互联网运营数据分析必须掌握的十个经典方法
互联网运营分析时一定会用到的最经典的方法。
这些方法如果烂熟于心，其实互联网运营分析的最核心部分也就掌握差不多了，真没那么复杂。
我们从第十个方法倒着讲，重要性并无优劣之分，但压轴的，往往是最重要的。
方法十：Link Tag的流量标记
Link tag标记流量源头 ，绝对是所有方法中最为基本重要的一种。这种方法不仅仅适用于网站的流量来源，也同样适用于app下载来源的监测（但后者需要满足一定的条件）。
Link tag的意思，是在流量源头的链出链接上（链出URL上）加上尾部参数。这些参数不仅不会影响链接的跳转，而且能够标明这个链接所属的流量源是什么（理论上能够标明流量源的属性数是无限的）。
Link tag不能单独起作用，必须要在网站分析工具或者app分析工具的配合下工作。
Link tag是流量分析的基础，要严肃的分析流量，不仅仅是常规分析，还包括归因分析（attribution analysis），都需要使用link tag的方法。
方法九：转化漏斗
分析转化的基本模型是转化漏斗（conversion funnel），这个大家都应该很熟悉了。
转化漏斗最常见的是把最终的转化设置为某种目的的实现，最典型的就是实现销售，所以大家很多时候把转化和销售是混为一谈。但转化漏斗的最终转化也可以是其他任何目的的实现，比如一次使用app的时间超过10分钟（session duration >10minutes）。对于增长黑客而言，构建漏斗是最为常见的工作。
方法八：微转化
转化是指在转化必经过程之外，但同样会对转化产生影响的各种元素。这些元素与用户的互动，左右了用户的感受，也直接或者间接的影响了用户的决定。
方法七：合并同类项
如何合并？利用分析工具的过滤工具或者查找替换功能。
合并同类项好用的用途很多，比如要了解web或者app一个版块（频道）的整体表现，或者了解整个导航体系的使用情况，这都是必须使用的方法。
方法六：AB测试
通过数据优化运营和产品的逻辑很简单——看到问题，想个主意，做出原型，测试定型。
比如，你发现转化漏斗中间有一个漏洞，于是你想一定是商品价格不对头，让大家不想买了。你看到了问题——漏斗，而且你也想出了主意——改变定价。
但是这个主意靠不靠谱，可不是你想出来的，必须得让真实的用户用。于是你用AB测试，一部分用户还是看到老价格，另外一部分用户看到新价格。若是你的主意真的管用，新价格就应该有更好的转化。若真如此，新的价格就被确定下来（定型），开始在新的转化高度上运行，直到你又发现一个新的需要改进的问题。
增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，如何验证的？主要方法就是AB测试。
今天的互联网世界，由于流量红利时代的结束，对于快速迭代的要求大大提升了，这也使我们更加在意测试的力量。
方法五：热图及对比热图
热图是一个大家都喜欢的功能，它是最直观的记录用户与产品界面交互的工具。不过真用起来，可能大家很少真正去深究吧！热图，对于web、app的分析，都非常重要！今天的热图相对于过去的热图，功能得到了极大的提升。
要想热图用的好，一个很重要的点在于你几乎不能单独使用一个热图就想解决问题。我常常用集中对比热图的方法。
其一，多种热图的对比分析，尤其是点击热图（触摸热图）、阅读线热图、停屏热图的对比分析；
其二，细分人群的热图对比分析，例如不同渠道、新老用户、不同时段、AB测试的热图对比等等。
其三，深度不同的互动，所反映的热图也是不同的。这种情况也值得利用热图对比功能。例如点击热图与转化热图的对比分析等。
方法四：Event Tracking（事件追踪）
互联网运营数据分析的一个很重要的基础是网站分析。今天的app分析、流量分析、渠道分析，还有后面要讲到的归因分析等等，都是在网站分析的基础之上发展起来的。
随着app的出现，由于app的特殊性（屏幕小，更强调在一个屏幕中完成互动），分析app的page（实际上应该是app的screen）间跳转的重要性完全不如web上的page之间的跳转，但分析app上的点击行为的重要性则十分巨大，这就使我们分析in-app engagement的时候，必须大量依赖event，而相对较少使用screen。这就是说，在app端，event反而是主，page（更准确应该是screen）反而是辅！
