网络渠道有哪些特点,论述其优劣.
（一）互联网营销在营销渠道传播方面的优势与不足
传播指的是卖方将商品或服务的信息传递给买方的过程
1．通过互联网进行营销渠道传播有以下优势：
一对一传播：通过互联网可以使市场细分到一对一的程度，卖方可以针对某一买方发E-MAIL，甚至可以量身订做广告。
翔实、生动：通过先进的互联网技术，信息可以以文字，图片，声音，电影等多媒体形式传播，全方位展示产品的特点，可以给消费者留下极深刻的印象。据国外研究，先进的互联网技术可以将大部分商品98%的外观特点和性能指标传递给消费者，让消费者有身临卖场的感觉。
即时性和互动性：现代的消费者对于等待越来越没有耐心，他们的疑问需要商家立即回答，否则就离场。互联网的即时性和互动性能满足消费者的这一特点。
低成本：互联网除了在信息传递方面具有低成本的特点外，互联网内的虚拟空间还具有无限扩展的特点，节约了大量的宣传板，条幅等传统的宣传工具。
2．通过互联网进行营销渠道传播的劣势：
局限性：通过传统方式进行传播，可以选择报纸，电视，广播，路牌，巴士广告等，将传播渗透到消费者的生活中去；而互联网传播只能通过电脑，手机等数码终端，传播有限。而且消费者在上网时对于广告的点击率有限，也限制了互联网传播的有效性。
缺少现实感：人有五觉，产品的味觉、触觉、嗅觉等信息难以通过互联网传递。因而，象书籍，电脑等标准化产品，主要靠视觉作出购买决策，通过互联网就能够将信息完全传播给买方；而对于衣服，食品，汽车等个性化和贵重产品，不仅需要用眼看，还要用手触摸，甚至试用，互联网不能将产品信息全部传递给消费者。
信息特指的是买方的需要、欲望和需求的表达，笔者个人认为，将它改为“需求”更好，对应于传播，“需求”由买方流向卖方。信息的意义既包括传播又包括需求。如无特别说明，下文中信息所指的是后一个信息的涵义。
（二）互联网营销渠道在需求传递方面的优势与不足
1．通过互联网表达需求有以下优势：
高速：信息在互联网络中可以光速传播，信息在几秒，至多几分钟内可以传递到地球的任一角落。
随时随地：由于网络的全天候和全球性，加上无线互联技术的逐步成熟，顾客可以随时随地传达自己的需求信息。
低成本：传统的信息传递方式是普通邮件，卖方进行的市场问卷调查等。这些传递方式的成本都较高。而互联网在中国的普及已经使上网费降到了一个很低的程度：网吧一个小时的上网费在广州上海等大城市为3、4元钱一个钟，在中小城市为1、2元钱，通过宽带上网，单位上网更便宜。而且上网费依然在快速下降中。发一份E-MAIL的成本低到可以互略不计，在网上填订单，做调查问卷的成本和E-MAIL差不多。
互动性：通过QQ，网络聊天室，BBS等，信息可以在买方和卖方间即时交流。
更加规范和易于统计：信息以标准的文字表达，不会象手写的那样难以辨认；数据的传递是数字格式，易于归类、统计，储存。这使得市场调研更加快速有效.
私人性：消费者不必直接面对销售人员，这使消费者在表达需求和下订单时更加大胆开放。这在性用品等隐私商品的销售方面表现得比较明显。
海量：买方通过互联网选购商品，所看到的商品是海量的，比任何一间大商场的产品都多，方便比较择优。卖方通过互联网收集买方的需求信息，具有同样的特点。
2．通过互联网表达需求有以下劣势：
真实性下降：网络是虚拟的，网民在面对网络时责任感下降，因而传递信息或下订单时会有恶作剧，使信息的真实性下降。
信息来源有限：就目前和未来相当长的一段时间来说，上网的只是买方的一部分，商家根据这一部分消费者进行市场调研和营销渠道thldl.org.cn，存在着偏差。
（三）互联网营销渠道在货币支付方面的优势与不足
货币指的是消费者对商家提供商品/服务的金钱回报。
1．互联网营销渠道在货币支付方面的优势：
网上购物用“一网通”或手机方式交费方便快捷，银行信息化，网上货币是大势所趋。
2．互联网营销渠道在货币支付方面的劣势：
网络支付安全隐患大。网上黑客，网络犯罪，使得网络支付难以保障。
网上货币在中国尚未普及。网上支付难，商家售款回收更难。
互联网营销渠道的优势实质在于它的信息流的优势：高速即时，互动，全球性全天候，私人性。互联网通过将货币流和部分物流（比如软件）转化成信息流，将互联网营销的优势扩大，并通过信息优势提高传统商品的流通效率和降低其流通成本。互联网营销在信息流方面的优势是传统营销渠道所难以替代的。
互联网营销的劣势归纳起来有四点：网上支付，安全性，物流配送，平面媒体信息传递的局限性。其中，物流配送不仅仅是互联网营销的现实瓶颈，也是它不可逾越的障碍。所以互联网营销永远不能完全替代传统营销。
（四）互联网营销渠道在商品/服务配送方面的优势与不足
商家依靠商品/服务来满足消费者的需要和欲望。
1．通过互联网或物流配送来传递商品/服务的优势：
节省通路成本：互联网营销渠道免去了中间商环节，直接由卖方传递给买方，节约了铺租，库存等费用。
另外我们还要看到，利用互联网，企业可以有效地降低产品成本：企业可以廉价的成本寻得最好的供应商和最低的供货价格，以价格最低的原料制造产品，降低了产品成本；同时互联网还能有效节约顾客成本：网络商城的空间可以无限扩张，里面可以陈列无限多的商品，消费者在网上可以很低的成本搜寻产品信息，并订货；网上销售，顾客只是下订单，商品的送交由卖方或物流公司承担，节约了顾客的精力和体力、时间成本。现代市场营销的焦点是顾客，为顾客节约成本就是为企业赢得竞争优势。
