bts防弹少年团演唱会

bts防弹少年团演唱会

如何查找转换优化的相关度量标准

《如何查找转换优化的相关度量标准》

当您进行%E8%BD%AC%E6%8D%A2%E4%BC%98%E5%8C%96%E6%97%B6“>

同样有价值的是找到与更高的客户成功相关的活动 – 无论是RPV,LTV还是您正在优化的任何指标。

但是,您如何找到这些相关指标?

什么是相关指标?

你听说过Facebook%E7%9A%84%E6%97%B6%E5%88%BB%E5%90%97%EF%BC%9F”>

在10天内添加7个朋友没有任何结果; 它本质上充当了未来用户行为的预测器。 因此,Facebook将其作为经验法则用于优化。

另一个例子可能是在电子商务网站上。 假设您发现使用搜索功能的客户转换的可能性是其两倍。 现在,你不知道为什么 – 搜索和转换之间没有%E5%9B%A0%E6%9E%9C%E5%85%B3%E7%B3%BB“>

相关指标可以通过其他名称来了解:领先指标,预测指标,相关性, %E6%97%B6%E5%88%BB“>

相关性与因果关系

正如我上面提到的,您搜索的指标%E5%B9%B6%E4%B8%8D%E6%84%8F%E5%91%B3%E7%9D%80%E5%9B%A0%E6%9E%9C%E5%85%B3%E7%B3%BB“>

《如何查找转换优化的相关度量标准》
这被称为%E8%99%9A%E5%81%87%E5%85%B3%E7%B3%BB“>

例如,您可能会发现下载某个PDF(例如关于移动优化)的访问者最终会以三倍于不这样做的速率填写潜在客户表单。 这并不意味着PDF会导致任何问题。 这些用户可能只是有更多的内部动机来寻求信息并渴望您的服务。 但使用它作为优化的起点可以让您探索潜在的机会区域。

然后,A / B测试是尝试建立某种形式的因果推断。 如果您隔离所有其他变量(例如时间,流量等),并且只更改了一个元素,则可以非常肯定隔离元素中的更改会导致影响。 虽然注意到你%E4%BB%8D%E7%84%B6%E6%97%A0%E6%B3%95%E8%A7%A3%E9%87%8A%E4%B8%BA%E4%BB%80%E4%B9%88%E4%BA%8B%E6%83%85%E4%BC%9A%E5%8F%98%E5%BE%97%E6%9B%B4%E5%A5%BD” kohavi> : “有可能知道哪种变体更好,多少,但不是 – 为什么。”

Airbnb%E7%9A%84%E4%B9%A6%E5%91%86%E5%AD%90%E8%A7%A3%E9%87%8A%E5%A6%82%E4%B8%8B%EF%BC%9A”>

“外部世界对指标的影响往往大于产品变化。 用户的行为可能会有所不同,具体取决于星期几,一年中的时间,天气(特别是像Airbnb这样的旅游公司),或者他们是通过在线广告了解网站还是有机地找到网站。

受控实验可以在控制上述外部因素的同时隔离产品变化的影响。“

我们首先寻找相关指标的原因是找到受控实验的机会区域。 当您可以在实验中隔离元素时,您可以生成可测量的升降机以及经过验证的学习。

正如Lean” analytics>合着者Ben” yoskovitz> %E5%86%99%E9%81%93“>

《如何查找转换优化的相关度量标准》本·约斯科维茨

“找到两个指标之间的相关性是一件好事。 相关性可以帮助您预测会发生什么。 但找到某事的原因意味着你可以改变它。 通常,因果关系不是简单的一对一关系 – 有很多因素在起作用,但即使是一定程度的因果关系也是有价值的。

您通过找到相关性来证明因果关系,然后运行实验来控制其他变量并测量差异。 这很难做到,但因果关系确实是一个分析超级大国 – 它让你有能力破解未来。“

领先指标或滞后指标

现在有两种常规类型的指标:领先指标和滞后指标。

什么是领先指标? %E6%A0%B9%E6%8D%AEInvestopedia%E7%9A%84%E8%AF%B4%E6%B3%95“>

“领先指标是一个可衡量的经济因素,在经济开始遵循特定模式或趋势之前会发生变化。 领先指标用于预测经济变化,但并不总是准确。“

《如何查找转换优化的相关度量标准》
%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

%E6%A0%B9%E6%8D%AEKPI%E5%9B%BE%E4%B9%A6%E9%A6%86%E7%9A%84%E8%AF%B4%E6%B3%95“>“滞后指标通常是”输出“导向的,易于衡量但难以改善或影响,而领先指标通常以投入为导向,难以衡量且易于影响。

