2.2 流量运营分析
流量运营，指的是通过各种推广活动、营销方式提升网站的流量。流量的作用非常重要，产品要赚钱，就需要足够多的转化用户，而每一个转化用户，都需要一定的流量来提供潜在的用户，流量越大，潜在的用户基数才会越大。当产品的转化率达到稳定期时，持续不断的流量会成为产品能够稳定存活的重要因素之一。
2.2.1 流量运营规划
流量运营需要拆解目标，我们要先清楚流量运营一般包含哪些内容？从流量营销的角度来看，主要分析对象是访问用户，它们能帮助了解用户的量级、用户的偏好、用户的来源及去向，能帮助我们了解访问用户在流量中的行为及不同流量渠道之间的关系；从分析对象的逻辑结构来看，我们主要看产品的健康状况，页面的表现，注册到下单的流程是否顺畅；从流量运营的角度来看，主要看产品表现来进行资源及预算的合理分配，而产品的表现需要通过一系列指标来追踪。这其中的每一个小点都能拿出来作为一个独立的分析主题。在本节中讲述的内容将会贯穿这三个分析方向。
在明确流量运营的整体规划之后，我们可以先把营收作为最终目标对其进行拆解，首先需要有足够的优质目标用户来访问网站，这就细分了不同流量来源渠道的质量，需要查看用户的来源及去向，总结用户对产品的需求；然后需要有合理的产品结构及合理的页面布局来吸引用户，满足用户需求，这里可以看用户的具体行为，如访问路径等。通过追踪用户的一系列行为，在转化的每个过程都设立合适的指标追踪，并通过分析找出有问题的环节进行迭代与优化。以上环节持续不断地进行，量变累积之后慢慢往质变靠拢，不断提高投资回报率，推动营收的达成。流量详细规划详见图2-3。
图2-3 流量运营分析规划
总之，通过不同视角来对流量进行分析，对以下方面会有所助益：①观察流量规律，区分不同流量的质量，关闭异常渠道，优先选择优质渠道，节约渠道推广成本；②根据用户路径分析，寻找产品存在问题的环节及改进的节点，及时迭代及优化；③对不同流量的用户进行细分，进行精准的市场定位；④通过设定指标，追踪流量情况，衡量流量推广活动效果或者渠道优化效果分析。
2.2.2 流量分析
流量是所有用户的归口，是所有后续行为的源头。流量的质量及量级直接关系到后续的转化好不好，用户规模怎么样，用户层级如何，因此流量分析非常重要。这一节我们主要就流量的来源、虚假流量的区分、流量异常波动原因分析来展开。在日常运营中，会通过流量报表监控每天的流量运营情况，关于流量监控指标部分在3.2.1节中有讲解。
1．流量来源分析
在我们分析Web、App上每天的PV、UV时，若发现某天的流量增长明显，则需要找出是什么原因导致的流量突然增长。这个时候我们需要先了解流量来源的分类。流量主要可以分为广告流量、SEO流量、搜索流量、直接流量及其他流量来源，详见图2-4。广告流量主要指的是访问者通过单击其他网站的链接来访问我们的网站的流量；SEO流量指的是通过网站排名技术（网站Web结构调整、网站内容建设、网站代码优化和编码等），把网站排名提前，被用户搜索到带来的免费流量；SEM流量指的是搜索引擎营销带来的流量，即搜索引擎根据用户使用习惯，根据用户搜索的信息推送营销信息带来的流量；直接流量指的是用户直接输入域名访问网站产生的流量。
图2-4 流量渠道细分
这些流量在埋点日志中都会有相应记录，方便分析师识别。
比如我们对比发现某天的流量上涨了，想定位具体是哪些流量变化，这时可以根据埋点区分的字段来将流量分类，用圆环图来表示各个模块的流量，并和前一天或者前一个时期做比较，从而得出是哪一类流量发生了变化，影响了总量，如图2-5所示。
图2-5 流量来源构成
2．虚假流量区分
流量来源中有几类来源都需要花钱购买，涉及成本，所以评估付费流量的效果，评估付费流量对ROI的影响非常重要。流量的付费方式一般分为按单击付费，按用户激活付费，按用户注册付费，按用户下单付费等多种付费方式。
比如按单击付费的广告流量，这个时候我们如何评估流量的效果呢？首先我们需要识别虚假流量，那么什么是虚假流量呢？一般是指合作方为了骗取广告费而人为操作产生的流量。这些流量一般有一定的规律性。数据需要做的事情是找出这些虚假流量的规律性，提供给运营做参考。
一般虚假流量可以从以下几个维度来看：
