数据分析从定量到定性的转变-网站域名-定量-学习网-域名-数据-网站

数据分析从日志分析过渡到了基于Javascript标记的点击流分析工具，是一个非常大的提升，这就是“数据分析1.0”，我们发现点击流工具很简便就能够提供非常多的数据，满意至极，然后狂喜过后发现这些数据很多时候仅能说明什么时候发生了什么，并不能告诉你为什么，很多事情还是要靠猜。于是Avinash又提出了“数据分析2.0”，将点击流数据分析工具与定性数据、测试、竞争情报工具相结合，形成新的分析策略，让强盛的数据更完善地驱动组织的决策和变革。    “数据分析2.0”这个概念在几年前就提出来了，但是落地却有些缓慢，真正向用户收集调查问卷、使用A/B测试、热力图、视频录制、表单分析的公司不会有太多，可能跟目前大家的意识有关，觉得流量的捕捉比整体的转化来得更容易，回报更大，见效快。但是随着越来越多的传统企业往网络营销进军，流量的捕捉相比以前竞争也会越来越猛烈，流量的骤然猛升基本上是不可能的了。这个时候，精耕细作将会是必经的道路，迟早都要经历，为何不提前拥抱这个趋势，让过渡来得更和谐和平缓一些呢？    打个比方，数据分析和优化就好比去健身房锻炼，只有系统的锻炼计划和连续的时间投入，才能看到提升的效果，有些人买了卡，但是几个月不去一次，只是买个心安而已，身体一点没变化。好比现实中很多企业买了几十万甚至几百万的工具，但是企业内部并没有真正的对接项目经理一样，起不到实际的效果。    那究竟如何真正拥抱数据分析2.0呢？可以从定性数据分析、测试、竞争情报收集等方面下手，这篇文章主要从定性数据分析方面着手。    在真正聊定性数据分析之前，我们先从点击流分析入手，逐步来认识定性数据分析，现实情况中，很多分析师在进行指标统计的时候，会经常摸索如何衡量访客的粘性和交互性的问题。答案断定会先是宏观指标，例如收入、毛利率；然后是微观指标，可能就会涉及特定页面的浏览、文档的下载，再然后就是平均停留时间、访问深度和跳出率的结合分析，在这里头先回答一下数据分析师经常遇见的几个问题：1）是否应该参考行业标准?    行业的标准浏览下就好了，知道大概的数据，为什么不能深信呢？第一是行业数据的数据源，是否完整，是否取样足够；其次是数据有细分，如何保障收集的时候数据不是随便填写的呢，这些都是问题，所以觉得行业数据仅供参考，了解趋势就行。2）如何确定什么是好的平均停留时间、访问深度和跳出率？   可以使用数据细分或者筛选，将包含有成功订单或者目标完成的流量细分出来，看看其平均停留时间、访问深度、跳出率分别是多少。3）如何确定流量往好的方向变化呢？   可以将指标进行复合审核，例如如果平均停留时间长了，同时访问深度也提升了，那么就能说明用户真正是被内容吸引了，再苛刻一点，也可以是三个、四个指标同时进行确认。   很多数据分析新入行的朋友甚至不知道以上的方法，更不要说定性数据分析，那就更遥远了。那究竟什么是定性数据分析呢？    举几个例子吧，定性的数据分析包括：l使用定性工具查看网页屏幕的访客平均浏览高度是多少，然后设计适合的行动召唤，让按钮在平均浏览高度的首先屏就要展现l表单的舍弃率多少，在哪个步骤舍弃，每个步骤停留了多长时间，有没有重新填写，选项留空率是多少，然后进行重新的设计l添加了购物车但最终没有购买的访客行为是如何的，录制的访客行为视频有无发现等。    以上说的功能很多都是目前主流的数据分析工具GoogleAnalytics、IBMDigitalAnalytics(Coremetrics)、AdobeSitecatalyst、百度统计等没有办法提供的，当然IBM有额外的工具，例如Tealeaf等可以解决这些问题，但是受众非常少，较为昂贵的费用也是一个问题。    目前国外有个工具叫Clicktale，它有免费的功能可以让我们收集以上的内容，这个工具的目标主要是转化率和用户体验的优化和提升。Clicktale在2013年拿到了几千万的风险投资，同时付费用户上涨很快，在产品功能方面，它在2011年发布了访客行为视频录制功能后，又逐步在2013年发布了注意力热力图和表单分析等功能，这些强盛的功能足以让注册用户和购买为主要目标的网站可以得到很大的转化率的提升。这个产品目前的免费功能可以录制视频为5000浏览量/月，安装也比较简陋，跟GA、百度统计类似，将JS代码加到网站即可。    好奇心是数据分析师必备的特点之一，市场上有逐渐成熟的方法论和工具，何乐而不为呢？分析让人快活，分析让人成长，开始定性数据分析吧，加油！