Webtrekk基于真实/匿名用户整合分析的新方向

长期以来，我们一直以Visit为基础进行网站分析，无论是指标定义还是场景分析，默认情况都在一个访问范围内。在大多数情况下，这种分析没有问题，所以我们可以解决单个场景的分析，但只有访问分析才会出现“看树看森林”的问题，因为访问定义了用户行为，我们无法获得用户所有访问的完整性认知。今天，我们将介绍基于真实用户和匿名用户整合分析的新方向，即下一个版本的用户管理模块—URM(UserRelationshipManagement)，看看Webtrekk这次带来了什么惊喜。从定位的角度来看，URM不是一个独立的分析系统，而是一个集成在下一个Webtrekk分析产品中的模块。由于URM的本质是基于用户唯一的识别标志（UV判断标志），因此它提供了另一种基于访问UV的认知，形成了完整的用户标签管理、生命周期认知、转换行为和用户粘性的整体考虑。总的来说，Webtrekk的URM分析模块由两部分组成：第一部分是整体用户概述，第二部分是基于每个用户的完整分析。1.总体概述包括用户群选择、用户过滤和用户分析数据。与GA中的高级分析或AdobeAnalytics中的区段类似，用户群可以直接查看相关群组的用户数据。用户过滤功能与WebtrekQ3中的过滤功能相同，可以根据所有维度和指标过滤目标用户。用户分析数据是概况数据的核心，Visitor的指标和维度包括-ID(UV识别标志)、LastContactbeforeDays、MacroCustomerJourneyStatus、RFETargetGroup、CustomerLifetimeVisits、CustomerLifetimeVisitFrequency(Days)、CustomerLifetimeValue、CustomerLifetimeDiscountShare%、CustomerLifetimeReturnshipmentShare%。通过报告，我们可以看到每个UV(可以理解为匿名用户)在整个生命周期中的总结，这包括用户粘性指标（LastContactbeforeDays、CustomerLifetimeVisits、CustomerLifetimeVisitFrequency(Days)）分群指标（MacroCustomerJourneyStatus、RFETargetGroup）、收入贡献（CustomerLifetimeValue、CustomerLifetimeDiscountShare%、CustomerLifetimeReturnshipmentShare%）三个要素。需要强调的是FRE模型。你可能没有听说过RFE，但做过数据挖掘或客户分析的学生一定听说过FRM模型，并根据RFM模型形成用户分类。需要强调的是FRE模型。RFE可能没听说过，但是做过数据挖掘或者客户分析的同学一定听说过FRM模型，用户分类是基于RFM模型形成的。这里的RFE和RFM差不多，只是RECENCY在FRM。、FREQUENCY和MONEY被FRE中的RECENCY所取代、FREQUENCY和ENGAGEMENT。RECENCY:LastContactbeforeDaysFREQUENCY:CustomerLifetimeVisitsENGAGEMENT:customerlifetimepageimpressions感觉很酷吗？RFE本质上是一个匿名用户(注意不是匿名访问，几乎不同于之前所有的分析场景)的分组模型，根据最新的接触时间、访问频率和生命周期中页面PV的数量进行加权计算，并得到每个匿名用户的FRE分数。不仅如此，还可以根据业务需要调整RFM和FRE模型的参数，定制模型细节。在此概览报告和每个用户分析报告中，调整完成的参数将同时发挥作用。 2.基于对每个用户的完整分析，我在最后一家公司做了会员选项卡项目。