首先为什么要做获客分析,那其实很简单。
互联网时代流量就是钱,流量是硬通货 ,各大产品都希望能够控制更多的流量,但是流量又不是凭空而来的,不论是线下邀请还是口碑传播,又或者投放推广,都是获取用的一个过程 。
之所以要做获客分析,关键点还是在于涉及钱,涉及到预算,这往往是我们要首要分析的一个事情 ,所以我们需要对流量有一个清晰的认知,从数量、质量以及到后续的转化都能了如指掌,花同样的钱能够获得更好的效果。
我们首先梳理一下完整的付费投放场景,第三方投放内容主要是两类:
当用户在这些第三方投放平台看到产品的广告和推荐后,一旦点击就会进入开发的落地页里,通常是一个h5网页 ,至此就会有三条不同的路径出现。
所以最终, 只要进入各个平台的产品端后,我们就能够完整地采集用户的行为数据进行分析。在这个过程中呢主要有三个数据分析方面的重点:
第三在于各平台的数据无法汇总统一分析。打个比方来说 一个用户在安卓上面,就是在不断的查看商品;最后下单的时候是在ios上完成的。如果行为不能汇总进行分析,我们就只能认为安卓上有一个非常有价值的用户,在支付前流失掉了。那在这种情况下如果对这样的用户做一些其他的策略或者说短信提醒 ,那势必是无用功, 可能会导致用户的反感。
广告监测技术从存在广告开始,就在持续进化。这里出现的难点在于广告在第三方平台,一般企业是不能直接去添加数据监测代码的,所以主流的广告监测技术会通过对图片的一些请求次数,来记录广告的曝光和点击 ,从而实现对第三方广告相关数据的一个监测。
另一方面,对于广告的检测我们通常会使用添加参数的方式,这是当时谷歌做的一套方案,现在基本上已经是行业的一个共用的,收到行业认可的一套方式。通过 UTM参数,对不同渠道落地推广页配置不同的参数, 当用户进入落地页后,浏览器会记录到这个url的地址,从而直接就解析url的这个参数的具体的设置,来明确用户是从哪个途径、哪个关键词进入我们产品,最后汇总。
所以, 对于合作方数据的问题,涉及的主要是用户进入落地推广页之前的时候,以及之前广告曝光的部分,广告监测技术是一整套的解决方案。市面上其实有很多这方面的产品, 同时诸葛也有对广告,监测效果监测和评估的分析,感兴趣的可以上诸葛了解一下。
有五个独立维度分别是来源、媒介、活动名称、活动内容和关键词。当对一个url添加这五个维度的参数,基本上就足够覆盖所有的新闻场景。
当然,每个参数的名称,本质上它就是一个代号,之所以定义了名字,其实只是初步的给大家做一个应用场景的梳理。您也可以完全不按照名字的含义与去设定参数。其实本质上,只要知道哪个参数对应着你设计的哪个维度就可以了。配置好以后传输内容的数据就会被自动记录下来 ,就可以让我们了解不同关键词、不同媒介带来流量人数的数量和趋势,最终帮我们进行这么一个分析。
从用户识别来讲有几个常见的场景,每个场景还会有用户从未登录状态转化为登陆状态的这么一个过程。这里背后还涉及到一个用户在多个设备、多个技术平台使用后唯一标识的问题。
首先在网页端,为了方便用户使用是可以在浏览器里储存cookie信息的,通过cookie来识别用户是业内通用的做法。但会存在一个用户在多台设备的多个浏览器上使用的可能性。
所以在用户有登陆行为后,一般以用户账号作为唯一识别的标识来打通各个平台、各个浏览器上的行为;
如果用户是未登录状态,我们主要通过这个浏览器的cookie来识别用户;
当用户从未登陆状态转变为登陆状态后,那我们就将用户账号信息作为用户的唯一识别标识。并在关联层面上,通过cookie的唯一性,不管用户在登录前还是登录后,cookie是唯一的,这样就可以将用户在登录前的行为打通。
移动端其实和js端是一样的道理,但是难度最大的就是如何在js的移动端和app的移动端之间来标识用户。
比如说你做了一个活动推广,然后同时在知乎、豆瓣、贴吧上做推广。那用户打开推广页后点击下载, 就会跳转到苹果商店或者应用宝、豌豆荚之类的应用商店等,启动app的时候你就并不知道这个用户是从知乎带来的,还是豆瓣带来的,你只能看到这些从苹果商店来的或者说是从应用宝来的。但显然这并不能对我们推广活动任何的帮助,最后可能都归到同一个应用平台上或应用商店里了。
所以需要有技术能够把用户下载前的身份、下载中、下载启动app后的身份做一个关联 ,那我们就能够去跟具体的推广活动有关联起来,尤其是在做活动前,如果想要做精准的追踪,那这样的技术方案其实要提前了解。
Deeplink技术的原理来给大家解释一下。
它主要解决的问题:
所以这两个技术平台的标示方式不同,也是难以标示同一用户的一个巨大问题。那么在实现方式上,就是在没有用户帐号作为跨平台标识的条件下,通过采集到的基础信息和算法技术,然后绕过应用商店和技术平台带来的数据断层,实现用户来源标识和用户唯一性标识,直接打通落地推广页和app之间的这种用户行为关联。
具体的算法本质上,其实是两个方面:
一方面是一个有效的时间窗口,通常我们会定义为半个小时作为一个用户转化的一个周期 ,毕竟从登陆到这个网页,到最终能下载 、启动,其实中间是需要一个转化时间的,这个时间也是可以调的,但是太长就失去识别的价值了,因为时间一长各种可能性太多,不太好把握 。所以建议是半个小时甚至更短的时间。
另一方面就是能够采集到的设备和环境信息,比如说浏览器的user agent、设备特征 比如说型号品牌,然后最终通过算法,整合这些多维度的信息做出判断。
那之前说过的第三个痛点在于,各平台的数据无法汇总做统一分析的问题。在刚才说了用户唯一标识的这个问题,被解决以后汇总分析的就比较简单了。在诸葛的最终方案中,提供整体各平台数据分析的一个能力,用户只要是在我们自有平台上的行为数据,我们都是可以整合到一起进行分析,实现完整用户生命周期行为。
打个比方,我们可以精准的看到哪些用户是从知乎的推广渠道来的,同时这些从知乎来的用户有多少注册了,那么这些用户在js、安卓和ios的行为特点是什么样的。通过对全平台用户行为的监测和监控,其实能够清楚地知道各渠道用户质量的一个情况。可以帮我们了解到比如说js端是否承载了引流的功能 ,移动app端是否承载了沉淀用户的作用等。
我们今天的内容简单的跟大家聊了聊获客分析中的三个重点,其实这三个维度的价值就是能够精准衡量用户的获取来源和新增活跃状态,能够在平台之上更为宏观和真实的看到多个平台的新增活跃到底是一个人还是多个人;其二就是分析用户各平台之间的一个流转状态,相信绝大多数企业对各平台的应用端是有定位的,当我们看到用户在各平台之间的流转状态后,才能够知道用户是不是按照我们设计的那样。
总之呢,在现在大多数公司都呈现出这种全平台客户端的状态下,整合各平台数据做分析其实是非常有必要的。
领取专属 10元无门槛券
私享最新 技术干货