干货来了！如何通过网站路径分析推动数据化运营

网站路径数据运营互联网

alexy | 2016-02-19 13:36

【数据猿导读】数据化运营是在基本的数据仓库建设、数据分析和报表支持都已经具备的条件下急需进入的下一个阶段。通过数据化运营加深与业务部门的沟通协作，加强Bi参与业务运营决策，让数据与业务紧密合作较好的方式

基本的数据仓库建设完备的情况下，可以满足业务多维度“结果”类数据的分析需求，比如多少销售业绩，多少流量，多少客户，多少订单，多少商品等业务重点KPI表现。数据化运营则需要更为精细的数据解释用户行为背后的动机和原因，这块需要更多的用户在网站的行为数据支持，其中网站路径分析是非常重要且基础的一环。网站路径分析在第三方网站分析工具如Omniture和GA上都有较为简单基本的概况性的分析，涉及到多维度，结合到商品及具体到用户就力不从心了，这块更多需要网站自身的日子及网站埋点等收集数据满足精细的路径分析。

在正式进入路径分析之前需要先和说明下网页分类的问题，正常情况下用户完成网站既定目标中会浏览不同类型的网页，这些网页根据在网站目标流程中定位及作用会划分各类网页类型，据此衍生不同的指标衡量效果，这方面在此不做深入讨论。

下面演示主流综合电商网站的网站路径：

通过页面浏览次序记录用户的访问行为，需要结合自身网站特点对不同形式的路径做聚类工作，尽量控制网站路径在20-30种。一方面可以清晰网站的主要的购物路径，为网站运行效率监测及各种网站优化调整提供相应的数据参考。

支撑网站购物路径分析前期需要设计开发3张主要的底层表，分别是商品浏览信息表、用户网站购物路径表和购物车信息表，这三张表主要记录访客每次访问(session)中商品浏览次序，勾勒了访客每次访问的浏览路径及其购物车商品加车的次序、商品加车后邮费的变化及后续订单和商品购买与否等信息。注意这些底层表需要较大开发工作量支撑，尤其是网站的购物路径。

下面简单谈谈网站路径分析在业务应用常用场景：

用户端：通过用户在网站上的购物行为探究背后的真实原因及目的，为网页布局和精准化推荐，“千人千面”等提供数据参考。重点在于用户网站行为标签制定，结合后续购买等结果数据更加准确、清晰的了解用户的购买行为。

商品端：了解不同的商品的购物路径有什么特征，结合各种维度可以帮助了解地域，商品品类及不同类型用户对于商品的路径差异，为商品运营提供数据参考;用户首次浏览商品的特征，后续浏览商品是因为业务原因(网页有推荐)还是用户本身需求，帮助我们了解强势引流商品，推出适合用户的组合商品及商品推荐提供数据支持。

网站端：主流的网站路径如何分布，这种现状是否符合用户的期望和网站的既定目标，能否优化。在网站不同期间(比如大促，改版及出现状况)有什么特征。主要应用场景在维护网站重点转化路径，持续优化购物流程和网站异常监控及预警。

咱们就商品加入购物车后的应用场景深入探讨，重点探究商品加车后用户没有支付的原因及对应的运营策略。比较简单粗暴的做法就是通过购物车页面收集到用户有把商品加车的行为，特定时间给用户发短信或者通过其app推送消息，这种做法对于限时特卖且具有一定稀缺性的商品效果会更好点，对于标品效果相对略差，跟上述做法类似，主流电商app已经推出了根据用户浏览商品详情页这个信息push信息。分享个人思考的几点应用场景：商品运营可以根据用户浏览商品时和商品加车后存在比价行为，找出具备商品浏览(曝光)多且加入购物车少和商品加车多且实际成交少的商品，结合爬虫抓取到的其他竞争对手的价格，对这部分商品优先进行调价;我们默认首次加车的商品是用户下单原始需求，结合之前所讨论的购物路径，可以帮助我们迅速的清晰不同商品和品类的购物路径的差异，为网站页面运营人员针对不同品类优化其购物路径流程;根据用户商品加车次序，帮助商品运营及精准化推荐组合商品，另可以通过加车商品邮费变动找到准确搭配的凑单商品等等。

通过以上可以把“人货场”等三块有机的结合起来，通过业务场景和相关专题分析把网站前端的业务场景分析串成一条主线，最终以相关的数据产品展现帮助数据化运营，相关计划如下：