在上一期 用户时长全景分析方案·上篇 中,在数据采集及分对象的常规时长分析指标给大家做了一个介绍,本期,我们将继续为您分享这套解决方案的详细思路。

注:下文分析使用的截图或数据为展示数据,仅作示例参考。


点击回顾 :用户时长全景分析方案·上篇 



基于用户分群与多维交叉

实现时长分析的“全面性”

03


基于“多维交叉”初探不同维度的时长差异

启动时长、页面时长、事件时长这三类对象的时长指标,仅仅能反映时长的整体情况,在实际分析过程中,云盘客户希望进一步分析“不同版本”、“新老用户类型”等维度存在差异时,时长的表现情况

针对该需求,百度统计提供了“实时分析”功能。实时分析能够由客户自定义需要分析的“维度”与“指标”,并以交叉数据表或趋势图等方式呈现分析结果。因此,只需将“指标”选择为“时长指标”,再自定义希望分析哪个维度下的时长值,即可实现“区分不同维度的时长分析”的目标。

1.png

上图展示的就是“实时分析”中,选择维度为“版本”,指标为“页面平均停留时长”时的趋势图分析结果。从该图中可以看出,“8.2.2”版本的平均时长表现优于其它版本,可以进一步深挖该版本粘性较高的原因。

2.png

上图则是当维度为“新老用户类型时”,页面平均停留时长的趋势图。从图中可以看出,老用户时长相对比较平稳,而新用户时长波动较大,因此值得去分析新用户时长处于波谷或波峰日期的拉新策略有哪些特点,为后续优化运营作参考。


区分不同用户群组的时长分析

人群特征的差异决定了其数据表现的差异。因此,对于时长的分析,区分不同用户群组进行比较是十分有必要的。

上面我们提到分不同维度看时长差异,这里“不同维度”也是“人群细分”的一种基础方式,但它仅局限于“设备”、“版本”等基础的维度。在与网盘共建功能中,他们提出了希望能够从不同业务分析角度出发,自定义各种用户群体。比如按照用户类型角度(新增用户、存量用户)、活跃频度角度(区分低频用户、中度用户、忠实用户)、用户画像角度(性别、年龄、兴趣偏好等)、付费会员角度(不同会员类型、会员购买次数、有效期等)、功能使用角度(产品核心功能,主要使用场景等)等等区分不同用户群组,并通过分析不同用户群组的时长差异,探索提升业务核心指标的突破口。

满足上述更为复杂的人群细分需求,就需要用到百度统计的“用户分群”功能。该功能除了支持按照用户属性(新老用户、版本、地域等)和设备属性(品牌、操作系统、联网等)作为分群条件外,还支持通过“事件行为、页面行为和使用习惯”等行为属性来细分人群。


以云盘客户提到的“区分功能使用分析时长差异”为例:

  • 首先,对于1.1版本的新功能“自动上次照片”进行事件埋点;

  • 接着在“用户分群”中,选择分群条件为:版本1.1;事件条件:触发事件“使用自动上传照片”,并将该人群保存为“使用自动上传照片人群”。


3.jpg

生成人群后,即可在“事件分析”以及“实时分析”中,查看该人群的用户时长指标(如下图所示)。

4.jpg


也可以通过用户分群的“人群透视”功能,查看“使用自动上传功能”的人群与“全部用户”在时长分布上的差异(如下图)

5.jpg

在该案例中,我们通过“事件”来标记用户是否使用该云盘的“自动上传照片”功能,与此类似的还有“页面浏览”行为。因此,理论上可以通过“事件+页面”的方式来标记使用某类功能的用户、有效/无效用户、参与活动/未参与活动用户、不同使用频次的用户等,进而得出不同人群的时长分析结果。



围绕延伸性的时长分析

04


提升用户时长

在寻找提升用户时长“增长点”的过程中,我们发现绝大部分时间需要花在“寻找使用时长表现优秀及表现较差的用户群组”上(可以参考上述第三章节中的各种方法)。在确定了这些用户群组后,可以结合“个体洞察”、“定制分析”等功能深度分析人群的群体特征,总结人群的用户行为模式,从而进一步确定该如何通过产品或运营手段拓展优秀人群,亦或是减少低时长人群的基数,最终实现整体时长的提升。

以使用“个体洞察”功能分析用户行为模式为例。

我们选择属于“高时长人群”的多个典型用户,在“个体洞察”中查看这些用户的基础属性,并通过查看用户每一次启动的产品使用轨迹(先后浏览了哪些事件及页面),深挖该类型用户是否在行为上存在共性或模式特征。

6.jpg



评价“时长价值”

通常来说,时长总是越高越好的,但我们也需要结合自身产品的实际业务使用场景或核心指标来评估时长的价值。

评估的方式其实是分析不同人群时长差异的逆向思路,即把“用户使用时长”作为人群细分的条件,查看不同使用时长的用户,在留存、转化、变现、分享等核心用户增长指标上的差异。而且,有时候我们会发现某天的整体时长激增,且某个新渠道的时长远高于其它渠道客户,这个时候也得注意是否可能是错误的渠道发包,或恶意的客户使用导致了不正常的时长增长。



 总结 

05


对于“时长的全景分析”,我们可以从基础的整体时长切入,分析产品的人均使用时长、次均使用时长、次均页面访问时长;接着,可以考虑从一些常见维度下钻分析,诸如不同版本、来源、地域的用户使用时长差异;更进一步,可以结合用户分群或统计用户粒度中间表的使用,分析基于不同业务目标(如使用功能差异、会员等级差异、访问频率差异等)进行细分的人群的使用时长差异,找出真正在时长表现上满足产品预期的人群,进而为进一步提升产品的时长表现提供数据支撑。


-------------------------------------------the end--------------------------------------------


百度统计全新推出用户行为分析一站式SaaS平台——分析云。分析云提供从数据采集层、数据接入层到策略模型层、应用层的一整套分析解决方案,通过云平台、全域数据与数据融合的能力,帮助企业构建真正面向业务的数据流,建立从数据发展、数据洞察至数据闭环,最后实现数据智能的逐层递进数据价值应用功能模型,是面向企业业务的敏捷 BI工具。