互聯網數據化運營管理：流量篇
摘要：互聯網行業中，哪些數據需要分析，怎樣分析，分析的價值是什么。本文將從收入相關的數據分析、成本相關的數據分析、風險(為了持續發展)相關的數據分析、綜合管理篇來闡述。
現在的工作會接觸到很多互聯網公司做bi分析的朋友，想就著這個機會，把自己所見到、學到的整理一下與大家分享，同時也希望通過分享來增加與相通興趣的朋友的交流。文章中存在的各種不足或者錯誤，歡迎大家評論。
關于數據化管理的文章書籍已經非常多了，我這里只是近一步整理。數據分析也是為了公司的發展，粗暴一點講，是為了公司的盈利和持續的盈利。就從這個角度，來逐一分解，互聯網行業中，哪些數據需要分析，怎樣分析，分析的價值是什么。我會整體分為四大部分：收入相關的數據分析、成本相關的數據分析、風險(為了持續發展)相關的數據分析、綜合管理篇。
下面將進行逐一介紹(分階段更新)。
第一章 收入相關數據分析
互聯網的商業模式千變萬化，但其盈利模式目前大抵可以分為以下三種：一是向用戶出售商品或服務，其中電商和o2o就屬這種模式；二是靠廣告來進行盈利，典型的例如google、百度以及其他平臺類互聯網公司；三是直接向用戶收取費用，目前游戲公司大都屬于這種模式。不同收入模式也有著不同的數據指標，我們分別對其進行介紹。
一、向用戶出售商品和服務模式
電商公司和o2o類公司主要是通過這種模式來盈利，公司的收入是由一個個訂單堆積出來，其收入狀況可通過訂單狀況得以體現。訂單是由用戶購買了相關的商品或服務產生，可以說用戶和商品或服務為訂單的兩大基本元素，公司收入下降、增長、異常最終都可以追蹤到用戶與商品這兩大元素上。這樣我們將公司收入相關數據拆解為三大模塊：用戶、商品或服務、訂單。
用戶
公司收入、訂單都是由用戶消費所產生，用戶的消費流程可以劃分為以下四個階段：引流、轉化、消費、存留。我們所希望的理想情況就是大量的用戶進來并且產生消費，并且持續的產生消費。然而現實一般是和我們所希望的相差甚遠的，我們能做的，就是對這些數據進行分析，根據數據情況進行策略對調整，讓現實與理想情況之間的距離越來越近。
我們一般將用戶分為新用戶和老用戶，如下圖所示：
互聯網數據化運營管理-流量篇
無論新老用戶，我們都會關心兩塊內容，一個是引流（拉新），一個是轉化，最終以數據的形式體現出來，就是流量與轉化率。
引流
一個購物中心，建在荒郊野外，沒人進來，裝飾再奢華也沒什么卵用。根據CNNIC統計，中國網民數量在2015年已達6.88億，增速穩定，依然維持在5.7%。京東平臺2015年第四季度的1.319億相比2014年第四季度的8280萬，流量同比增長率高達59%。這些數字在告訴我們，資源是稀缺的，但是卻永遠都有增長空間的。我們需要精打細算，實現對每種渠道每種類型的流量來源的最大價值利用。
分析目標：通過對流量的分析，保證流量的穩定性，并通過調整，嘗試提高流量。
分析角度：
1.觀察流量規律，便于活動安排、服務調整
2.發現流量異常，分析異常原因并及時調整
3.觀察流量結構，分析其合理性，并作出調整
4.追蹤流量情況，衡量活動或者調整效果
分析方法：
我們先了解關于流量的一些基本數據指標：訪客數(uv)、瀏覽量(pv)、訪問次數(visits)，是常用的衡量流量多少的數據指標；
平均訪問深度(瀏覽量/訪問次數)、平均停留時間(總停留時間/總瀏覽量)、跳失率(跳出次數/訪問次數)是用來衡量流量質量優劣的指標。
很多方法都可以完成上述的目標，將數據進行可視化展示，以一個合理的角度觀察數據，會使得數據展現會更加清晰，降低發現問題的難度。下面將以圖表的形式，實現對各個角度的數據分析。
1.觀察流量規律，便于活動安排、服務調整
互聯網數據化運營管理-流量篇
從上圖中，可以發現以下規律：一天當中，訪問集中在9點到11點和14點到17點這段工作時間，一年中則在春節前后的訪問量比較大，每周中也是訪問集中在工作日。大部分互聯網業務的規律會與上述情況不同，一般2c的業務會在休息時間訪問量巨大，可能剛好遇上述情況相反，但并不妨礙以上的分析方式。
