户转化低,创意无效,用户不精准;

· 象限四:高点击低转化,这个象限的营销活动要给策划和文案加鸡腿,但就要给渠道扣绩效了。这种象限的营销活动一定程度上有标题党的嫌疑。

象限分析法有什么用?

①找到问题的共性原因;通过象限分析法,将有相同特征的事件进行归因分析,总结其中的共性原因。例如图片中第一象限的事件可以提炼出有效的推广渠道与推广策略,第三和第四象限可以排除一些无效的推广渠道;

②建立分组优化策略;针对投放的象限分析法可以针对不同象限建立优化策略,例如提升象限二的投放创意,象限四的投放渠道。

 

2公式拆解法

什么是公式拆解分析法?

所谓公式拆解法就是针对某项指标,用公式表现该指标的影响因素,例如日销售额的影响因素是各商品的销售额,找到影响因素后,需要对影响因素的影响因素进行拆解。

看这张图,以日销售额为例做了一次公式拆解分析,这次拆解一共包括了5层,最后一层是对推广效果的衡量。

· 第一层:找到日销售额的影响因素

日销售额=各商品的销售额之和,也可以拆解为各渠道的销售额之和、各销售人员的销售业绩之和。公式拆解分析法的第一步是需要确定要分析的指标,然后找到这个指标的直接影响因素。

· 第二层:找到各商品销售额的影响因素

各商品销售额=销售数量*单价

第二层拆解需要找到影响目标指标的影响因素,例如各商品销售额的影响因素是商品的销量和单价,这里是简单举例算法,在实际分析中,还需要计算优惠政策等因素。

· 第三层:找到销售数量的构成因素

销售数量=店铺新客购买数量+店铺老客购买数量+复购用户购买数量

这里对销售数量的拆解是针对购买人群的特征来划分的,这样分析的目的在于找出不同客群的购买影响因素。而在实际应用中,因分析目的的不同,对指标影响因素的拆解也不同,例如销售数量可以拆解为渠道A销量+渠道B销量+渠道C销量。

· 第四层:找到新客的来源

店铺新客购买数量=渠道A转化新客购买数量+渠道B转化新客购买数量+渠道C转化新客购买数量+……

这样拆分的目的在于找出不同渠道来源用户的后续转化特征,从而找到购买力高的用户来源渠道。

· 第五层:计算渠道推广回报

渠道推广回报的计算方式就是A渠道新客销售额-推广成本。

从日销售额拆解到最后一步,是拆解出了对渠道推广效果的分析,这是对店铺新客的拆解,那么同样,也可以对店铺老客或者复购客户进行拆解,例如复购用户可以拆解出复购周期、复购次数、累计复购数量等因素,对复购用户给予特殊购买通道或提供有约束力的购买政策,例如年卡之类的。

公式拆解法是针对问题的层级式解析,在拆解之前,不能盲目拆解,需要有目的性的找方向,从而挖掘原因。例如在上文案例的拆解过程中,拆解方向可以分为两种,一种是对绩优指标的拆解,找出销售额上涨的原因,另一种是对绩劣指标的拆解,找出销售额下降的原因。

 

3对比分析法

什么是对比分析法?

上面这张图表是一个常见的柱状图,而柱状图的作用在于直观对比各项数据之间的差异。

上面这张柱状图是针对9月份各渠道获客统计的一个对比分析图表,针对各渠道的下载量、访问量、注册量进行对比。

· 对比要点一:对比建立在同一标准维度上

在这张图中,首先要关注到的对比要点是各项数据的对比要基于同一维度。这张图是针对9月份的渠道推广效果的对比统计,9月份就是第一个对比标准,也就是时间维度。

在时间维度下,后续对比的结果都是基于这个标准产生的,也就是在9月份这个时间范围内的数据对比,并不能用10月份的数据与这个图表中的数据对比。当然,除了时间维度,也可以使用空间维度,例如渠道A在1-12月每月的数据对比。无论用什么维度,对比要建立在一个大的标准下。

· 对比要点二:拆分出相关影响因素

在时间这个大维度下,我们对各渠道的获客效果进行了拆分,也就是将获客效果衡量分为了访问量、下载量和注册量。这三个维度的数据作为判断渠道获客的标准,从对比中找出各渠道的优劣。

例如通过这个图表可以看出,渠道A的访问量最高,渠道B的下载量最高,渠道A的注册量最高,那么这样的对比结果能够说明什么问题呢?

我们能够看到,渠道A从访问到下载的流失比较严重,渠道B从下载到注册的流失比较严重,而渠道C在访问量、下载量都低于其他渠道的基础上,渠道C的注册量与渠道A并没有相差太多。

也就是说,我们可以提出一个假设,渠道C的获客效果更好,为了印证这个假设,我们可以在影响因素中再加入渠道投放花费这个维度,如果渠道A的高访问是因为高花费,渠道C的低访问是因为低花费,那么基本可以印证这个假设。

· 对比要点三:各项数据对比需要建立数据标准

在这张图中能够看到一个比较奇怪的现象,渠道B的下载量比访问量还要高,为什么会这样呢?

我们在这张图表中加入了一个中间标准数据,对各项数据进行了一次标准换算。假设访问量的真实数据为1万是,标准数据为1,下载量的真实数据为1千时,标准数据为1,注册量的真实数据为100时,标准数据为1.

经过标准数据的换算,我们将各项数据放在一张图表上时,对比的差异化会更明显。

对比分析法的维度可以分为同比、环比、定基比等不同的对比方法:对比分析在于看出基于相同数据标准下,由其他影响因素所导致的数据差异,而对比分析的目的在于找出差异后进一步挖掘差异背后的原因,从而找到优化的方法。

 

最后,如果此时你是互联网营销运营人员,推荐使用<识微互动>这款免费的数据追踪分析工具,它是专为企业市场营销打造的,只需安装一行代码,即可追踪多种转化数据和转化渠道,自动整合数据分析报告,帮助企业提升客户转化率,降低获客成本,详情可点击下方链接申请使用账号↓↓↓

 

企业数据追踪分析工具—<识微互动>免费申请使用入口>>>

 


推荐
标签云
热门文章