我们主要关注领先指标,因为它们充当“预测指标”(一种行为的发生通常导致另一种行为)。 领先指标通常可以进一步细分为三类( %E6%A0%B9%E6%8D%AE” academia.edu price> ):

  • 网络密度:在时间范围内建立的朋友或以下连接
  • 添加的内容:添加到Dropbox文件夹的文件
  • 访问频率:D1保留

虽然Price的类别主要涉及SaaS公司和社交网络,但这些类别足够广泛,适用于更多的受众。 例如,如果您是B2B或电子商务网站,只需将“添加的内容”更改为“已消费的内容”即可。 但总的来说,他说他们通常适合这三类。

如何查找相关度量标准

根据您的目标和业务类型,您可以通过几种不同的方式搜索这些指标。 关于如何查找这些指标,还有多种观点。

在转换优化中,往往会有一些常见的预测指标,例如Brian” massey> :

  • 着陆页上的跳出率
  • 关键内部页面上的点击率
  • 电子商务网站的添加到购物车
  • 表格完成百分比
  • 放弃率(基本上与最后两个相反)

虽然他提醒其他指标,例如页面上的时间,网站上的时间和每次访问的页面“都应该采取一些措施。 增加这些可能与较低的转换率相关。“

否则, %E6%9F%A5%E6%89%BE%E7%9B%B8%E5%85%B3%E6%8C%87%E6%A0%87%E7%9A%84

  1. 定义您的绩效指标。
  2. 跟踪所有内容并列出您在特定时间段内跟踪的所有用户指标。
  3. 运行回归。 %E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90%E6%98%AF%E4%B8%80%E7%A7%8D%E4%BC%B0%E7%AE%97%E5%8F%98%E9%87%8F%E4%B9%8B%E9%97%B4%E5%85%B3%E7%B3%BB%E7%9A%84%E6%96%B9%E6%B3%95″>

因此,您需要从定义成功指标开始。 Andrew” chen> :

  • 他们在过去28天里活跃的日子
  • 过去28天内购买的收入
  • 过去28天内上传的内容
  • ……或者你想要定义的任何其他内容。

关于选择什么作为您的成功指标,没有一个通用的答案。 它取决于您的产品是什么以及您的模型是什么。

Facebook关注频率和参与度,因为它们基于广告模式,但对于电子商务网站,它可能类似于RPV,而对于SaaS工具,它可能是每月活跃用户。

布局数据和简单的分析方法

在确定目标后,您可以收集一些数据以探索可能的相关指标。

根据Andrew Chen的说法,这是一种耙取数据的方法:

《如何查找转换优化的相关度量标准》安德鲁陈

“一旦你有办法评估用户的成功,那么你想要抓住一群用户(假设所有在过去X天加入的人)并开始为该用户创建数据行。 包括成功指标,但也包括您正在跟踪的一堆其他统计数据 – 可能有多少朋友,他们创建了多少内容,他们是否下载了移动应用,可能他们提供了多少评论,或收到,或其他任何东西。

最终你得到一个像:

成功指标,商业指标1,商业指标2,商业指标3等…

一旦你有一堆行,你就可以运行几个相关性,看看哪些东西往往与成功度量相关联。 显然,这一点的重点在于在脑海中形成一个关于驱动成功指标的因素的假设。 这里有一个着名的想法是,消防车与房屋火灾相关,但这并不意味着消防车引起房屋火灾。“

至于Facebook的例子,那就是他们如何发现“7朋友”的事情。 %E7%90%86%E6%9F%A5%E5%BE%B7%C2%B7%E6%99%AE%E8%8E%B1%E6%96%AF%EF%BC%88Richard” price>他们基本上只关注那些参与其中的用户群,以及那些没有参与的用户群,并且出现了显示“7朋友”相关性的模式。

请记住,这条规则不是因果关系。 它只是一个方便的启发式,Facebook的增长团队可以指出优化点。 这个想法是,增加在10天内增加7个朋友的人数,更多的用户会更长时间参与。

SaaS中的常见转换活动

另一种方法是开发CCA(或共同转换活动)。 这是Gainsight%E7%9A%84%E9%A6%96%E5%B8%AD%E5%AE%A2%E6%88%B7%E4%BC%A0%E6%92%AD%E8%80%85

《如何查找转换优化的相关度量标准》 林肯墨菲:

“所以几年前我提出了一系列指标,我称之为常见转换活动 – 或CCA–我将其定义为”所有或大多数付费客户在试用期间所做的事情。

这是一种查看历史数据并找到“过去12个月内成为客户的每个人在转换之前都做过X,Y和Z的模式”的方式。或者那些历史数据不可用的地方 – 或者是启动启动或者如果那个级别的粒度根本不存在 – 我们可以利用我们对客户的理解来创建一个假设“每个客户在转换之前可能需要做X,Y和Z.”