即时高速：对于E-Book，软件等产品，通过互联网下载可以即时由卖方手上传递到消费者手上；先进的物流手段使消费者从网上购物的速度大大快于传统的销售，例如，Dell电脑，从消费者订货到商家将产品交付给消费者的过程平均只有1天。
2．通过互联网或物流配送来传递商品/服务的劣势：
局限性：产品分为一般商品（有形产品）和服务，由于服务的消费与生产同时，而且不可触摸，不可储存，这使服务不可通过网络或物流配送传递，必须通过传统的医院，理发室等营销渠道；就有形产品来说，汽车，房屋等贵重产品，服装等个性化产品，消费者通常亲临现场才会作出购买决策，也并不适合互联网营销。
物流配送落后：中国的物流业刚刚兴起，尚待完善。物流配送的安全性，成本，速度离消费者满意都还有一段距离。
什么是用户行为分析？怎么做用户行为分析？
一、什么是用户行为分析？
用户行为可以用5W2H来总结：
Who(谁)、What(做了什么行为)、When(什么时间)、Where(在哪里)、Why(目的是什么)、How(通过什么方式)，How much (用了多长时间、花了多少钱)。
用户行为分析就是通过对这些数据进行统计、分析，从中发现用户使用产品的规律，并将这些规律与网站的营销策略、产品功能、运营策略相结合，发现营销、产品和运营中可能存在的问题，解决这些问题就能优化用户体验、实现更精细和精准的运营与营销，让产品获得更好的增长。
二、为什么需要用户行为分析？
在PC互联网时代，网民的年增长率达到50%，随便建个网站就能得到大量流量; 在移动互联网早期，APP也经历了一波流量红利，获取一个客户的成本不到1元; 而近几年随着流量增长的红利消退，竞争越来越激烈，每个领域均有成百上千的同行竞争，获客成本也飙升到难以承受的水平，业务增长越来越慢甚至倒退。
图：互联网行业竞争越来越激烈
在如此高成本、高竞争的环境下，如果企业内部不能利用数据分析做好精细化运营，将产生巨大的资源浪费，势必会让企业的运营成本高涨，缺乏竞争力。 对于互联网平台来说，传统的数据分析主要针对结果类的数据进行分析，而缺乏对产生结果的用户行为过程的分析，因此数据分析的价值相对较局限，这也是为什么近几年很多企业感觉做了充分的数据分析，但却没有太大效果的原因。
通过对用户行为的5W2H进行分析可以掌握用户从哪里来，进行了哪些操作，为什么流失，从哪里流失等等。从而提升提升用户体验，平台的转化率，用精细化运营使企业获得业务增长。
三、如何采集用户行为数据？
用户行为分析如此重要，为什么互联网公司中能做好用户行为分析的凤毛麟角？主要是原因是数据采集不全面和分析模型不完善。
1.如何高效采集用户行为数据
传统的数据分析因为数据精细度不够和分析模型不完善等原因，导致分析过于粗放，分析结果的应用价值低。而我们要想做好分析，首先必须要有丰富的数据，因此要从数据采集说起，传统的用户行为数据采集方法比较低效，例如：我们获取用户的某个行为数据时，需要在相应的按钮、链接、或页面等加入监测代码，才能知道有多少人点击了这个按钮，点击了这个页面。这种方式被称为“埋点”，埋点需要耗费大量的人力，精力，过程繁琐，导致人力物力投入成本过高。
在移动互联网时代，埋点成了更痛苦的一件工作，因为每次埋点后都需要发布到应用商店，苹果应用商店的审核周期又是硬伤，这使得数据获取的时效性更加大打折扣。由于数据分析是业务发展中极其重要的一个环节，即便人力物力成本过高，这项工作仍然无法省掉。
因此，我们也看到国内外有一些优秀的用户行为分析工具，实现了无埋点采集的功能，例如：国外有Mixpanel，国内的数极客在WEB、H5、Android、iOS四端都可以无埋点采集数据。通过无埋点的采集，可以极大的增强数据的完善性和及时性。
2.如何精准采集用户行为数据
有些核心业务数据，我们希望确保100％准确，因此还可以通过后端埋点的方式作为补充，这样既可以体验到无埋点带来的高效便捷，又能保障核心业务数据的精准性。数极客在数据采集方面支持无埋点、前端埋点、后端埋点以及数极客BI导入数据这四种方式的数据整合。
四、如何做好用户行为分析？
首先要明确业务目标，深刻理解业务流程，根据目标，找出需要监测的关键数据节点，做好基础的数据的收集和整理工作，有了足够的数据，还要有科学的模型，才能更有效的支持分析结果。
上一代的用户行为分析工具(更确切的说法应该是：网站统计或APP统计)，主要功能还是局限于浏览行为的分析，而没有针对用户的深度交互行为进行分析，因此分析价值相对有限，目前大部份互联网从业人员对用户行为分析的印象还停留在这个阶段。
我认为要做好用户行为分析，应该掌握以下的分析模型：
1.用户行为全程追踪，支持AARRR模型
500 Startups 投资人Dave McClure提出了一套分析不同阶段用户获取的“海盗指标”这套分析模型，在硅谷得到了广泛应用。
AARRR是Acquisition、Activation、Retention、Revenue、Refer这个五个单词的缩写，分别对应用户生命周期中的5个重要环节，首先要基于用户的完整生命周期来做用户行为分析。
1).获取用户
在营销推广中，什么渠道带来的流量最高，渠道的ROI如何？不同广告内容的转化率如何，都是在这一步进行分析的数据。