方法三：Cohort分析
Cohort分析，是一个简单即美的方法。是还没有一个所有人都统一使用的翻译。有的说是队列分析，有的说是世代分析，有的说是队列时间序列分析。
cohort分析在有数据运营领域十分重要。原因在于，随着流量经济的退却，精耕细作的互联网运营特别需要仔细洞察留存情况。Cohort分析最大的价值也正在于此。Cohort分析通过对性质完全一样的可对比群体的留存情况的比较，来发现哪些因素影响短、中、长期的留存。
Cohort分析，它用起来十分简单，但却十分直观。相较于比较繁琐的流失（churn）分析，RFM或者用户聚类等，Cohort只用简单的一个图表，甚至连四则运算都不用，就直接描述了用户在一段时间周期（甚至是整个LTV）的留存（或流失）变化情况。甚至，Cohort还能帮你做预测。
方法二：Attribution（归因）
归因不是人人都听说过，用好的更是寥寥无几。 不过，考虑到人们购买某一样东西的决策，可能受到多种因素（数字营销媒体）的影响，比如看到广告了解到这个商品的存在，利用搜索，进一步了解这个商品，然后在social渠道上看到这个商品的公众号等等。这些因素的综合，让一个人下定了决心购买。
因此，很多时候，单一的广告渠道并不是你打开客户闸门的阀门，而是多种渠道共同作用的结果。
如何了解数字营销渠道之间的这种先后关系或者相互作用？如何设置合理的数字营销渠道的策略以促进这种关系？在评价一个渠道的时候，如何将归因考虑在内从而能够更客观的衡量？这些都需要用到归因。
方法一：细分
严格说，细分不是一种方法，它是一切分析的本源。所以它当之无愧要排名第一。
细分有两类，一类是一定条件下的区隔。如：在页面中停留30秒以上的visit（session）；或者只要北京地区的访客等。其实就是过滤。另一类是维度（dimension）之间的交叉。如：北京地区的新访问者。即分群（segmentation）。
细分几乎帮助我们解决所有问题。比如，我们前面讲的构建转化漏斗，实际上就是把转化过程按照步骤进行细分。流量渠道的分析和评估也需要大量用到细分的方法。
ECCEO 电子商务职业能力标准，从知识技能和素养上全方位培养优秀人才
这些方法如果烂熟于心，其实互联网运营分析的最核心部分也就掌握差不多了，真没那么复杂。
我们从第十个方法倒着讲，重要性并无优劣之分，但压轴的，往往是最重要的。
方法十：Link Tag的流量标记
Link tag标记流量源头 ，绝对是所有方法中最为基本重要的一种。这种方法不仅仅适用于网站的流量来源，也同样适用于app下载来源的监测（但后者需要满足一定的条件）。
Link tag的意思，是在流量源头的链出链接上（链出URL上）加上尾部参数。这些参数不仅不会影响链接的跳转，而且能够标明这个链接所属的流量源是什么（理论上能够标明流量源的属性数是无限的）。
Link tag不能单独起作用，必须要在网站分析工具或者app分析工具的配合下工作。
Link tag是流量分析的基础，要严肃的分析流量，不仅仅是常规分析，还包括归因分析（attribution analysis），都需要使用link tag的方法。
方法九：转化漏斗
分析转化的基本模型是转化漏斗（conversion funnel），这个大家都应该很熟悉了。
转化漏斗最常见的是把最终的转化设置为某种目的的实现，最典型的就是实现销售，所以大家很多时候把转化和销售是混为一谈。但转化漏斗的最终转化也可以是其他任何目的的实现，比如一次使用app的时间超过10分钟（session duration >10minutes）。对于增长黑客而言，构建漏斗是最为常见的工作。
方法八：微转化
转化是指在转化必经过程之外，但同样会对转化产生影响的各种元素。这些元素与用户的互动，左右了用户的感受，也直接或者间接的影响了用户的决定。
方法七：合并同类项
如何合并？利用分析工具的过滤工具或者查找替换功能。
合并同类项好用的用途很多，比如要了解web或者app一个版块（频道）的整体表现，或者了解整个导航体系的使用情况，这都是必须使用的方法。
方法六：AB测试
通过数据优化运营和产品的逻辑很简单——看到问题，想个主意，做出原型，测试定型。
比如，你发现转化漏斗中间有一个漏洞，于是你想一定是商品价格不对头，让大家不想买了。你看到了问题——漏斗，而且你也想出了主意——改变定价。
