十大互聯網數據分析方法之—細分分析

一、原理

「細分是一切分析的本源！不細分無分析！」 這是我們學習細分分析時常見的一句話，對細分分析冠於如此高的評價，不只是因為它在分析方法上的強大，更重要的是在當前流量紅利逐步消逝的時代，籠統的網站統計和網站分析已不能滿足需求，我們更迫切需要以數據驅動精細化運營，需要對用戶行為的每個點進行細分，才能挖掘到隱藏在其行為背後的真正影響因素，我們常見的RFM模、漏斗分析最基礎的原理就是細分分析。就像繪畫大師在作圖時對每個像素都需要仔細斟酌一樣，優秀的用戶運營官，會對用戶行為的每個步驟每個維度透徹細分分析。

二、分析方法

細分分析在分析方法上一般有兩種，一是逐步細分細分，二是維度交叉分析。

1、 逐步細分分析

逐步細分，顧名思義，是根據分析要求由粗到細、由淺入深，逐步進行細分的過程。當然，這裡的步驟我們有多種解釋，可以理解為用戶行為分析中的漏斗分析步驟，比如第一步是什麼，第二步是什麼；也可以理解為包含分解上的步驟，比如按地區逐步細分，中國可以細分為廣東省、北京市、河北省等省市，廣東省又可以細分為廣州市、深圳市等，廣州市還可以繼續往下細分到各區、縣等。

2、維度交叉分析

維度交叉分析，是一種立體分析方法，是比較體現一個人分析水平的細分方法。它是在縱向分析法和橫向分析法的基礎上，從交叉、立體的角度出發，由淺入深、由低級到高級的一種分析方法。常見的綜合交叉分析應用有四象限分析法、RFM模型等。

四象限分析法，按照兩個維度交叉分析，在四個象限中對所有內容進行拆分，一般斜對的兩個象限（如第一象限和第四象限、第二象限和第三象限）是相對立的，而且是壁壘分明的。如我們常見的獲客渠道分析，需要按照質量和數量兩個維度綜合交叉分析，將所有渠道按照高質量低數量、高質量高數量、低質量低數量、低質量高數量這四個象限進行分析歸類，自然就能選出roi最高的推廣渠道。

RFM模型比四象限分析法包含的維度更多，拆分更細，它按照交易頻率、最近交易時間、交易金額，將用戶劃分為重要挽留客戶、重要發展客戶、重要保持客戶、重要價值客戶、一般挽留客戶、一般發展客戶、一般保持客戶、一般價值客戶等8種類型。按照用戶在不同維度上的行為展現進行歸類，有針對性運營。

三、數極客對細分分析的應用

數極客用戶行為分析系統對細分分析可謂應用到了極致，不僅對逐步細分進行了多模塊應用，而且對維度交叉分析也進行了靈活的融合。

1、 事件分析、轉化分析、用戶分析等眾多模塊應用了維度細分

很多用過數極客分析系統的人都說，數極客對維度拆分的細緻程度是我們最為欣賞的。它按用戶個體屬性，按照性別、年齡、用戶角色、用戶等級、所屬城市等十幾各維度對用戶屬性進行了細分；對每次訪問的會話，按照應用版本、設備類型、設備廠商品牌、設備名稱、操作系統名稱等十幾個維度進行了分析；對訪問渠道，按照訪問渠道類型、訪問渠道名稱、搜索關鍵詞等維度進行了細分；對推廣分析，按照投放媒體、廣告名稱、廣告媒介、廣告內容、關鍵詞、著陸頁等維度進行了細分。這幾十項維度細分指標，對網站用戶行為分析和APP用戶行為分析均適用。

2、漏斗分析融合逐步細分和維度交叉分析

數極客的漏斗分析，把轉化過程按照步驟進行縱向細分，通過對用戶行為每一步細緻流入流出分析，找到影響用戶轉化的關鍵因素。同時又能按照訪客類型、訪客性別、年齡、來訪地區、來訪渠道等幾十個用戶屬性維度、會話屬性維度、推廣渠道維度對漏斗橫向細分。橫縱交叉綜合分析，讓影響轉化的每個環節、每個因素都展現的清楚明白，一目了然，摸清關鍵點，自然能快速提升轉化率。以下為漏斗分析按照用戶類型拆分的對比圖。

四、客戶案例

某互金企業想要了解哪些渠道帶來的註冊用戶較多，按照訪問渠道名稱進行細分分析，發現SEM依然是比較高效的獲客渠道，而通過今日頭條帶來的用戶量相對就比較少了。然後按照推廣維度進一步細分，通過廣告名稱、廣告內容、投放媒介、關鍵詞、著陸頁等維度細分分析和轉化漏斗分析發現，投放的四個不同內容廣告，只有一個訪問量較高，其餘三個幾乎沒有訪問，後期對訪問量較低的廣告進行了優化跳轉，提升了今日頭條的獲客量。