来源渠道是获客的第一步，通过系统自动识别和自定义渠道相结合，分析每一个来源渠道的留存、转化效果。网站的访问来源，App 的下载渠道，以及各搜索引擎的搜索关键词，通过数据分析平台都可以很方便的进行统计和分析，利用UTM推广参数的多维分析、通过推广渠道、活动名称、展示媒介、广告内容、关键词和着陆页进行交叉分析，可以甄别优质渠道和劣质渠道，精细化追踪，提高渠道 ROI。
通过渠道质量模型，制定相应的获客推广策略：
图：渠道质量模型
以上图形中的所示渠道为示例，渠道质量也会动态的变化。 第一象限，渠道质量又高流量又大，应该继续保持渠道的投放策略和投放力度; 第二象限 渠道的质量比较高但流量比较小。应该加大渠道的投放，并持续关注渠道质量变化; 第三象限 这个象限里渠道质量又差，带来流量又小，应该谨慎调整逐步优化掉这个渠道; 第四象限 渠道质量比较差，但是流量较大，应该分析渠道数据做更精准的投放，提高渠道质量。
2).激活用户
激活用户是实现商业目标最关键的第一步，如果每天有大量用户来使用你的产品，但没有用户和你建立强联系，你就无法进行后续的运营行为。
3).用户留存
如今一款产品要获得成功的关键因素不是病毒性机制或大笔营销资金，而是用户留存率。开发出吸引用户回头的产品至关重要。 Facebook平台存在“40 – 20 – 10”留存法则。数字表示的是日留存率、周留存率和月留存率，如果你想让产品的DAU超过100万，那么日留存率应该大于40%，周留存率和月留存率分别大于20%和10%。
留存是 AARRR 模型中重要的环节之一，只有做好了留存，才能保障新用户在注册后不会白白流失。这就好像一个不断漏水的篮子，如果不去修补底下的裂缝，而只顾着往里倒水，是很难获得持续的增长的。
4).获取收入
实现收入是每个平台生存的根本，因此找到适合自己的商业模式至关重要。根据不同的业务模式，获取收入的方式也不同：媒体类平台依靠广告变现，游戏类依靠用户付费，电商类通过收取佣金或卖家付费的方式等，而在企业服务领域LTV: CAC大于3，才能有效良性增长。
5).病毒传播
通过模型前四个阶段的优化分析，从不稳定用户、活跃用户再到最终的忠实用户，将获客做最大的留存和转化，培养为企业的忠实用户，通过社交口碑传播可以给企业带来高效的收益。
在获客成本高昂的今天，社交传播可以为企业带来更优质的用户群，更低的获客成本。
2.转化分析模型
转化率是持续经营的核心，因此我也用较大篇幅来详细解读。转化分析常用的工具是转化漏斗，简称漏斗（funnel）。新用户在注册流程中不断流失，最终形成一个类似漏斗的形状。用户行为数据分析的过程中，我们不仅看最终的转化率，也关心转化的每一步的转化率。
1).如何科学的构建漏斗
以往我们会通过产品和运营的经验去构建漏斗，但这个漏斗是否具有代表性，优化这个漏斗对于整体转化率的提升有多大作用，心里没有底气，这时我们可以通过用户流向分析去了解用户的主流路径。
图：用户流向分析
用户流向分析，非常直观，但需要分析人员有一定的经验和判断能力。为了解决这个问题，数极客研发了智能路径分析功能，只需要选择转化目标后，一键就能分析出用户转化的主流路径。将创建漏斗的效率缩短到了几秒钟。
图：智能转化分析
2).漏斗对比分析法
转化分析仅用普通的漏斗是不够的，需要分析影响转化的细节因素，能否进行细分和对比分析非常关键。例如：转化漏斗按用户来源渠道对比，可以掌握不同渠道的转化差异用于优化渠道; 而按用户设备对比，则可以了解不同设备的用户的转化差异(例如：一款价格较高的产品，从下单到支付转化率，使用iphone的用户比android的用户明显要高)。
图：漏斗对比分析
3).漏斗与用户流向结合分析法
一般的转化漏斗只有主干流程，而没有每个步骤流入流出的详细信息，当我们在分析用户注册转化时，如果能知道没有转化到下一步的用户去了哪，我们就能更有效的规划好用户的转化路径。例如下图中的转化路径，没有进入第二步的用户，有88%是直接离开了，而还有10%的用户是注册用户选择直接登录，只有2％的用户绕过了落地页去网站首页了; 而没有从第二步转化至第三步的用户100％都离开了。这是比较典型的封闭式落地页，因此只需要优化第三步的转化率即可提升整体转化率。
4).微转化行为分析法
很多行为分析产品只能分析到功能层级和事件层级的转化，但在用户交互细节分析方面存在严重的缺失， 比如：在上图的漏斗中我们分析出最后一步是影响转化的关键，但最后一步是注册表单，因此对于填写表单的细节行为分析就至关重要， 这种行为我们称为微转化。
例如：填写表单所花费的时长，填写但没有提交表单的用户在填哪个字段时流失，表单字段空白率等表单填写行为。
图：表单填写转化漏斗
图：表单填写时长
通过上述表单填写的微转化分析，用户从开始填写到注册成功转化率达85％，而流量到填写只有8%，可以得出影响转化的最大泄漏点就是填写率，那么如何提高填写率就是我们提升注册转化的核心。有效的内容和精准的渠道是影响填写的核心因素，渠道因素我们在获客分析中已经讲过，这就引出我们微转化分析的第4种工具：用户注意力分析。
5).用户注意力分析法
用户在页面上的点击、浏览、在页面元素上的停留时长、滚动屏幕等用户与页面内容的交互行为，这些都代表用户对产品要展示的信息的关注程度，是否能吸引用户的眼球。
