4. 사용자 건강 분석 사용자 건강은 제품의 작동을 반영하고 제품 개발에 대한 조기 경고를 제공하는 사용자 행동 데이터를 종합적으로 고려한 핵심 지표입니다. 여기에는 제품 기본 지표, 트래픽 품질 지표, 제품 수익 지표 등 세 가지 주요 유형의 지표가 포함됩니다. 그 중 세 가지가 제품 상태를 평가하는 시스템을 구성하지만, 그 자체의 초점도 있습니다. (1) 기본 제품 지표: 주로 제품 자체의 운영 상태를 평가합니다. 예: PV, UV, 신규 사용자 수 UV: 웹 페이지에 액세스하고 탐색하는 자연인을 의미하는 순 방문자 수(uniquevisitor) 인터넷을 통해. 그러나 UV의 정의에는 시간 제한이 있습니다. 일반적으로 하루 동안 해당 제품을 방문한 순 방문자 수를 의미합니다. 사용자가 하루에 여러 번 방문하는 경우 UV 수치는 1개로만 계산됩니다. UV는 제품의 크기를 측정하는 가장 중요한 지표 중 하나입니다. PV: 페이지 조회수(PageView)는 사용자가 웹사이트의 각 웹페이지를 방문할 때마다 한 번씩 기록됩니다. 사용자가 동일한 페이지를 여러 번 방문하면 방문 횟수가 누적됩니다. 따라서 PV 값은 일반적으로 UV 값보다 큽니다. 신규 사용자 수: 신규 사용자를 말하며, 일반적으로 처음으로 등록했지만 아직 첫 결제를 하지 않은 사용자로 정의됩니다. 신규 사용자에서 기존 사용자로의 전환 과정은 빈도, 양, 시간, 카테고리의 4개 이미지 공간으로 나눌 수 있습니다. (2) 트래픽 품질 지표: 주로 사용자 트래픽 품질을 평가합니다. 이탈률, 1인당 수; 조회수, 1인당 체류 시간, 사용자 유지율, 사용자 재방문율; 이탈률: 이탈률(BounceRate)은 이탈률이라고도 합니다. 단일 페이지 탐색 후 종료 횟수/방문 횟수 = 단일 액세스/접속 방문수 . 단일 페이지를 탐색한 후 종료한 횟수 - 간단히 말하면 페이지에 들어갔다가 아무 페이지도 클릭하지 않고 나가는 것을 의미합니다. 일반적으로 사용자 액세스 품질을 측정하는 데 사용되는 이탈률이 높다는 것은 일반적으로 콘텐츠가 사용자에게 타겟(매력적)이 아니라는 것을 의미합니다. 페이지 A의 이탈률 = (5/10)*100 페이지 A의 이탈률 = ( 5 2/10 2)* 100 평균 체류 시간: 사용자가 특정 페이지를 탐색하는 데 소비하는 평균 시간을 의미합니다. 평균 체류 시간이 길수록 웹사이트나 페이지가 사용자에게 더 매력적이며 더 유용한 정보를 제공할 수 있습니다. 사용자에게 가져옵니다. 사용자 유지율: 유지율은 "얼마나 많은 사용자가 머무르는지"를 의미합니다. 일정 기간 내에 애플리케이션을 사용하기 시작한 사용자와 일정 기간 이후에도 애플리케이션을 계속 사용하는 사용자는 유지 사용자로 간주됩니다. 유지율 = 신규 사용자 중 로그인 사용자 수/신규 사용자 수(일반적인 통계 기간은 일수) 유지율은 실제로 사용자 유지 유입 경로, 즉 신규 사용자를 활성 사용자로 전환하는 과정을 반영하며, 안정적입니다. 유저, 충성 유저 등을 거시적으로 관찰하고, 유저의 추후 리텐션 상황을 통해 결제, 지속성, 가치, CAC 비용 등 채널 품질을 한 차원에서 파악할 수 있습니다. 사용자 재방문율: 일정 기간 내에 애플리케이션을 사용하기 시작하고 일정 시간 이후에도 계속 로그인하는 사용자를 재방문 사용자로 간주합니다. 예를 들어, N일/주/월 후에 앱을 다시 사용하는 사용자의 비율을 N일/주/월 재방문율이라고 합니다. 유지율과 재방문율의 차이는 전자는 얼마나 많은 신규 사용자가 추가되는지, 후자는 얼마나 많은 사용자가 일정 기간 내에 앱과 소프트웨어를 다시 사용하고 방문하는지를 나타냅니다. (3) 제품 수익 지표: 주로 제품의 수익성과 지속 가능성을 평가합니다. 사용자 결제 금액(GMV), 고객당 가격(ARPU), 고객당 주문 전환율(ARPU): 고객당 가격 = 유효 결제 금액. /지불 사용자 수와 단가는 사용자가 지불하는 평균 금액을 반영합니다. 따라서 금액이 높을수록 단가를 높이는 것이 매출총이익을 늘리는 좋은 방법입니다. , 당사의 일반적인 프로모션 방법: 2개 구매시 각 품목당 10위안 할인, 2개 품목 구매시 무료 선물 등을 받으실 수 있습니다. 전환율: 주문 전환율 = 유효한 주문을 받은 사용자 수/UV. 전환율은 거래 수익을 창출하는 핵심 요소입니다. 전환율이 높을수록 대상 페이지에 더 많은 사용자가 주문합니다. 사용자 결제 금액(GMV): 결제 금액은 일정 기간 동안 상품의 흐름을 나타냅니다. 제품의 수익이 좋은지 여부는 주로 결제 흐름에 따라 결정됩니다.