林肯%E8%BF%98%E5%B0%86CCA%E5%AE%9A%E4%B9%89%E4%B8%BA%E2%80%9C%E4%B8%80%E7%B3%BB%E5%88%97%E7%94%B1%E5%8F%AF%E8%AF%81%E4%BC%AA%E5%81%87%E8%AE%BE%E5%AE%9A%E4%B9%89%E7%9A%84%E6%95%85%E4%BA%8B%E9%A9%B1%E5%8A%A8%E8%A1%8C%E4%B8%BA%EF%BC%8C%E8%BF%99%E4%BA%9B%E5%81%87%E8%AE%BE%E5%9C%A8%E8%AF%95%E9%AA%8C%E6%9C%9F%E9%97%B4%E4%BD%9C%E4%B8%BA%E4%B8%80%E7%BB%84%E5%AE%8C%E6%88%90%E6%97%B6%E4%BC%9A%E5%AF%BC%E8%87%B4%E8%BD%AC%E6%8D%A2%E3%80%82%E2%80%9D”>

就所有意图和目的而言,CCA是预测性指标,正如我们上面所讨论的那样,但林肯在方程式中添加了人物/故事驱动计算的元素。 它们源于关于成功客户旅程的可证伪的假设。 您必须使用定性和定量数据的组合来开发它们。

什么样的定性数据有助于此?

找到一些相关活动的一个很好的起点是定性研究。 使用开放式问题,可以让您了解用户对产品的喜爱程度。 试着找出那些喜欢它的人与那些不爱的人的区别。 您可以使用以下工具:

  • 客户调查
  • 一对一的采访
  • 专门小组
  • 退出民意调查

正如Amplitude” analytics>增长营销人员Alicia Shiu %E5%9C%A8Quora%E4%B8%AD%E5%86%99%E9%81%93“>

《如何查找转换优化的相关度量标准》 Alicia Shiu:

“与您的用户交谈,了解他们从您的产品中获得的价值 – 是什么让他们回来,以及他们喜欢使用该应用程序的原因是什么? 收集这些定性数据将为您提供查看定量数据的起点。

根据用户反馈以及您对哪些操作与参与相关的想法,您现在可以测试您的假设并打破您的假设。 将“成功”用户与“不成功”用户进行比较 – 成功用户采取了哪些措施? 回想一下Facebook的例子。 假设我们已经确定我们的成功衡量标准是注册后2个月的用户保留率。 我们正在查看数据,似乎出现了3个主要行动:添加朋友,发布更新和“喜欢”的事情。 我们认为这3项活动可能导致有人坚持2个月。“

上面列出的方法是找到引人注目和明显相关性的非常简单的方法。 要深入挖掘并发现隐藏的相关性,您可以使用一些很棒的工具和旧技术……

查找关联的工具和技术

有一些可靠的统计技术可用于查找相关指标。 其中一个是%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92” cook>提出并概述了……

《如何查找转换优化的相关度量标准》大卫库克

“要计算逻辑回归,您需要组织历史数据,以便每行都是用户。 列用于您拥有数据的每个解释变量。 确保您有一个包含二进制变量的列,以确定它们是否转换。 一些解释变量可能是虚拟变量。 例如,Facebook可能会为10天内达到7位朋友的用户提供一列。 成功完成此目标的用户获得1,其他人获得0。

获得此格式的数据后,可以使用R( %E7%BB%9F%E8%AE%A1%E8%AE%A1%E7%AE%97%E7%9A%84R%E9%A1%B9%E7%9B%AE“>

《如何查找转换优化的相关度量标准》
图像来源

但也有一些工具可以使这更容易。

有用的工具以及如何使用它们

LawnStarter%E7%9A%84%E8%81%94%E5%90%88%E5%88%9B%E5%A7%8B%E4%BA%BA%E5%85%BC%E9%A6%96%E5%B8%AD%E8%BF%90%E8%90%A5%E5%AE%98推荐一款名为Data” robot>的工具进行此类计算……