业务数据可以可视化，那么行为数据如何可视化呢？ 数极客把上述行为转化成了分屏触达率热图、链接点击图、页面点击图、浏览热图、注意力热图这5种热图，通过5种热图的交叉分析，可以有效的分析出用户最关注的内容。
图：注意力热图
只有能掌握微转化的交互行为分析，才能更有效的提高转化率。而一切不能有效提高平台转化率的分析工具都在浪费企业的人力和时间资源，这也是众多企业没有从用户行为分析中获益的根本原因。
3.精细化运营模型
以前做运营只能针对全体用户，如果要针对部分目标客户做精准运营行为。
图：用户分群画像
例如：当我们希望对某个地区使用iphone的注册但三天不活跃或未形成交易转化的用户进行精准营销时，需要运营人员、产品人员、技术人员 全体配合去调取数据、制定运营规则，其中涉及到大量人力和时间投入。而新一代的用户行为分析可以采用用户分群、用户画像、自定义用户活跃和留存行为，精准的定位用户，从而实现精细化运营。
图：创建用户分群
4.定性分析模型
用户体验是企业的头等大事，在产品设计、用户研究、研发、运营、营销、客户服务等众多环节，都需要掌握用户的真实体验过程。但如何优化用户体验向来是内部争议较多，主要原因还是难以具体和形象的描述。通过行为分析分现异常用户行为时，能否重现用户使用你的产品时的具体场景，这对于优化产品的体验至关重要。
以前我在淘宝时，用户体验部门会通过邀请用户到公司进行访谈，做可用性实验的方式来进行体验优化，但这种方式需要化费比较多的时间和费用投入，样本不一定具有代表性。为了解决这个难题，数极客研发了用户行为录屏工具，无需邀请用户到公司实地录制节省成本，直观高效的以视频形式还原用户的真实操作，使得企业各岗位均能掌握用户体验一手信息，帮助产品研发提高用户体验。
图：用户行为录屏播放界面
总结：通过AAARRR模型分析用户生命周期全程; 通过转化率分析模型 提高产品转化率; 通过精细化运营 提高运营有效性; 通过定性分析方法 优化用户体验; 如果以上4方面都做好了，就一定可以通过用户行为分析实现业务增长。
五、用户行为分析的未来方向是什么？
有很多人问我，为什么已经有几家做用户行为分析的公司了，你还要创办数极客？ 我认为数据分析的目标是应用分析结果优化经营效率，而国内外主要的分析工具，还只停留在分析层面，对于如何高效的应用还有很大的空间。因此数极客除了要在分析层面做得更专业和更有效，还要在应用层面实现新的突破。数据分析结果反映的问题主要是两类：运营(含营销)和产品。所以需要针对这两类问题提供针对性的解决方案。
1.运营的自动化
我们前面讲了，通过用户行为分析系统可以实现精细化运营，但具体应用还需要人工制定运营和营销策略，通过产品、研发开发才能应用，而且当策略改变时，需要重新开发相应的工具，这也占用了很多时间，影响运营与营销效率。数极客研发了会员营销系统和自动化运营工具，运营与营销人员直接设置规则，系统根据规则自动将精准的活动信息推送给符合条件的用户，直接提高运营人员工作效率，运营人员可以将工作重心转移到策划而不是浪费太量时间在重复执行，自动化运营可为企业节约大量运营成本。
图：创建自动化运营规则
2.产品、运营(营销)方面的科学决策
用户行为数据分析，往往是在行为发生之后进行分析，而产品、运营都是通过经验，拍脑袋进行决策，一旦决策失误就会造成难以挽回的结果。因此如果能在产品、运营方案上线前，通过用户分流A/B测试进行小范围验证，选择其中最优的方案发布，这样就可以大大提高决策的科学性。
Google每年通过运行数万次A/B测试优化产品、运营，为公司带来了100亿美元的收益。
A/B测试的方法非常有效，但国内互联网公司应用不普遍，主要和应用A/B测试的复杂性有关，
数极客拥有完整的A/B测试工具，业务人员可以在网站和APP上自助使用可视化试验编辑工具，创建并运行试验，通过自动解读测试报告，使得A/B测试门槛大大降低。
图：网站端可视化编辑试验工具
3.分析的自动化
用户行为分析有一定专业性，不仅需要掌握不同的分析方法，还要熟悉业务，结合业务才能给出有价值的分析结果。 如果能像360安全卫士一样，只需要加载SDK，就能自动诊断和分析，并给出解决方案，这是数据分析的未来方向，数极客在这方面也有积极的尝试，并有了初步成果，目前拥有数据自动预警、自动报表等功能。
用户行为分析是一门科学，善于获取数据、分析数据、应用数据，是每个人做好工作的基本功，每家企业都应该加强对用户行为分析大数据的应用，从数据中找出规律，用数据驱动企业增长。
数极客是国内新一代用户行为分析平台，是增长黑客必备的大数据分析工具，支持APP数据分析和网站分析，独创了6大转化率分析模型，是用户行为分析领域首家应用定量分析与定性分析方法的数据分析产品，并且基于用户行为分析系统，提供了会员营销系统和A/B测试工具两大数据智能应用解决方案，使得企业可以快速的实现数据驱动增长。
本文由数极客CEO谢荣生原创，欢迎转载，转载请保留全文和作者信息。
怎么通过统计工具来评估渠道的用户质量？
一、数量指标
要在一个渠道进行推广，其用户数量达到一定规模是一个必不可少的前提。这里可以有如下维度来衡量一个渠道用户数量的多少：单位时间内的展示数量、下载数量、安装数量、激活数量、注册数量、登录数量。
由于不同渠道对于各个环节的统计定义有所不同，可以在以上的众多指标中选取要对比的渠道中定义相同的指标进行横向比较。对比时要控制好变量，在推广文案相同的情况下选择渠道最好的位置，或在投入成本相同的情况下进行对比。