1）分时分布。可以看一下各个渠道流量来源的分时分布，正常来说，一般的网站会有一个时间段的明显区分，比如白天流量多，晚上流量少，或者在上下班时间或者午休时间会有流量高峰期。而虚假流量如果是用程序控制带来的单击，可能不会考虑分时的影响，这种没有明显时间分布排列的流量需要重点关注。
2）页面的跳出率。跳出率是衡量页面质量的指标，这里也可以借用来衡量渠道的流量质量。比如若某个时间段或某个渠道的跳出率非常高，那这部分流量需要重点关注。
3）流量的用户留存。若用户的留存率非常不理想，则这部分流量也极有可能是虚假流量。
4）风控规则。如若同一个设备某一段时间内登录了5个以上账号，这些流量需要细查。
5）对营收的转化。如果一个渠道引入的流量对营收的转化率非常小，但流量居高不下，这部分流量也需要重点关注。
6）其他。虚假流量的识别方法非常多，但因为虚假流量也在不断模仿真实流量，所以虚假流量的识别方法可能需要多次校验，多维度一起分析，方法也不局限在这几种。
3．流量波动常见原因分析
对于流量来说，经常会存在流量变化的情况，而追踪流量变化的原因，对于后续的流量运营能更有的放矢。下面我们根据流量的分类来分别看一下不同场景下相关流量类型的流量变化因素。
（1）广告流量
广告流量是通过广告合作，比如在合作产品有广告位或其他引流合作模式带来的流量。这一块流量变化的主要原因为：①广告位置变化，比如合作方原来是把产品放在角落里，但增加广告费之后将产品放在了首页的最显眼位置，用户能够一眼就看到产品，这一块吸引的转化用户可能会比较多；②在合作产品内嵌的入口文字或内容变化，比如我原来可能只是单纯地做了一个入口，后续我针对合作网站的用户群体，将产品入口设置成了符合用户群体习惯的界面，或者加了文字进行引导，导致合作方转化增加，流量加大；③合作方本身流量基数增大，虽然转化率没有变化，但流量基数增大，使得访问的用户增多；④链接形式变化，图片链接和文字链接带来的转化是有区别的，这个需要通过埋点日志细分看一下；⑤其他。
（2）SEO流量
SEO流量及SEM流量可以统称为搜索流量，区分方式是，一个是免费的搜索关键词带来的，一个是付费的搜索关键词带来的。SEO流量变化原因主要有：①关键词，比如产品业务的核心关键词和拓展关键词增加，或者关键词更符合用户的搜索习惯了，则关键词带来的流量会相应增加；②排名与外链，排名的变化直接影响流量的变化，比如我们搜索时一般会直接选top多少的页面点进去，很少会一页一页翻，去看不是首页的内容，所以一般企业都会提升关键词排名，而影响排名的主要因素是外链，这些外链都需要在日志中有记录，好追踪不同外链的质量；③竞争对手：竞争对手的优化策略也会影响我们的流量；④网站内部调整，比如流量增加可能是网站进行了优化，包括网站结构、URL、内链布局、SEO基本元素、用户体验优化等；⑤SEM的策略：因为SEO与SEM都属于搜索引擎导流流量，对于同一个关键词而言，SEM的排名会高于SEO, SEM流量增加了，SEO的流量会相应下降；⑥其他。
（3）SEM流量
SEM流量是通过购买关键词及对搜索结果竞价而从搜索引擎获取的流量。影响SEM流量波动的因素主要有：①关键词的定价策略，关键词的价格会直接影响广告的排名及位置，从而影响流量；②关键词的匹配方式，关键词的匹配方式分精准匹配、词组匹配、模糊匹配，SEM的关键词的匹配方式会直接影响流量，比如搜索女装，若匹配方式是精准匹配，那么只有搜索词为女装时方可对应到广告位；③投放时间，一般凌晨一点至次日八点，访问者在休息，其他时间才是用户比较活跃的时间。故选定的投放时间会对流量影响比较大；④广告投放地域：一般而言，投放的地区越多，和单独投放某个地区相比，引流效果肯定是不一样的，因为增加投放区域会有新的流量池来转化引流；⑤竞争对手SEM策略：当竞争对手也购买了和我们一样的关键词时，会影响流量的转化；⑥其他。
由于SEM流量需要付费投放，公司一般会针对SEM渠道流量搭建日常专题分析报表持续跟踪投放效果，这块在3.2.1节中会有讲解。
（4）直接流量
如果直接流量在某一段时间内变化比较大（此处的变化比较大需要结合产品整体流量，及长期时间趋势来看，比如流量每周的环比增速为3%～5%之间，突然有一周增长了10%），此时我们需要定位具体的流量来源及流量时区分布，可能的原因一般有：①产品请了流量大V来代言，吸引用户来访问了产品；②有特殊热点事件，比如很多品牌会追着热点发布自己产品的文案，吸引用户关注；③营销活动事件，比如发红包、做测试、送优惠券、打折促销等活动，若这些活动的影响力足够大，会对产品或网站整体的流量有比较大的影响；④其他。