《如何查找转换优化的相关度量标准》 瑞安法利:

“我最喜欢的确定数据集相关性和预测能力的工具是Data Robot。

您需要做的就是上传表格数据集,其中包含您的输入和您想要预测的变量(即转换),以及构建预测模型。 从那里,它们显示所有变量的单变量分析,因此您可以看到某些东西是否相关。 然后,Data Robot为您构建不同的机器学习模型,并推荐最佳的机器学习模型。

此外,它还显示哪些因素最能预测您的预期结果。 两者都以变量的形式出现 – 在一天中的X小时购物的人有更高的转换可能性 – 热点 – 在上午11点到下午12点之间购物的人,使用Safari,访问某个页面 – 更有可能转换。“

另一个工具是Amplitude” analytics> ,一个事件分析平台。 您可以跟踪与成功指标相关的网络/应用活动:

《如何查找转换优化的相关度量标准》
%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

上面的图片来自AppCues, %E4%BB%96%E8%B0%88%E5%88%B0%E5%88%86%E6%9E%90Pingdom%E5%8F%8A%E5%85%B6%E7%9B%B8%E5%85%B3%E6%8C%87%E6%A0%87……”>

“假设您的应用是Pingdom等网站正常运行时间监控服务。 通过运行此分析,我们可以看到接收文本6次或更多次(行为)与长期保留正相关。 它似乎只有+0.1471的小相关性(相关性从+1开始,完全相关,到-1,完全负相关)但任何正相关意味着这是这个难题的一部分。“

可以帮助解决这个问题的工具的另一个例子来自电子邮件营销领域。 Segmetrics是作为InfusionSoft的分析工具而构建的, %E4%BB%96%E4%BB%AC%E5%86%99%E4%BA%86%E4%B8%80%E7%AF%87%E5%8D%9A%E5%AE%A2%E6%96%87%E7%AB%A0“>

他们发现了很多有用的数据,但我认为最酷的事情之一是他们的PDF值的差异。

首先,他们发现下载PDF的人的平均领先价值为40.44美元,比未下载PDF的人的平均领先价值高出59%(25.36美元)。

然后他们发现某些PDF导致更高的铅值…

《如何查找转换优化的相关度量标准》
%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

请记住,这并不意味着因果关系。 它只是表明某些PDF与较高的铅值相关,这本身就是有价值的信息。

更多工具

虽然工具不会神奇地告诉你任何事情,但以下是更多可以帮助你在这方面的工具:

下一步做什么(采取行动)

一旦你有相关的微转换,你到底用它做什么? 没有操作的数据非常无用,因此您必须将该指标用作宏转换的预测指标。 运行测试的目的是让更多人采取X行动并测量他们完成Y宏转换的比例也很高。

正如Amplitude Analytics的增长营销人员Alicia Shiu %E6%89%80%E8%AF%B4“>

《如何查找转换优化的相关度量标准》 Alicia Shiu:

“既然您已经确定了关键指标,那么必须越过这个关键指标才能成为一个快乐,敬业的用户,现在是时候做点什么了。 优化有关您的注册和入职流程的所有内容,以鼓励采取相应措施。 您希望用户尽快达到阈值。 进行一些A / B测试,看看有什么可以推动您的成功指标增加。 专注于你的魔法门槛,你会看到参与度和保留率增加。“

Andrew Chen %E5%9B%9E%E5%BA%94%E4%BA%86%E8%BF%99%E4%B8%80%E7%82%B9“>

《如何查找转换优化的相关度量标准》安德鲁陈
“在您找到适合您的模型后,下一步就是尝试A / B测试它。 做一些优先考虑输入变量并增加它的东西,可能以牺牲其他东西为代价。 看看这些用户是否因此更成功。 如果您发现成功指标有很大差异,那么您就可以了解某些事情。 如果没有,那么也许它不是一个非常好的模型。“

结论

不久之前,我们写了一篇关于你是否应优化微转换(点击,添加到购物车等)的帖子。 虽然围绕这个问题存在大量争论,但我们得出结论,您应该几乎总是针对最重要的最终指标进行优化。

但是,与重要的宏观转换相关的微转换可能有助于开放优化机会区域。 他们可以向您展示通常预测购买或更多应用内参与的活动(或您的指标可能是什么)。 他们还通过专注于增加较小的指标来简化跨团队增长战略,同时考虑到更大的收入目标。

有很多方法可以找到相关指标,但重要的是采取行动。

特征图像源

相关文章

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注