수익 모델이 무엇인지, 안정적인 수익 창출 능력이 있는지 여부는 제품의 궁극적인 테스트입니다(전략적 자금 소모 및 사용자 확보는 먼저 포함되지 않음). 제품 수익 지표에는 매출 = 방문자 수 × 거래 수라는 동일성이 있습니다. 전환율 × 고객당 판매량 = 노출수 태그된 사용자 모델이 나옵니다. 일반인의 용어로 말하면 사용자에게 레이블을 지정하는 것을 의미하며 레이블은 사용자 정보를 분석하여 파생된 고도로 정제된 기능 식별자입니다. 태그를 지정하면 고도로 일반화되고 이해하기 쉬운 기능을 사용하여 사용자를 설명할 수 있으므로 사람들이 사용자를 더 쉽게 이해하고 컴퓨터 처리를 용이하게 합니다. 제품의 초기 및 개발 단계에서는 제품 운영자가 사용자의 요구 사항을 이해하고 사용자 사용 시나리오를 상상하는 데 도움이 되도록 사용자 초상화가 더 많이 사용될 것입니다. 제품 디자인은 모든 사람을 위한 제품을 만드는 것에서 특정 라벨을 사용하여 간접적으로 제품을 만드는 것으로 변경되었습니다. 복잡성을 줄입니다. 사용자 초상화의 데이터 내용에는 다음이 포함되지만 이에 국한되지는 않습니다. (1) 인구통계학적 속성: 성별, 연령 등의 기본 정보 포함 (2) 관심 특성: 검색 콘텐츠, 수집 콘텐츠, 독서 상담, 구매 선호도 등 .; (3) 위치 특성: 사용자의 도시, 주거 지역, 사용자 이동 궤적 등 (4) 장치 속성: 사용된 단말기의 특성 등 (5) 행동 데이터: 접속 시간, 탐색 경로 및 기타 사용자 (6) 소셜 데이터: 사용자 초상화 애플리케이션 시나리오의 3차원 공간 다이어그램. Y축은 사용자 태그를 나타냅니다. 차원이며 Z축은 서비스 수준 차원을 나타냅니다. 먼저, 사용자 초상화 비즈니스 시나리오는 사용자 세분화, 제품 최적화, 채널 확장, 애플리케이션 개선, 위험 제어 등으로 나눌 수 있습니다. 각 비즈니스 시나리오에 따라 다양한 사용자 태그 정의가 있습니다. 예를 들어 사용자 세분화 시나리오 비즈니스에서는 주로 성별, 연령, 지역 등을 포함한 사용자의 기본 속성입니다. 리스크 통제 비즈니스 시나리오에는 스캘퍼 태그, 비정상 점수 태그 등을 포함한 주로 사용자 리스크 통제 태그가 있습니다. 먼저, 사용자 그룹별로 사용자 태그를 처리하고, 다양한 태그를 기반으로 개인화된 추천을 한 후, 운영 차원에서 의사결정을 내립니다. 이들은 상호 연관되어 있으므로 사용자 초상화의 핵심은 레이블 설정입니다. 사용자 초상화 분석 사례 설명 "그는 항저우에 거주하는 1980년대생 남성 사무직 근로자입니다. 그는 규칙적으로 생활하며 자동차와 스포츠를 좋아하며 메르세데스-벤츠와 포르쉐를 선호합니다." 이 문장은 특정 사용자를 묘사하는 데 사용됩니다. , 카테고리 사용자가 아닙니다. 따라서 우리가 이야기하고 있는 사용자 프로필인 UserProfile의 본질은 모든 사용자를 레이블과 데이터로 설명할 수 있다는 것입니다. 이를 통해 해당 사용자의 태그를 가져와서 레이블을 지정하고 해당 태그가 있는 사용자를 한 유형의 그룹 또는 한 유형의 사용자로 나눌 수 있으므로 해당 사용자의 특성에 따라 향후 활동 작업, 사용자 작업 등을 고려할 수 있습니다. 