1700502200
1700502201
日志分析的主要内容包括日常流量监控（PV,UV)、来源去向分析及路径分析等。
1700502202
1700502203
本章接下来要具体讨论的，就是针对日志数据进行的路径分析，其包括来源去向分析，当然其中的原理也会用于日常流量监控中。
1700502204
1700502205
1700502206
1700502207
1700502208
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497682]
1700502209
数据挖掘与数据化运营实战：思路、方法、技巧与应用 13.2 漏斗模型与路径分析的主要区别和联系
1700502210
1700502211
漏斗模型是路径分析的特殊形式，是专门针对关键环节进行的路径分析，两者都是针对用户路径和轨迹所进行的发现、分析与提炼，而且两者的主要分析思路也是相同的，即都是以上下环节转化率的计算为核心的，这就是两者的主要联系和共通点。
1700502212
1700502213
两者的区别主要表现在以下几个方面：
1700502214
1700502215
❑侧重点不同。漏斗模型更多、更主要用于网站和产品的运营监控和管理中，主要是针对网站或者产品运营中的关键节点和关键环节所进行的分析、监控、管理；而路径分析的用途更加广泛，除了网站和产品的运营监控和管理外，还包括产品设计与优化、用户频繁路径模式识别、用户特征分析等。
1700502216
1700502217
❑两者思考的方式和粒度不同。漏斗模型更多时候要经过抽象的过程来搭建漏斗的每一个环节。也就是说，漏斗中的每个环节更多的时候是抽象出来的，而不一定是完全按照原始的数据（不加转化、不加整合）直接放进漏斗中的。举例来说，电商行业最有名的漏斗模型为曝光→点击→反馈→成交，该模型反映了商品从曝光到成交的核心环节的流转情况。在这个漏斗模型中，每一个环节都是经过抽象汇总后产生的。比如曝光这个环节可能要汇总多个不同的曝光场景，反馈环节则要汇总多种不同形式的反馈，有的是在线问答，有的是即时通信反馈，有的是点击查看售后保障条款等。如果按照之前的逻辑规定，上述这些不同方式都属于反馈，那么这个漏斗中的反馈环节的数据就需要通过抽象、汇总之后才可以得到。而路径分析，在此特指不包括漏斗模型在内的其他路径分析，则更多的时候是就事论事，不需要经过抽象、转化、整合这些过程。
1700502218
1700502219
❑分析的思维方向有别。漏斗模型的思维方式通常是逆向的，即先确定要分析的关键环节，然后抽取相应的数据，计算其转化率。比如，先找到要分析的某个关键环节,如付费环节，以及它的上一个关键环节，如下单环节，再根据这两个环节的先后顺序，计算出从下单环节到付费环节的转化率，并依此类推，完成一连串有序的关键环节的漏斗模型。而路径分析需要根据不同的业务场景来考虑思维方式，可以是正向的思维方式，也可以是逆向的思维方式。所谓正向的思维方式，即不预先圈定要分析哪个环节、哪个页面，而是让数据分析说话，让数据结论显示哪些是关键环节，哪些是关键页面。比如，从用户在网站或产品使用的第一步开始，依序计算出每一步的流向、转化，并最终按照不同的计算技术、算法进行主要和主流的转化、流向的提炼和总结。
1700502220
1700502221
❑分析技术有差别。相对来说，漏斗模型的分析技术更直观、更直接、更容易理解，就是根据两个关键环节的先后顺序，计算出从头到尾的转化率即可。这种转化率的计算可以基于用户的人数，也可以基于浏览的次数，依具体的分析场景而定，这种分析甚至不需要专业的分析软件就可以进行了，当然，在商业实践中，为了提高分析效率，也可以使用专门的分析软件；而路径分析所采用的分析技术相对来说更为多样化，也更具有一定的专业深度。比如本章后面要介绍到的Sequence Analysis、Social Network Analysis等，这些分析需要借助一些专业的分析挖掘软件才可以更加有效地进行。
1700502222
1700502223
1700502224
1700502225
1700502226
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497683]
1700502227
数据挖掘与数据化运营实战：思路、方法、技巧与应用 13.3 漏斗模型的主要应用场景
1700502228
1700502229
本章前面曾经提到漏斗模型是路径分析的特殊情况，是针对少数关键节点的路径分析，而且它已经是一种非常成熟的管理工具和分析思路了，所以本节将专门讲解漏斗模型的主要应用场景。
1700502230
1700502231
图13-1是一个常见的漏斗模型图，它是关于某促销商品在促销运营中一系列关键节点的效果总结和描述。从该漏斗模型可以看出，运营活动吸引用户浏览商品详情的效率为15%，即促销活动所传达和覆盖的目标用户中，有15%的人到达了商品详情页面，即浏览了商品详情；在浏览商品详情的运营目标受众中，有5%的用户把商品放入了购物车中；而在将商品放入购物车的运营目标受众中，又有20%的用户执行了下订单的操作；在下订单的运营目标受众中，有80%的用户最终在线付款成功。
1700502232
1700502233
1700502234
1700502235
1700502236
图13-1 从浏览商品详情到成功付款的漏斗模型
1700502237
1700502238
通过对上述漏斗模型进行分析，再通过比较同类商品的相应转化比例，或者同类运营活动的相应转化比例，就可以发现本次运营活动中哪些环节的效果不好，然后采取相应措施积极改进，最终提升整体的转化率。所以，上述漏斗模型常常会作为数据化运营中最基本的管理工具和分析思路，而且在互联网行业的日常工作和运营中，它几乎是无处不在的。
1700502239
1700502240
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497684]
1700502241
13.3.1 运营过程的监控和运营效率的分析与改善
1700502242
1700502243
漏斗模型最常用的场景是作为商业和运营的管理工具和分析思路，通过对运营过程以及各层转化率的监控和分析，找出运营中的薄弱环节，然后采取有针对性的措施加以修正和提升。在绝大多数互联网企业中，漏斗模型是企业日常基本管理和监控的最重要的工具和分析思路，无论是一封电子邮件的运营活动，还是各活动页面的日常运营，或者是其他的网站日常运营，只要有流程，只要有转化，就一定会采用漏斗模型作为其中的一种手段来加以监控、分析和管理。
1700502244
1700502245
举例来说，针对某群目标用户发送一封电子邮件（含有促销产品的网页链接），针对该运营活动，其漏斗模型就要展示诸如：目标受众收到电子邮件，即邮件发送成功的比例；邮件打开的比例，即打开邮件的用户数量/收到邮件的用户数量；点击行为的比例，即点开邮件中的促销产品网页链接的用户数量/打开邮件的用户数量；订购行为的比例，即从邮件中促销产品的网页链接处点击并下单的用户数量/点开邮件中的促销产品网页链接的用户数量；乃至最后的成功付款比例，即通过该邮件的运营最终付款成功的用户数量/通过该邮件运营产生订购行为的用户数量等。上述一系列环环相扣的漏斗，就是最常见的运营漏斗模型，它主要用于对运营过程进行监控和对运营效率进行分析，并最终实施有针对性的方法以提升运营效率，改善运营效果。
1700502246
1700502247
1700502248
1700502249