二、转化率指标
渠道用户在看到产品宣传并最终变化成为产品用户的过程中要先后经历：接触广告→进入下载页面→点击下载→下载成功→点击安装→安装成功→激活→注册→登录。
这样一系列过程。可以用一个漏斗模型进行简化。
统计各个环节的数据，不但便于评判每个渠道在各个环节用户转化率的情况，更加能够监控到自己的产品在推广过程中可能存在的问题。
转化率=后一个环节人数/前一个环节人数*100%
相同投入的条件下，如果仅仅从广告触达的角度来看，B要好于A。但是我们通过转化率指标的分析，层层计算转化率后，会发现实际A渠道的转化率要好于B。
经过观察数据不难发现，点击下载—下载成功、点击安装——安装成功这2个环节B的转化率明显落后于A。通过观察设备数据我们发现，B渠道的用户群体主要位于三线城市、普遍网速偏慢，导致下载转化率偏低。又经过体验我们发现，产品的硬件性能有一定要求，B渠道整体设备性能偏弱，安装过程的持续时间是A渠道设备的2倍甚至更高，导致B渠道的下载—安装转化率低，最终导致广告效果不及A。
三、 质量指标
渠道的用户通过重重艰难险阻成功注册并登陆产品成为产品的用户后，这部分用户的质量如何呢?是不是我所运营产品的目标用户呢?是否值得继续进行推广呢?解决这些问题我需要通过如下指标来进行评判。
用户进入产品后，作为产品运营我们人人都希望用户对产品的粘度越高越好，用户在产品上的操作行为越多越好，用户登录的天数越多越好，回头客越多越好。通常我们会观察对比如下指标：
一次用户占比：只登陆一次客户端的用户占这批用户的比例。(越小越好)
N日用户留存率：用户首次登录游戏后的第N日又登录游戏的用户占这批用户的比例。
人均日使用时长：这批用户平均每天使用产品的时长。
人均日登录次数：这批用户平均每天登录产品的次数。
以及其他一些产品特性的指标：例如，游戏产品可以去观测这批用户的等级情况和游戏局数。社交产品可以对比用户每天发出的消息的数量。电商产品可以对比用户浏览的商品数量等。
四、收入指标
产品运营的最终目的一定是要为了营收负责，为了KPI负责，尤其是变现能力很强的产品，如游戏、旅游、电商等。通常都会去计算投资回报率，及通常所说的ROI。
推广N日后的ROI计算方法：ROI_N=N日总收入/N日前投入ROI_
N1时的N被称为回本周期。N越小，回本越快。
虽然KPI很重要，但ROI只是结果，我们对比渠道收入指标的时候通常还要观察：
PR(付费率)：付费用户数占导入用户数量的比例。
ARPU：某天平均每个用户所付金额。
ARPPU：某天平均每个付费用户的付费金额。 有些渠道的用户喜欢细水长流，而另一部分用户可能喜欢一次性的大额付费。
ARPPU=ARPU/PR ARPPU和付费率通常呈负相关，二者不可兼得。
要评估渠道收入指标的好坏，具体要看是追求付费率还是ARPPU又或是ROI?
经过对以上渠道质量评估四个维度的介绍，相信大家对于渠道质量评估的方法有了一个初步的认识
如何分析想出的办法？
编辑导语：数据分析是用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。本文作者分享了七种常见的数据分析方法拆解。推荐工作中需要数据分析的用户阅读。
数据分析一直是我们互联网人辨别方向的不二法门，我们通过对数据的观测来判断事物的发展趋势，也常常利用数据的思维来辩证的为决策做参考。
下面就给大家详细拆解七种常见的数据分析，让我们的数据分析少走弯路。
一、象限分析法
从这张图，你能分析出来什么呢？
X轴从左到右是点击率的高低，Y轴从下到上是转化率的高低，形成了4个象限，这就是我们要说的象限分析法。针对每次营销活动的点击率和转化率找到相应的数据标注点，然后将这次营销活动的效果归到每个象限，4个象限分别代表了不同的效果评估。
象限一：高点击高转化，点击高代表营销创意打动了受众，转化高代表被打动的受众是产品的目标用户；
象限二：高转化低点击，同样的，高点击代表被打动的受众是产品的目标用户，但低点击代表的是营销创意没有打动用户；
象限三：低点击低转化，这个象限是最糟糕的营销活动了，投放广告点击少，点击用户转化低，创意无效，用户不精准；
象限四：高点击低转化，这个象限的营销活动要给策划和文案加鸡腿，但就要给渠道扣绩效了。这种象限的营销活动一定程度上有标题党的嫌疑。
1. 象限分析法的作用
（1）找到问题的共性原因
通过象限分析法，将有相同特征的事件进行归因分析，总结其中的共性原因。例如案例中第一象限的事件可以提炼出有效的推广渠道与推广策略，第三和第四象限可以排除一些无效的推广渠道；
（2）建立分组优化策略
针对投放的象限分析法可以针对不同象限建立优化策略，例如提升象限二的投放创意，象限四的投放渠道。
二、公式拆解法 1. 什么是公式拆解分析法
所谓公式拆解法就是针对某项指标，用公式表现该指标的影响因素，例如日销售额的影响因素是各商品的销售额，找到影响因素后，需要对影响因素的影响因素进行拆解。
看这张图，以日销售额为例做了一次公式拆解分析，这次拆解一共包括了5层，最后一层是对推广效果的衡量。
第一层：找到日销售额的影响因素：
日销售额=各商品的销售额之和，也可以拆解为各渠道的销售额之和、各销售人员的销售业绩之和。公式拆解分析法的第一步是需要确定要分析的指标，然后找到这个指标的直接影响因素。