물론 이러한 종류의 라벨링은 사용자 작업에 대한 지침을 완전히 구체화할 수 없으며 작업에 대한 사용자 초상화 지침의 보다 고전적인 모델은 RFM 모델입니다. 6. 퍼널 모델 분석 퍼널 모델 분석의 핵심은 분해와 수량화로, 초기(사용자 확보)부터 최종 구매 전환까지의 전체 프로세스에 대한 전환 수익화 형태와 전환율을 수량화하는 것입니다. 데이터 지표를 통해 궁극적으로 전반적인 구매 전환율을 향상시킵니다. 제품 적용에서 트래픽 퍼널 모델을 적용한 대표적인 모델은 AARRR 모델입니다. 이 모델은 "Growth Hacking"이라는 책에서 따왔습니다. AARRR 모델은 제품 자체의 특성과 제품 수명 주기의 위치를 결합하여 다양한 데이터에 중점을 둡니다. 지표를 파악하고 궁극적으로 다양한 전략 운영 모델을 공식화합니다. AARRR 모델: 획득: 사용자는 어떻게 귀하의 제품을 발견하고 방문합니까? (브라우징 레이어) 활성화: 사용자의 첫 경험은 무엇입니까? (클릭/참여) 유지: 사용자가 제품을 다시 사용할 것인가? (재방문/유지) 소득유지: 제품은 사용자를 통해 어떻게 수익을 창출하는가? (유료) 스프레드 보유: 사용자가 다른 사용자에게 기꺼이 알릴 의향이 있습니까? (충성/확산 사용자) 퍼널 모델은 실제 작업에서 매우 일반적입니다. 퍼널의 모양을 결정하는 세 가지 요소인 시간, 노드, 트래픽을 추상화할 수 있습니다.
(1) 시간: 전환 주기는 퍼널의 각 레이어를 완료하는 데 필요한 시간의 집합입니다. 일반적으로 퍼널의 전환 주기는 짧을수록 좋습니다. (2) 노드: 퍼널의 각 레이어는 노드입니다. 노드의 경우 핵심 지표는 전환율입니다. 전환율 = 이 레이어를 통과하여 다음 레이어로 이동하는 트래픽/이 레이어에 도착하는 트래픽입니다. (3) 교통량 : 각 링크의 수치, 즉 인원수를 의미합니다. 트래픽 퍼널 모델 사례 설명(데이터는 모두 가상임) 마케팅 이벤트를 진행했다고 가정합니다. 이벤트 페이지의 트래픽 퍼널 모델은 다음과 같습니다. 사용자의 트래픽 경로는 다음과 같습니다. 메인 행사장 페이지 클릭 → 상품 입력 상세 페이지 → 구매 주문 → 배송(회계) 전자상거래 주요 장소의 트래픽 퍼널 데이터와 일반 매장 트래픽 퍼널의 평균 그래프를 비교하면 "활동 페이지 → 배송" 단계에서 알 수 있습니다. 상품 상세 페이지에 들어가세요'라고 입력하면 사용자의 점프율은 40에 불과해 평균 45보다 훨씬 낮은 것으로 추정됩니다. 사용자가 메인 장소에 입장한 후 왜 제품을 클릭하지 않는지 생각해 보세요. 일반적으로 점프율이 낮은 이유는 주로 다음과 같습니다. (1) 페이지 개발 문제 및 버그: 휴대폰 모델 적응 문제, 클릭 불가, 빈 페이지 창, 링크 오류 등. 사용자 매력에 부합 : 사용자 유치가 제품/컨텐츠에 관심이 없음, BI 추천이 정확하지 않음 등 (3) 페이지 운영 문제: 제품 수용에 대한 관심 포인트가 일치하지 않음, 제품 이익 공유가 충분하지 않음, 카피라이팅 내용이 일치하지 않음 승인 랜딩 페이지; 문제를 하나씩 해결한 후 사전에 문제 지점을 식별하고 목표한 방식으로 해결할 수 있습니다. 간단히 정리하자면 깔때기형 모델이 적합합니다.