但是这个主意靠不靠谱，可不是你想出来的，必须得让真实的用户用。于是你用AB测试，一部分用户还是看到老价格，另外一部分用户看到新价格。若是你的主意真的管用，新价格就应该有更好的转化。若真如此，新的价格就被确定下来（定型），开始在新的转化高度上运行，直到你又发现一个新的需要改进的问题。
增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，如何验证的？主要方法就是AB测试。
今天的互联网世界，由于流量红利时代的结束，对于快速迭代的要求大大提升了，这也使我们更加在意测试的力量。
方法五：热图及对比热图
热图是一个大家都喜欢的功能，它是最直观的记录用户与产品界面交互的工具。不过真用起来，可能大家很少真正去深究吧！热图，对于web、app的分析，都非常重要！今天的热图相对于过去的热图，功能得到了极大的提升。
要想热图用的好，一个很重要的点在于你几乎不能单独使用一个热图就想解决问题。我常常用集中对比热图的方法。
其一，多种热图的对比分析，尤其是点击热图（触摸热图）、阅读线热图、停屏热图的对比分析；
其二，细分人群的热图对比分析，例如不同渠道、新老用户、不同时段、AB测试的热图对比等等。
其三，深度不同的互动，所反映的热图也是不同的。这种情况也值得利用热图对比功能。例如点击热图与转化热图的对比分析等。
方法四：Event Tracking（事件追踪）
互联网运营数据分析的一个很重要的基础是网站分析。今天的app分析、流量分析、渠道分析，还有后面要讲到的归因分析等等，都是在网站分析的基础之上发展起来的。
随着app的出现，由于app的特殊性（屏幕小，更强调在一个屏幕中完成互动），分析app的page（实际上应该是app的screen）间跳转的重要性完全不如web上的page之间的跳转，但分析app上的点击行为的重要性则十分巨大，这就使我们分析in-app engagement的时候，必须大量依赖event，而相对较少使用screen。这就是说，在app端，event反而是主，page（更准确应该是screen）反而是辅！
方法三：Cohort分析
Cohort分析，是一个简单即美的方法。是还没有一个所有人都统一使用的翻译。有的说是队列分析，有的说是世代分析，有的说是队列时间序列分析。
cohort分析在有数据运营领域十分重要。原因在于，随着流量经济的退却，精耕细作的互联网运营特别需要仔细洞察留存情况。Cohort分析最大的价值也正在于此。Cohort分析通过对性质完全一样的可对比群体的留存情况的比较，来发现哪些因素影响短、中、长期的留存。
Cohort分析，它用起来十分简单，但却十分直观。相较于比较繁琐的流失（churn）分析，RFM或者用户聚类等，Cohort只用简单的一个图表，甚至连四则运算都不用，就直接描述了用户在一段时间周期（甚至是整个LTV）的留存（或流失）变化情况。甚至，Cohort还能帮你做预测。
方法二：Attribution（归因）
归因不是人人都听说过，用好的更是寥寥无几。 不过，考虑到人们购买某一样东西的决策，可能受到多种因素（数字营销媒体）的影响，比如看到广告了解到这个商品的存在，利用搜索，进一步了解这个商品，然后在social渠道上看到这个商品的公众号等等。这些因素的综合，让一个人下定了决心购买。
因此，很多时候，单一的广告渠道并不是你打开客户闸门的阀门，而是多种渠道共同作用的结果。
如何了解数字营销渠道之间的这种先后关系或者相互作用？如何设置合理的数字营销渠道的策略以促进这种关系？在评价一个渠道的时候，如何将归因考虑在内从而能够更客观的衡量？这些都需要用到归因。
方法一：细分
严格说，细分不是一种方法，它是一切分析的本源。所以它当之无愧要排名第一。
细分有两类，一类是一定条件下的区隔。如：在页面中停留30秒以上的visit（session）；或者只要北京地区的访客等。其实就是过滤。另一类是维度（dimension）之间的交叉。如：北京地区的新访问者。即分群（segmentation）。
细分几乎帮助我们解决所有问题。比如，我们前面讲的构建转化漏斗，实际上就是把转化过程按照步骤进行细分。流量渠道的分析和评估也需要大量用到细分的方法。
ECCEO 电子商务职业能力标准，从知识技能和素养上全方位培养优秀人才