第二层：找到各商品销售额的影响因素：
各商品销售额=销售数量*单价。
第二层拆解需要找到影响目标指标的影响因素，例如各商品销售额的影响因素是商品的销量和单价，这里是简单举例算法，在实际分析中，还需要计算优惠政策等因素。
第三层：找到销售数量的构成因素：
销售数量=店铺新客购买数量+店铺老客购买数量+复购用户购买数量。
这里对销售数量的拆解是针对购买人群的特征来划分的，这样分析的目的在于找出不同客群的购买影响因素。而在实际应用中，因分析目的的不同，对指标影响因素的拆解也不同，例如销售数量可以拆解为渠道A销量+渠道B销量+渠道C销量。
第四层：找到新客户的来源：
店铺新客购买数量=渠道A转化新客购买数量+渠道B转化新客购买数量+渠道C转化新客购买数量+……
这样拆分的目的在于找出不同渠道来源用户的后续转化特征，从而找到购买力高的用户来源渠道。
第五层：计算渠道推广回报：
渠道推广回报的计算方式就是A渠道新客户销售额-推广成本。
从日销售额拆解到最后一步，是拆解出了对渠道推广效果的分析，这是对店铺新客的拆解，那么同样，也可以对店铺老客或者复购客户进行拆解，例如复购用户可以拆解出复购周期、复购次数、累计复购数量等因素，对复购用户给予特殊购买通道或提供有约束力的购买政策，例如年卡之类的。
公式拆解法是针对问题的层级式解析，在拆解之前，不能盲目拆解，需要有目的性的找方向，从而挖掘原因。例如在上文案例的拆解过程中，拆解方向可以分为两种，一种是对绩优指标的拆解，找出销售额上涨的原因，另一种是对绩劣指标的拆解，找出销售额下降的原因。
三、对比分析法 1. 什么是对比分析法
上面这张图表是一个常见的柱状图，而柱状图的作用在于直观对比各项数据之间的差异。
上面这张柱状图是针对9月份各渠道获客统计的一个对比分析图表，针对各渠道的下载量、访问量、注册量进行对比。
对比要点一：对比建立在同一标准维度上。
在这张图中，首先要关注到的对比要点是各项数据的对比要基于同一维度。这张图是针对9月份的渠道推广效果的对比统计，9月份就是第一个对比标准，也就是时间维度。
在时间维度下，后续对比的结果都是基于这个标准产生的，也就是在9月份这个时间范围内的数据对比，并不能用10月份的数据与这个图表中的数据对比。当然，除了时间维度，也可以使用空间维度，例如渠道A在1-12月每月的数据对比。无论用什么维度，对比要建立在一个大的标准下。
对比要点二：拆分出相关影响因素。
在时间这个大维度下，我们对各渠道的获客效果进行了拆分，也就是将获客效果衡量分为了访问量、下载量和注册量。这三个维度的数据作为判断渠道获客的标准，从对比中找出各渠道的优劣。
例如通过这个图表可以看出，渠道A的访问量最高，渠道B的下载量最高，渠道A的注册量最高，那么这样的对比结果能够说明什么问题呢？我们能够看到，渠道A从访问到下载的流失比较严重，渠道B从下载到注册的流失比较严重，而渠道C在访问量、下载量都低于其他渠道的基础上，渠道C的注册量与渠道A并没有相差太多。
也就是说，我们可以提出一个假设，渠道C的获客效果更好，为了印证这个假设，我们可以在影响因素中再加入渠道投放花费这个维度，如果渠道A的高访问是因为高花费，渠道C的低访问是因为低花费，那么基本可以印证这个假设。
对比要点三：各项数据对比需要建立数据标准。
在这张图中能够看到一个比较奇怪的现象，渠道B的下载量比访问量还要高，为什么会这样呢？
我们在这张图表中加入了一个中间标准数据，对各项数据进行了一次标准换算。假设访问量的真实数据为1万时，标准数据为1，下载量的真实数据为1千时，标准数据为1，注册量的真实数据为100时，标准数据为1。
经过标准数据的换算，我们将各项数据放在一张图表上时，对比的差异化会更明显。
对比分析法的维度可以分为同比、环比、定基比等不同的对比方法：对比分析在于看出基于相同数据标准下，由其他影响因素所导致的数据差异，而对比分析的目的在于找出差异后进一步挖掘差异背后的原因，从而找到优化的方法。
四、可行域分析 1. 什么是可行域分析
上方左侧图是一张福格模型的图，福格大哥将影响用户行为动机的因素拆分为mat三个因素。
m是付出行动的动机，a是付出行动的能力，t是触发行动的条件，简单理解就是大众只对自己感兴趣并且有能力满足的事物会产生下一步行为。
比如新iphone卖1万，大多数人是买的起的，这就有了付出行动的能力，而产生行为的动机就取决于新iphone的创新能力，当乔布斯从文件袋里掏出ipad的时候，将大家的动机调动到了最高点，但价格限制了一部分人付出行动的能力。
动机越高，需要付出的能力越低，形成的有效触发区域就越广，福格模型的触发有效区，我们就将其称之为可行域。
2. 可行域分析的应用
看上方右侧图表是针对推广创意做的一次象限分析，横轴代表点击量的从低到高，纵轴代表转化率的从低到高。
而点击率代表的营销创意的有效性，转化率代表的是推广渠道的精准性，在这张图表上我们分成了4个象限，但同样是高点击、高转化的象限中，也有具体数据的差别。诸葛io-专注于用户行为分析首先我们看到2条红色的曲线，在高点击和高转化的区域中我们画了一条红色曲线，这条曲线上方是“高可行域”，曲线下方是低可行域；而在低转化与低点击的象限中我们也画了一条曲线，这条红色曲线的下方是最不可行域。
什么意思呢？
其实就是对点击率和转化率的高低做了一个细化分层，点击率和转化率是每一次推广创意的数据化表现，而画出一个可行域，是对营销活动的归类。