一般來說，流量都是以每天中的時段、季節、節假日、星期這樣的規律來分布的。所以可以將以上幾面統一放到同一頁面中進行觀測，可以全面的了解應用的訪問規律。并且通過對渠道、業務的選擇，可以觀測具體的渠道、業務的訪問規律。
分析出流量的規律，對活動效果、業務調整具有重大影響。例如：a公司想開展為期兩天每天兩小時的消費滿200減50并贈送肥皂的活動，那么活動開始時間最好是選在周三、周四，時間在上午的9、10點鐘。這樣才能在一定的時間內被大部分用戶所知道，畢竟活動的廣告時間成本都是錢。另外可以根據不同時期訪問量的密集程度，調整公司的業務布局，進行合理的成本控制等。
2.發現流量異常，分析異常原因并及時調整
互聯網數據化運營管理-流量篇
通過對上圖的觀察，可以發現兩個異常現象：
a. 流量按周的規律分布，工作日的流量較高，周末的流量比較低，但是上圖中5月2日和4月1日是周一，流量也非常低，觀察日歷發現這兩天為五一和清明假期，依然是休息日，所以流量不高。屬于正常現象。
b. 3月21日到4月17日到流量圖中，工作日到流量一般都維持在2400左右，而觀察4月18日到5月15日到圖，發現流量從4月19日下滑開始，很少突破2000，也就是流量在近一個月有明顯下滑。原因可能是對手購買了競價排名、自己的seo做的不好等等。問題發現，還要根據實際情況進一步分析具體原因。
一般來說，流量以周為單位，周期性分布的情況是比較多的，將視角拉長，一次性多看幾個周的數據，便于發現問題。將一段時間內的數據與歷史數據進行對比，也有助于問題的發現。
除上圖中對流量異常的簡單監控外，可以對流量進行進一步分解，如下圖所示，通過圖表聯動，觀察具體渠道或者業務的流量情況，從而完成對問題的追蹤定位，例如通過進一步分析發現，4月中旬開始的流量下降主要出現在pc端，那么可以進一步縮小問題的范圍。便于問題的解決。
互聯網數據化運營管理-流量篇
3.觀察流量結構，分析其合理性，并作出調整
互聯網數據化運營管理-流量篇
流量結構一般可分為渠道結構、業務結構、地區結構。通過查詢一段時間內的各結構占比，了解流量組成。
如上圖所示，在渠道中，pc占比相對過大，而app占比不高，app對于用戶具有更大的黏度，所以應分析app占比過低原因，并想辦法提高app流量占比。下面的折線圖可以對各渠道的流量情況進行追蹤，分析占比不合理是短期內出現的，還是長期存在的，輔助問題的分析。
怎樣的占比才是合理的，在不同的場景下是不同的，但通常來說，付費流量占比不應過高，通用渠道占比應占據主導地位。對于各業務來說就更加不同。但是可以通過分析對比行業數據或者競爭對手的數據，來分析合理性，當然前提是可以獲取到相關數據。
通常渠道來源很多，自主訪問、搜索引擎、淘寶付費、京東付費等等。有人會通過渠道流量占比來分析各渠道的質量。僅僅根據流量情況來衡量質量是不全面的，需要配合轉化率和roi一起。具體會在后面寫到轉化率時一起考慮。
4.追蹤流量情況，衡量活動或者調整效果
互聯網數據化運營管理-流量篇
(文中圖表使用finereport開發)
對流量的追蹤，一般就是對流量的監控，觀察活動前、活動中、活動后的變化情況，評估活動效果。一般來講，活動期間流量會大幅提升，活動后有一定回落，是一個成功的活動。如果活動期間流量上升幅度不大，或者活動結束后流量大幅度跌落，甚至流量低于活動前的正常流量很多，都不能說是一個成功的活動。
當然，若分析活動效果，需要追蹤的不僅僅是流量，包括轉化率、訂單數、成交額、都需要進行追蹤。后面會進行針對性的介紹。
除活動外，公司可能會常常調整渠道投入、頁面布局、功能改進等等，每一項調整后，都對流量進行追蹤觀察，可以分析調整的效果。這里只介紹流量的追蹤，在進行產品或渠道的優化調整后，同時需要追蹤的還有轉化率等，關于轉化率會在后面進行介紹。
原創文章，轉載請聯系知乎作者 jiaogo王
作者簡介：知乎達人“jiago王”，知乎專欄“撩撩數據吧”，帆軟數據人，互聯網行業總監，樂于交流的數據小兵。
來源：投稿，原文鏈接。
來源：月光博客