2.2.3 解读PV、UV
PV（Page View）即页面浏览量，在GA中的解释是：由浏览器加载的网页综合情况，可以是浏览器加载的执行跟踪代码的H5或者Web页面，或分析报告中为模拟浏览量创建的追踪事件。简而言之，PV就是页面被加载的总次数，每一次页面被加载，PV就会加1。比如你访问淘宝，看了某笔记本的页面A，点了刷新，然后看到了旁边另一款笔记本的推荐，点了页面B，看完之后发现B不合心意，再返回到页面A，发现另一款也不合心意，直接关闭离开了，则你这次的PV是4次。
UV（Unique Visitor）即唯一身份访问者。在GA中的定义是：在指定时间内不重复的访问者人数，即某段时间内去重的用户数。该指标主要由以下因素影响：①JavaScript被禁用时，GA的代码无法工作，无法识别这个用户；②cookie, cookie被清除之后，会再记录成为一个UV。
PV及UV一般用来衡量网站的流量情况，数据大，说明流量多，人均PV越大，说明每个用户来到对应渠道之后流量页面增多，用户对内容越发感兴趣。
从A网站流量示意图（图2-6）可以看出，A网站的页面访问量及独立访问用户自2017年以来连续半年增长，人均PV也在不断上升，由此可见，该网站的内容是日渐吸引用户的，而这批用户的质量如何，转化如何，需要进一步分析。
图2-6 A网站流量示意图
要统计流量数据，先要了解埋点日志结构，及日志中的一些常用指标及常用指标的作用范畴。埋点日志经过解析，会完全记录用户的每一次操作。经过解析日志数据后，主要得到以下字段用于经营分析：
1）时间戳：埋点日志里会记录用户的访问时间，这个时间记录了用户进入产品或网站的所有时间点，通过时间的限定，可以看出流量的不同时间分布，及用户的按时间先后顺序的访问路径。
2）url：当前页面的链接。
3）referral_url：上一级页面链接，通过该参数可以分析用户单击跳转的路径。
4）session_id：设备id，用于标识用户登录设备的id号。当用户作为游客登录时，由于没有注册账号，因此使用设备id用于标识用户身份。
5）user_id：用户id，用于标识用户在该产品平台上的唯一身份。
2.2.4 跳出率分析
跳出指产品（或网页）的单页访问，跳出率指的是某一段时间内只访问了一页就离开的访问量与所产生的总访问量的百分比。该指标一般用来衡量流量来源用户与网站内容的匹配程度，内容的匹配程度和跳出率成反比，即内容匹配程度越高，跳出率越低。举例来说，某用户通过某广告链接进入产品的页面，看到第一个页面就非常反感立马退出了，这就是一次跳出访问。当有比较多的用户重复“该用户”的行为，则会形成较高的跳出率。
既然跳出率一般是用来衡量来源用户与网站内容的匹配程度的，对于像这种需要靠转化来提升营收的网站来说，高跳出率是个负面指标。这个指标在侧面也显示出用户的流失率。
这个指标可以细分不同的渠道，来看不同渠道的跳出率，并针对性地做出优化。也可以用来看不同流程的关键节点的跳出率，看是否哪个流程有问题，是否可以优化。
比如某网站出于安全考虑，在开启实名认证之后方可进行大额交易，每一个注册的用户都需要输入真实姓名及身份证号，且上传真实的身份证照片之后才能进行下一步操作。这种强迫用户的行为给用户带来了什么影响，我们可以看实名前后的跳出率情况。从图2-7某网站跳出率变化示意图可以看出，在12日时跳出率陡增，经过和运营及产品的沟通，确认是某页面增加了实名认证的流程。该流程要求用户必须进行实名。但从跳出率情况来看，用户并不是很能接受这个改动。于是产品调整了策略，在实名认证页面新增了一个功能键——“若单日业务额小于10000元，可跳过实名”，于是跳出率慢慢下降了。
图2-7 某网站跳出率变化示意图
2.2.5 漏斗图分析
漏斗图是通过对业务的各个关键环节的描述，来衡量各个环节的业务表现。从漏斗图可以非常直观地看到各个业务的转化程度。从某种意义来说，漏斗图是路径分析的特殊应用，主要针对的是关键路径的转化分析。由于互联网行业的日志数据记录了用户的所有访问行为，因此漏斗转化分析在互联网行有着广泛的应用，主要包括以下两个方面：