那么这条曲线到底要画在什么样的数据标签上？
这需要在实际分析工作中做总结，也就是说，可行域分析实际上是一种自己建立的数据分析模型，根据具体数据不断修正调整可行域的范围，对业务指标进行有效评价。
除了两条红色曲线外，还有两条蓝色曲线，一条是渠道可行域，另一条是创意可行域，这两条曲线是对渠道有效性和创意有效性的评价，满足相应区域条件的事件即可作为有效事件经验，为后续的运营增长提供支持。
五、二八分析法
经济学定律中说80%的财富掌握在20%的人手中，而在运营中可以发现，80%的贡献都来自于20%的用户。
这张图中体现了2个法则，也就是二八法则和长尾理论，在数据分析中，建议将这个两个理论合起来用。
但实际上呢，二八法则和长尾理论是相对的，二八法则告诉我们说，你要重视头部用户，也就是能产生80%收益的那20%的用户或商品，而长尾理论告诉我们说要重视长尾效应，也就是剩余那20%的收益。
1. 在数据分析中二八法则的应用
在数据分析中，二八法则和长尾理论和应用于用户分析和业务分析2个方面：
（1）20%的头部用户：凭什么那么优秀
在用户分析上，通过二八法则建立用户分群，将所有用户切割成一个又一个的实验组，对实验组的用户进行单体特征分析，目的只有一个，同样都是用户，凭什么你们那么优秀？
在数据分析中，单体分析与群体特征分析同样重要，然而我们不可能对上万的用户进行个体分析，可能的是对头部用户进行个体行为分析，建立群体样本。
在运营数据分析中，可以针对核心指标分别找到20%的用户：
购买数量前20%的用户
购物金额前20%的用户
日访问次数前20%的用户
访问页面数量前20%的用户
转发次数前20%的用户
也就是说，你想提升什么指标，就找到这个指标表现优秀的用户。那么20%的用户也很多怎么办呢？可以主动设置数据区间。
例如想要提升用户的访问时长，我们可以对头部用户的访问内容、路径进行分析找到原因，20%的头部用户访问时长从10分钟到30分钟不等，那么我们可以将头部用户的访问时长切分为10分钟、15分钟、20分钟、25分钟、30分钟，获得不同的用户组，从这个用户组中找到相应的20%的用户进行特征分析。
这里需要注意的是，同组20%用户的特征提升只对同组剩余80%的用户有效，例如访问时长10-15分钟的用户中，头部20%的用户的行为特征可以对剩余80%的用户起效，但对日访问5分钟的用户效果并不大。
（2）20%的头部业务：带头大哥的应有觉悟
针对业务分析的目的在于找到爆款内容的特征。
例如资讯类产品中对阅读量头部文章的分析，一方面是对文章的特征进行分析，另一方面，是对阅读用户的分析。
爆款文章或商品背后，代表的是对大多数用户兴趣的满足，充分唤起了用户的行为动机，而在用户分析中，我们需要进一步找到这部分用户日常阅读的头部内容，进行特征的延展分析。
六、假设分析法 1. 什么是假设分析法
举个栗子：
“小明和妈妈买了10本书，正好花了100块钱，书的单价有8块钱和13块钱2种，那么8块钱的书和13块钱的书各买了几本？
解题思路：
首先，假设这10本书都是8块钱买的，那么10本书一共是80块钱，那还多出来20块钱，是算错账了么？不是，显然多出来那20是13块钱1本的书多出来的。13块钱的书比8块钱的书每本多了5块钱，20块钱可以买4本，那么可以得出结论了，13块钱的书有4本，那么8块钱的书有几本呢？
对了，6本。
这道6年级的数学题里就用到了假设法，假设所有书都是8块钱，那么在数据分析中，什么是假设法呢？简单理解，假设法是在已知结果数据，在影响结果的多个变量中假设一个定量，对过程反向推导的数据分析方法。
2. 假设法在运营分析中的应用
假设法在运营分析中最常见的有2种场景：
场景一：已知结果找原因，做过程变量假设。
例如：某内容社区在11月份的发帖数相比10月份下降了20%，针对这个结果，该如何分析原因？
面对这样一个无厘头的问题，该怎么分析呢？结果数据是发帖数下降了20%，那么影响发帖数的有哪些因素呢？
我们可以将发帖数量按照用户分层进行拆分，例如老用户发帖数量和新用户发帖数量，也可以按照具体发帖篇数进行拆分，例如发帖5篇以上的用户，发帖3-5篇的用户，发帖1-3篇的用户，拆分后将11月与10月份相同维度的数据进行对比，找出变量。
例如经过拆解后发现，发帖1-3篇的用户相比10月份减少了40%，其他篇数的用户量还高于10月份，那么问题就出在了发帖1-3篇的用户身上。
那么发帖1-3篇的用户为什么减少了呢？我们可以提出2个假设：
假设10月份发帖1-3篇的用户成长为更加活跃的用户，造成发帖3-5篇的用户增加，1-3篇的用户减少；
假设10月份发帖1-3篇的用户流失率比较高，同时11月份新用户转化少，导致这一群组用户数量变少。
那么针对这2个假设，需要对10月份发帖1-3篇的用户与11月份发帖3-5篇及5篇以上的用户进行追踪分析，同时分析11月份新增用户与10月份新增用户在留存和活跃上的对比。
场景二：已知目标找过程，做结果假设。
例如：12月份的销售KPI为1000万，环比11月份上升20%，该如何做一份销售方案？
这是在做工作计划时最常见的需求，以12月份需要达成1000万的销售KPI为例，拆分销售KPI的相关影响因素，同样有2个拆解维度：
（1）从商品角度做拆分
