文档介绍：:..网站分析从网站的川户层面,我们根据用户访问的行为特征将用户细分成各种类型,因为用户行为各异,行为统计指标各异,分析的角度各异,所以如果要对用户做细分,可以从很多角度根据各种规则实现各种不同的分类,看到过有些数据分析报告做了各种用户的细分,各种用户行为的分析,再结合其他各种维度,看上去内容绝对足够丰富,但很难理解这些分析结果到底是为了说明什么问题,也许作为一个咨询报告反映当前整体的趋势和用户特征确实合适,但如果真的要让数据分析的结果能够引导我们去做些什么,还是要在做用户细分前确定分析的目的,明确业务层血的需求。既然要做基于用户细分的比较分析,口然是为了明确某些用户分类群体的行为特征与其他用户群体的差异。这里主要从指导内容层血的调整为导向,通过比较各用户细分群体对内容需求的差异,优化内容运营,将优质的内容或者符合用户偏好的内容推荐给相应的用户。既然是基于用户细分,首先明确用户的细分规则,这里举例3类细分:流失用户与留存用户、新用户与老用户、单次购买用户和二次购买用户,基于这3类细分,对每个分类的用户购买商品进行比较分析,明确哪些商品更加符合用户的预期。当然,要区分流失用户和留存用户,首先必须对用户流失有一个明确的定义,关于流失用户的定义可以参考博客Z前的文章——网站的活跃用户与流失用户。有了定义我们就可以做统计和细分了,还是以电子商务网站为例,电商网站的内容就是商品,我们基于每个商品计算购买这些商品的用户屮购买后造成流失的川户比例,如下:这里的指标定义应该比较明确,每个商品的流失用户比例应该是购买该商品后流失的用户数在所有购买该商品的用八中的占比,但只知道每个商品的流失用户比例无法评价这个商品是否对用户保留有促进作用,或者在一定稈度上造成了用户的流火,只有通过为总体水平的比较才能得出相应的结论。所以这里需要重点解释的是“与总体比较”这个数值是怎么计算的到的,这电的白分比不是直接相减的结果,而是一个差异的幅度体现,这里假设总体用户流失率为56%,那么以A商品为例,与总体比较的结果是:(5&13%-56%)/56%=%,使用同样的计算方法也可以得到其他商品与总体比较的差异幅度。最后就是展示,在Excel里而通过“条件格式”里而的数据条功能可以直接展现出图中的效杲,非常方便。很明显,上面图中的分析结果对运营调整有直接的指导性,廿的是促进用户保留,所以我们要做的就是将有利于用户留存的商品(F商品的用户流失率明显要比总体低得多,说明F产胡更有利于用户保留)推荐给用户,而将那些可能导致用八流失的商品(C商品)进行优化或者下架。新用户和老用户比较同样,使用上面的方法可以区分不同用户群的购买偏向。新老用户的细分是最常见的用户细分方法,我们可以使用类似的方法来看看新老川户对商品的不同喜好:从上图中你看出了什么?购买D商甜的用户中新用八的比例明显偏低,也许新用户根本就不喜欢这个商品,ifUB商品和F簡品显然更加符合新用户的口味。如果你的网站可以进行新老用户区分的定向推广,那么上血这个分析结果将讣你受益良多。当然,这个数据呈现的特征可能跟商品的推广渠道有一定的关系,比如上图的D商品比较多的是使用老用广比较集中的推广渠道(比如EDM),那么自然购买用户中老用户的比例会偏高