数据分析之渠道质量分析

无论是线上还是线下投放，在做数据分析的时候，经常会遇到需要对投放的渠道去做分析。
做渠道分析的目标是为了让有限的资金预算能通过更合理投放方案，获得更多的收益，提高投放的效率。

我们以电商的渠道投放为例。
目前电商的渠道主要分为这么几类：应用市场，厂商市场，预装，联盟，信息流，SEM，BD，视频，运营商，媒体等。
更具体的可以细分到：华为，小米，360，阿里，百度，腾讯，今日头条，微博，抖音，快手等等。
每个渠道都有自己的特性，有些是引流的，有些用户质量更好，有些容易被刷，只有更好的了解每个渠道的属性，才能更合理分配手中的预算，带来更高的收益。

1.渠道的分析首先是需要了解渠道的现状，渠道的属性。
简单的了解渠道的特性，我们可以分两个大维度来看，流量规模和质量。
我们可以得到以下4个分类：
优质潜力渠道：流量规模大，渠道质量高
低质大渠道：流量规模大，渠道质量低
优质小渠道：流量规模小，渠道质量高
低质小渠道：流量规模小，渠道质量低

很显然，优质潜力渠道是我们的首选，低质大渠道可用于活动需要引流的时候，优质小渠道可能人群会相对精准可用于日常精细化投放，低质小渠道应该归入淘汰的系列。

在流量方面，我们可以用DAU来作为评估的指标，有些网站或电商还会有有效UV的概念，即是剔除了某些质量不优秀的UV。例如到站需要停留10秒，或者需要访问3个页面，或者需要滑动3屏等，有一些简单的行为，而不是单纯的到站，这样可以剔除一些渠道的刷量。

在渠道质量方面，我们可以看注册率，跳出率，购买及转化等，这还要看网站的运营的阶段。
不同阶段会有不同的目标。如果是在早期属于高速发展阶段，目标是尽可能的引流到站，让更多的用户成为网站会员，那么跳出率和注册率就非常关键；如果已经发展到一定规模，属于较稳定阶段，目标就是用户的购买转化或变现；如果是到成熟阶段，用户规模已经是增长缓慢，那么用户回访留存就非常重要。

结合运营目标来评估渠道的质量相对合理一些。
如下表例子：(表数据为随便举例)

我们可以将渠道的各项指标分为四类，渠道规模：uv，拉新能力：新访客占比，访问质量：人均停留时长、人均访问页数、跳出率，转化质量：客户数、销售额、转化率。
假设我们想要知道哪些渠道规模大，访客访问质量又好，那么我们可以以这两类的指标作为基础数据，给各个渠道进行简单的打分。
因为不同渠道间uv量级差异太大，我们可以先简单取对数，缩小数据量级的差异，对于跳出率，我们可以直接x100，转化成整数，方便我们后期打分处理。
得到如下表：

将数据处理后我们可以简单的用最大最小归一化方法：

接着将上面的结果简单相加，作为渠道各项的得分，这里省去指标权重的步骤，仅做简单的计算：

假如我们想要知道哪些渠道规模大访问质量又好，可以对得分进行散点图绘制，如下图：

从上图看出，并没有那种渠道规模大访问质量特别好的优质渠道，预装-三星、厂商市场_华为勉强落在了最优象限里面，访问质量还有优化的空间。
从上面的数据，我们还可以画出渠道画像，如下图：

从渠道画像，我们可以清楚的知道渠道的优劣势在哪里。例如厂商市场_华为，虽然uv规模不错，但跳出率稍高，人均停留时长也不如预装_三星渠道，可以从例如调整落地页的内容或结构来降低跳出率。

以上是我们日常中可以快速的分析，去评估渠道现状，如果要持续性的监测渠道的质量，最好是可以建立渠道评估模型。

2.渠道评估模型
我们可以沿着上面的思路，将渠道的各项指标抽取出来，可以在其中加入更多的指标，例如arpu，留存率，LTV，获客成本等等。
通常可以遵循下面的几个步骤：
①确定综合评价的指标体系：如访问量，注册数，客户数，销售额，留存率，LVT等
②对数据进行标准化处理：可以使用Z-SCORE归一化处理，或最大最小值归一化等方式(对于某些可能数据量级差异较大的指标可先进行取对数处理，缩小渠道间的差异)
③确定各指标的权重，可以是主观赋权和客观赋权，例如专家打分法，AHP层次法，主成分因子法等
④对处理后的指标进行汇总计算，得出最终分数
⑤计算综合排名，得出结论。

以上是我们从站内的数据反馈去评估渠道的质量，如果要真正的对渠道进行优化，还要从渠道的投放链路来入手。

数据分析之渠道质量分析相关推荐

App推广：数据分析与渠道质量及17款国内数据分析工具对比
Part 1 如何从数据评估渠道质量 Part 2 国内数据分析工具介绍 Part 3 如何从数据辨别渠道作弊 Part 1.如何从数据评估渠道质量渠道数量过多,鱼龙混杂,想要挑选出合适的优质渠道非 ...
数据分析之数据质量分析和数据特征分析
1.数据质量分析数据质量分析是数据挖掘中数据准备过程的重要一环,是数据预处理的前提,也是数据挖掘分析结论有效性和准确性的基础,没有可信的数据,数据挖掘构建的模型将是空中楼阁. 数据质量分析的主要任务 ...
《Python数据分析与挖掘实战》一3.1　数据质量分析
本节书摘来自华章出版社<Python数据分析与挖掘实战>一书中的第3章,第3.1节,作者张良均王路谭立云苏剑林,更多章节内容可以访问云栖社区"华章计算机"公众号 ...
Python数据分析实战之葡萄酒质量分析
文章目录 1. 明确需求和目的 2. 数据收集 3. 数据预处理 3.1 数据整合 3.1.1 加载相关库和数据集 3.1.2 数据概览 3.2 数据清洗 3.2.1 列名重命名 3.2.2 数据类型 ...
Python数据分析系列（2）——美国纽约皇后区空气质量分析
感谢关注天善智能,走好数据之路↑↑↑ 欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答.求职一站式搞定! 天善智能社区地址:https://www. ...
python产品质量分析_Python数据分析实战之葡萄酒质量分析
1. 明确需求和目的以葡萄酒类型为标签,分为白葡萄酒和红葡萄酒.比较这两种葡萄酒的差别并选取葡萄酒的化学成分:固定酸度.挥发性酸度.柠檬酸.氯化物.游离二氧化硫.总硫度.密度.PH值.硫酸盐.酒精度 ...
详解数据分析中的行为分析
现在数据分析在生活中越来越流行了,大家可能不知道的是,数据分析中的一部分是行为分析,通过把行为转换成数据,然后通过这些数据进行分析数据的实际内容,从而发现一些比较重要的信息.那么数据分析中的行为分析的 ...
数据分析方法 - 同期群分析
记录通过网上各类文章学习关于同期群分析的笔记,如有侵权,请联系本人删除文章. 举例该例出自知乎"同期群"分析的好处是什么? - 于晓松例 1:一个 App,某一天有 100 位 ...
八步构建跨渠道归因分析
原文参考:Multichannel Attribution: How to Measure the Unmeasurable 原文作者:Mariia Bocheva 译文作者:Judy 最简单好理解的 ...

数据分析之渠道质量分析

数据分析之渠道质量分析相关推荐

最新文章

热门文章

数据分析 之 渠道质量分析

数据分析 之 渠道质量分析相关推荐

最新文章

热门文章

数据分析之渠道质量分析

数据分析之渠道质量分析相关推荐