Google Analytics 产品分析

题外话:产品分析的 FOR 模型

这是一种用来分析互联网产品的方法,最先在知乎看到。这个模型由三个特征组成:

一、碎片(Fragments)

一个产品中的主要内容,一定是碎片化的,而且碎片是同构的。比如Twitter把“一切事物”碎片为140个字、新浪微博把“一切事物”碎片为140个字+一张图、Pinterest把“所有美好的事物“碎片为一张图+一小段描述+一个URL、蘑菇街把“所有美好的女性商品”碎片为一张图+一小段描述+一个商品购买地址(包括线上和线下)。 碎片的丰富性基本上决定了这个产品最终平台化之后的基础规模,所以我们可以很容易看到新浪微博的规模百分之百的要比蘑菇街大,因为它的碎片是“一切事物”,而蘑菇街只是“所有美好的女性商品”。定语越多,规模越小。

二、组织(Organize)

为什么要碎片?因为同构的碎片很容易以各种维度被组织。 比如 Twitter 按时间线组织、Tumblr按Tag组织、Pinterest 按 Board 组织、蘑菇街按商品的天然品类组织。 这种组织一定是非常自由的,任何两块碎片,都有可能被组织到一起。组织的方式越自由,信息流动的速度越快,相应的也无法获得沉淀。 所以我们看到,因为时间线是最自由的组织形式,所以新浪微博的信息流转最快,但信息很快过期;蘑菇街的组织形式受商品天然品类的边界限制,所以流转相对较慢,但是信息可以在一定程度上沉淀,挖掘出“最热”的商品来引导有“从众心理”的用户。

三、再组织(Re-Organize)

当信息碎片按某种形式组织好之后,这样的产品还会允许用户用非常自由的手段重新组织信息碎片。 比如新浪微博的“转发”功能,就是把别人的信息碎片重组到自己的时间线中;Tumblr的“Re-Blog”功能和Pinterest的“Re-Pin”功能,可以把别人原创或收集好的碎片方便地组织到自己的建立的体系中;蘑菇街的“喜欢”功能,可以把别人分享的好商品,极快地收藏到自己的喜欢目录中。 再组织的本质作用是将有限的内容尽可能充分地重复利用,以此提高生产率。 打个比方,在不具备再组织能力的BBS体系中,一条信息(帖子)只能被10个人消费,但同样的内容,在微博体系中就有可能平均被50个人消费,那么同样的生产成本(原创消息的人所花的时间)就带来了更大的生产成果,也即更高的生产率。 所以,要让“再组织”发挥作用,就必须要求用户整体对内容的选择能力很强,而且产品本身有通过“积累用户利已行为得到利他结果的机制”(这点可以看我之前在艾瑞的一个演讲)。从这个角度来说,我比较担心完全的Pinterest-Copy,在中国会受到“没有足够大的有很好审美能力的人群”的制约。

GA 的碎片和组织

碎片

对 GA 有了解的人就知道,GA 的碎片是“一次访问”,访问是 GA 做网站分析的基本单元。一次访问的属性有访问来源、地理位置、浏览器、操作系统、是否新访、访问频次等属性。

组织

GA 对访问是如何进行组织的呢?仔细查看 GA 的后台就会所见其端倪。 GA 几乎每份报告都包含两个部分:维度和指标。维度是“访问”的属性的集合,指标是依据这些属性把访问进行切分成一个个子集,然后基于这些子集的统计信息。例如如下一个报告:

广告系列 媒介 访问次数 浏览量 平均访问持续时间(秒)
项目一 CPC 103 154 40
项目一 Email 54 67 43
项目二 CPC 32 43 56

从上面的报告可以看出,不同的广告系列、不同的媒介带来的访问次数、浏览量、访问持续时间是多少。事实上,流量来源只是一次访问的属性,有的访问来自项目一,有的来自项目二,后面的访问次数、浏览量、平均访问持续时间的指标都是基于流量来源这个属性进行划分、然后做出统计后的数值。访问依据相同的维度聚合,所谓的“人以类聚、物以群分”,只有聚类统计,才能反应一类访问的特点和价值。

再组织

GA 的强大主要体现在高级细分和自定义报告上。利用高级细分,可以只查看想关注的那部分群体,依据事件、操作、登陆页、浏览页数等属性想过滤就过滤,想包含就包含,还支持复杂 “与”、“或” 逻辑的各种组合。

利用自定义报告,可以根据需求进行任意维度和指标的选择和组合,动态生成数据报表,这样数据就不仅仅局限在默认的标准报告中的那些了。

就像是一群人,不同性别、不同职业、不同地区、不同生日、不同年龄,想查看 IT 行业女性的星座分布,没问题,设置一个高级细分,行业为 IT 且性别为女,维度选择星座,指标选择“人数”,数据立刻显现。

可以看出,GA 的数据的在组织能力上非常强大。

丰富的维度和指标

网站分析主要是两部分,网站内和网站外部。比如一个电商网站的推广活动,推广效果的好坏取决于两方面,网站外部:广告投放的是否精准、是否够吸引人;网站内部:网站的用户体验是否优秀、支付是否安全便捷。

针对网站外部因素,GA 有广告系列、媒介、来源等有关流量来源的维度,也有丰富的有关目标的指标作为衡量的标准。针对网站内的因素,有登陆页,上一页路径、下一页路径等维度,也有网站加载速度停留时间等衡量访问质量的指标。对于大部分的数据分析师来讲,只有你想不到的需求,没有你得不到的数据。

访问作为基本单位,利用维度进行组织,这一基本思想使 GA 变得易于理解、易于扩展,再加之可以过滤和筛选的高级细分、任意组合维度和指标的自定义报告,既使新手可以快速上手,亦可以满足高手需求。

未来的趋势

网站分析说到底是分析人,而不单单是“访问”。当你打开 QQ 空间的访问记录,就会发现类似如下的记录:

谁、在什么时候、访问了哪些内容,记录的一清二楚。在做产品的时候,一般有一步必不可少,就是用户调研,研究不同的用户如何使用自己的网站,先浏览了什么,后浏览了什么,进行了哪些互动,在哪个页面离开。一般这种用户调研的成本是很高的,如果扩展了人的维度,同时记录基于人的访问行为,就可以简化很多工作。例如,决策者希望看到18-25岁的女性在网站的所有用户的比例和访问行为,让系统自动筛选出这类用户,直接查看这些人的访问行为,从而更好地优化产品。所以网站分析的一大趋势是“以人为中心”。

网站分析是方法,依据数据优化网站才是目的,基于这个目的,GA 做了更加直观的功能:A/B 测试,只需简单的部署,即可衡量不同网页的效果。还有转化漏斗、访问者流等高级功能非常直观地展示用户的行为。这些是基于大数据的分析挖掘后做的数据可视化处理,它的好处是一幅图就告诉你整个关键流程,这让不懂技术、甚至不懂网站分析的人就非常容易看的明白,更直观的图表、更强大的数据可视化,代表着网站分析工具发展的又一趋势。



Google Analytics 产品分析》上有1条评论

评论已关闭。