分布分析模型在各行业内数据分析应用较为广泛,是重要的数据分析模型之一。本文将分别介绍分布分析的定义、特点与价值,以及应用场景几个方面。

分布分析的定义

分布分析是用户在特定指标下的频次、总额等的归类展现。它可以展现出单用户对产品的依赖程度,分析客户在不同地区、不同时段所购买的不同类型的产品数量、购买频次等,帮助运营人员了解当前的客户状态,以及客户的运转情况。如订单金额(100 以下区间、100 元~200 元区间、200 元以上区间等)、购买次数(5 次以下、5~10 次、10 以上)等用户的分布情况。

分布分析模型的特点与价值

科学的分布分析模型支持按时间、次数、事件、指标进行用户条件筛选及数据统计。为不同角色的人员统计用户在一天/周/月中,有多少个自然时间段(小时/天)进行了某项操作、进行某项操作的次数、进行事件指标。总之,分布分析价值主要体现在以下几个方面。

1.挖掘用户分布规律,优化产品策略。

对同一指标下有关数据的统计与分析,帮助企业从中挖掘用户访问规律,企业可以将规律与实际产品策略相结合,进一步修正和重新制定产品策略。

2.运营并持续产品生命力,增加客户回访率。

彻底改变之前依靠随机抽样的回访率调查方式,如电话回访等,分布分析从多角度分析辅助企业,判断单用户对产品的依赖程度,以及产品对用户的价值与黏性。

3.快速识别核心用户群体,资源配置有的放矢。

核心用户群体是对企业价值贡献最大的用户群体,是企业最大的利润来源。不同用户群体对产品需求不一样,对用户群体进行差异性辨识,可以了解到用户群体对产品的依赖动力。分布分析通过不同维度筛选出核心用户群体,在此基础上,更好地配置优质资源,以最小成本实现企业利润最大化。

分布分析模型的应用场景

场景1:电商行业常见的分布分析应用

电商用户的忠诚度如何、客单价情况如何等这些问题均可以通过分布分析功能进行快速诊断。以电商为例,重复购买次数、客单价分布等均是常用的衡量忠诚度的指标。以下从不同角度展现了分布分析的多维度查看。 图 1 可以看到用户每个月的购买频次基本稳定在 1~3 次之间,3 月有小的变动,其他几个月都比较稳定。

图 1 用户在购买一个月内进行支付订单的次数(图片来源:神策数据产品)

除了从用户行为日期去查看外,还可以对用户进一步细分,看看不同性别、不同渠道的用户的支付频次的差异,如图 2 所示,从性别来看,数据比较均匀。

图 2 用户一个月内进行支付订单的次数(图片来源:神策数据产品)

如图 3 所示,从省份的角度看,该商品并没有地域偏爱。 用户购买的客单价分布在哪个区间,也是运营人员比较关心的。图 4 显示出用户的客单价很高,90% 的用户客单价在 500 元以上。 图 3 按省份查看用户一个月内支付订单次数(图片来源:神策数据产品)

图 4 用户一个月内实际支付订单金额总和(图片来源:神策数据产品)

关于数据分析模型,我们已为大家深度解读了行为事件分析、漏斗分析、留存分析、分布分析、点击分析、用户路径分析、用户分群分析、属性分析等分析模型,可点击下方文字链查看:

行为事件分析模型

漏斗分析模型

留存分析模型

点击分析模型

用户路径分析模型

用户分群分析模型

属性分析模型