目的非常简单：将所有围绕会员的属性特征、订单特征和行为特征集成到一个系统中，然后只需在一个系统的报表层面输入用户的唯一识别标志，如用户ID、手机号码、用户名等可以实现完整的用户信息查询，接到用户电话后，客户中心可以在几秒钟内快速了解用户的所有关键结果信息，并定位用户问题。现在Webtrekk的URM也有类似的功能，点击右上角的singleview进入界面。现在Webtrekk的URM也有类似的功能，点击右上角的singleview进入界面。①Visitorr等用户属性模块中的匿名信息-ID、除了RFE中的三个指标外，还包括用户ID(真实注册ID)、E-mailID、人口属性信息，如订单、年龄和性别。当然，这些值需要外部系统导入Webtrekk或通过CODE传值收集。②用户生命周期模块生命周期模块集成了访问、订单等数据，足以有效判断用户的真实价值。③产品互动信息模块是针对有产品的。准确地说，购物车流程的网站更有用。sessionsid是唯一的访问识别标志。④上次访问信息模块分析了用户上次访问的具体属性和来源细分的第三部分。以上是WebtrekURM的基本功能介绍。以下是对该模块或产品的实际应用价值的简单预测和分析。本产品的初衷是将CRM中用户分析的方法和概念嫁接到网站用户分析场景中，并注意（仅针对用户分析场景），以丰富用户分析的视角，形成更全面的认知价值。但是，匿名用户的URM能给业务带来什么真正的驱动效果呢？即使我知道用户的价值很高或很低，用户也没有购买商品，那么我们的业务能得到什么实际的操作说明呢？这个工具没有给出答案，因为模块中的数据大多是基于匿名用户的集成分析，匿名用户最大的行为特征是我们无法得到他是谁，他住在哪里，他的手机号码，他的电子邮件，所以没有联系点我们的业务可以直接优化！姓名、电话号码、手机号码都是接触点，这些都不在这个模块中，所以不能驱动业务。如何提高该模块的应用价值？可参考以下关键点：基于真实用户ID，整合用户完整数据。实现可应用，必须基于真实用户ID数据集成，集成数据可以是云，也可以导出本地和企业CRM结果，着陆是为业务和分析师提供初步分析建议，帮助了解用户的完整性，特别是RFE价值，可以大大丰富CRM缺失的行为标签。提供基于上述分析点的应用系统接口，便于将结果与业务应用系统直接联动，形成数据驱动。第一步是给业务和分析点一个结果。要实现数据驱动，必须有基于上述结果的接触点。因此，基于手机号码和用户ID的规则、电子邮件等可直接进入业务应用系统，通过电子邮件、短信平台等形式对用户进行优化，这些动作的类型可以分为以下几类：用户恢复：用户在订单前的RFE指标很低，表明用户基本上已经流失，这部分恢复可以直接触发相关的恢复营销动作。用户流失预警：虽然用户的其他特征变化不大，但如果综合查看用户的RFE和其他指标，可能会发现用户的参与和活动正在下降。及时进行流失预警是一项重要措施。用户购物车商品转化刺激：虽然用户已经放弃了许多添加购物车的商品，但直接提取这部分用户。因此，某些算法的处理和订单恢复肯定会提高购物车的转化率。用户购物车商品转化刺激：虽然用户已经放弃了许多添加购物车的商品，但直接提取这部分用户。因此，某些算法的处理和订单恢复肯定会提高购物车的转化率。这个模块现在对我们有什么意义？正如我在很多场合所说，网站分析很容易遇到瓶颈，因为网站分析的方法和场景相对固定，所以我们需要扩散我们的思维。从这个模块中，我们可以意识到Webtrekk已经将客户CRM的概念结合到系统中，这是一个跨领域的集成。我们能学到的是如何从整体上分析用户，如何链接这些分析，如何将结果业务化。除概念外，标签属性、RFE等具体指标也值得我们参考。当然，这只是URM的Beta版本，每个新产品的新功能都不完美，甚至不令人满意，但只要方向正确，沿途就会有更多的风景。

以上就是关于Webtrekk基于真实/匿名用户整合分析的新方向的相关介绍，更多Webtrekk基于真实/匿名用户整合分析的新方向相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对Webtrekk基于真实/匿名用户整合分析的新方向有更深的了解和认识。