1．业务的关键节点分析
以某一互联网医疗的App的问诊业务为代表用户完成一笔问诊订单需要经过五个步骤，提交主诉→付款→问诊→结束问诊→评价，这些步骤一路走下来，势必用户越来越少。下面我们追踪这些关键步骤看一下流量的转化情况。
从图2-8业务流程漏斗图来分析，从提交主诉的用户群体中，有多少用户参与了付款，之后医生响应参与问诊的用户有多少，再到之后结束问诊的用户群体比率，评价比率，在问诊的关键业务环节上，各个指标均直观展示出来了。之后可以长期追踪这些指标，如果异动较大，说明哪个环节的漏斗转化出了问题，这个时候可以定位具体的环节，再细分涉及环节的影响，追踪原因，给运营提供参考。
图2-8 业务流程漏斗分析
2．用于追踪流量运营转化率
在流量导入→营收转化的过程中，漏斗图可追踪各个节点的转化情况，定位异常转化节点，及时调整运营策略，如图2-9所示。
图2-9 转化率漏斗分析
比如某一周发现导入的流量在正常的增长范围，注册率也在正常的增长范围，但活跃率下降得很厉害，这个时候需要下钻看具体的渠道的活跃率，结合渠道获客成本结算方式（比如是按激活来结算的，还是按注册来结算的，是按订单来结算的，还是其他方式，若是按注册之前的流程来结算的，那么根据风控规则来看一下渠道的登录设备是否存在作弊的情况）定位具体的原因。
或者分析每一个转化节点转化减少的原因，尽量提高每一步的转化。比如下单率，可以看一下活跃的但没有下单的用户都去做什么了，有没有可能从这部分感兴趣的内容上往下单引导，从而提高转化。比如某电商平台入驻了很多商家，部分用户进入商家页面之后会转去内容平台看用户分享的内容，此时如果在用户分享的内容内嵌相关商品的购买界面，用户有兴趣的话可以一键跳转，然后用数据追踪，调整之后转化率的变化情况。
2.2.6 A/B测试
A/B测试也称分离测试、对照试验。现在一般指的是在网页优化中的一种比较策略，分离测试最开始的用法是对于同一种功能，设计两个或者多个页面并同时发布。让用户随机接触到页面，通过对日志的埋点记录访问目标页面的人数，并计算相应节点的转化率或单击率，来对不同页面进行效果评估。从统计学角度来看，A/B测试实质是一种先验的实验体系，其目的在于通过科学的实验设计，流量分割测试来获取样本代替总体的科学结论。
A/B测试主要应用在如下场景：
1）产品页面或功能控件的调整：比如通过用户路径发现用户在下单前的一个主要流量来源是用户关注对应的商家，那可以将商家有露出的某一个界面的“下单”直接改成“关注”，这个时候我们可以关注一下，改动之后是否比原来好，当然如何评判“好”，需要数据分析人员和运营及产品沟通，确认相关指标，比如是单击这个功能键的UV增加了，还是对应的商户的转化率提升了等，确定后就追踪相关指标的变化。比如某个免费产品原来是和付费产品放在单独的产品位置的，但领导希望通过免费产品引导用户向付费转化，此时将付费产品的入口内嵌在了免费产品的入口内，设定一定的规则，在适当的时候将免费用户往付费用户引导。通过追踪入口改变之前与改变之后总体营收的变化，以及参与入口调整的商户对应接单率与相应营收的变化来评判调整入口之后的优劣。这些也是数据化运营的常规应用。
2）运营策略的调整：比如运营做了运营活动，想看运营活动的运营效果。这时可以选定两组用户特征一模一样的用户群体，一组进行活动运营，一组保持原样，或一组用A活动进行运营，另一组用B活动进行运营。然后设定关键指标对两组用户进行追踪，比如用户的活跃、下单、付费等转化行为。或者运营想看产品定价在什么区间用户比较能够接受，也可以先用小流量测试来进行灰度发布，看不同价格的用户接受度。可能单个产品定价2.99还是3.00差别不大，但在巨大流量的转化下，这个不同价格对营收的整体影响还是非常巨大的。
A/B测试需要注意的点：
1）每次测试有且只有一个目标，其他变量的选取都是围绕这个目标进行的；如果有多个目标，可以进行多变量测试，或者进行多组A/B测试。
2）做A/B测试有个前提是流量要足够大，且参与测试的流量要能够反映整体的实际情况。
3）A/B测试是一个长期的过程，经过长时间的足够样本的测试结果才能逼近真实结果。
在4.4节中将会对AB测试展开详细介绍。