要达成1000万的销售额，有多种假设方式，例如假设现有商品销售额与11月相同，新品销售额达到200万，那么为了实现这个结果假设，去做能够支持200万销售额的过程的方案，例如在推广渠道预算上、仓储物流上、人力配置上等方面做计划；还可以针对几款产品提出销售额增长的假设；
（2）从人群角度做拆分
要达成1000万的销售额，一方面挖掘老客户的购买力，另一方面增加新客户的来源渠道，假设老用户复购销售500万，那么针对老用户设计营销活动。
假设分析法是在现实应用中常用的数据分析思路之一，数据分析的过程是不断的提出假设、验证假设的过程，通常我们遇到的不知道如何下手的数据分析，可以通过假设法来破局。
七、同期群分析
简单来说，就是将⽤户进⾏同期群划分后，对⽐不同同期群组⽤户的相同指标就叫同期群分析。
1. 同期群分析的作用
例如：9月份新增用户10万人，10月份新增用户15万人，但9月份新增用户的30日留存用户为1万人，10月份新增用户的30日留存用户也为1万人，哪个月的运营业绩更好呢？
通过同期群分析，我们可以发现9月份和10月份新增用户的留存用户是相同的，那么9月份的留存率更高，从用户质量角度考虑，9月份的运营成果更好，从有效用户角度考虑，2个月的运营成果相同，从新增用户角度考虑，10月份的运营成果更好。
同期群分析的目的在于透过现象找到结果，以时间维度建立同期群，除按时间维度考虑，也可以对来源渠道等维度建立同期群。
以上是七种比较常见的数据分析法，只是一些基本的入门概念，希望有一点点帮助。
至于在实际工作中如何运用，是一件很复杂很困难的事，需要将这些方法适配到自己所在的业务，甚至需要根据实际业务进行一些修改，这都需要很多的实践和思考。
我国的互联网时代刚刚完成野蛮生长的阶段，大家对流量的获取已经有所理解和应用，但在互联时代的后半场，对数据的理解和应用将成为制胜的关键。
我始终认为互联网行业的未来在运营，运营的未来则在精细化运营和有效的数据分析管理，持续学习，让我们工作用数据说话。
本文由 @诸葛io 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
如何判断企业采购渠道的稳定性和依存度
商品采购渠道是指将商品从厂家转移到自家销售环节所经过的路线。商品所经过层次越多，渠道越长。反之，渠道越短。正确选择和确定商品采购渠道，是商品营销计划工作的一项重要内容，做好这项工作，有利于加强购销衔接，销需联系，扩大商品销路，增加竞争力，提高经济效益。因为渠道选择受多种因素影响，主要有商品因素、市场因素、供货方因素和企业自身因素等，企业要根据具体情况采取不同的进货渠道策略。
1、直接渠道策略
直接渠道策略就是要找到商品的原生产厂家，直接从厂家进货。这一渠道策略的优点是：可以降低进货价格，防止假冒伪劣商品进入自己的企业。但采用直接渠道策略要考虑到原生产厂家距离的远近，若因距离过远造成商品运输成本过大则要调整策略。
2、固定渠道策略
固定渠道策略就是要选择资信好、生产能力强、商品质量高的供货商，与他们建立长期的合作关系，固定进货渠道。这一策略通常适用于日常生活用品、需求量稳定的商品和厂家生产质量稳定的商品。其优点是：可以通过良好的合作关系规范采购活动，适时保障市场供应，并可通过长期的合作关系使买卖双方受益。
3、区域渠道策略
区域渠道策略就是有针对性地选择货源市场。在市场商品极大丰富的情况下，很多商品因其特殊的生产环境和经营条件，形成了一些独具特色的商品货源产地或货源市场，采用区域渠道策略就是根据自身的经营需要，选择有特色的商品货源产地或货源市场作为进货渠道。这一策略的优点是：商品采购选择余地大，便于专门化经营。
4、名优渠道策略
名优渠道策略就是选择名优商品厂家或供货商作为进货渠道。选择这一策略必须和企业的整体经营战略、目标市场定位相一致。这一策略的优点是：可以通过名优商品树立企业良好形象，提高企业经营档次，增加消费者对企业的信任度。但该策略通常只适用于大型商业企业。
5、动态渠道策略
动态渠道策略就是不断根据市场变化选择新的、有发展潜力的进货渠道。采用这一渠道策略难度较大，它不仅需要充分的、及时准确的市场信息，还要有敢于开拓市场的胆量和魄力。其优点是：能灵活地适应市场变化，不断推出新商品，但不利于建立和谐的工商关系，一般只适用于市场变化较快的商品。
温馨提示：以上信息仅供参考。
应答时间：2021-02-24，最新业务变化请以平安银行官网公布为准。
[平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~
https://b.pingan.com.cn/paim/iknow/index.html
什么是增长黑客？
这本书是由范冰写的，里边有很多奇巧的商战打法，而且也可以看出来增长黑客的性格，嬉皮笑脸的精神。
如何做推广渠道分析？怎么分析投放渠道的质量？
几乎所有的运营人员都会接触到渠道推广。这些渠道推广可能是付费渠道，可能是免费渠道，无论是哪一种渠道推广，都是需要我们付出成本的。在与渠道打交道的过程中，有时候涉及到跟渠道分成或者跟渠道合作，我们需要统计从渠道获取的用户的数量；有时候涉及到渠道付费，我们需要鉴别渠道用户的质量的好坏，控制并提高渠道的效果。
渠道的质量必然要从质和量上进行分析和考核。量很容易理解，渠道带来的浏览量，关注量等等都是过往的运营过程中最基础的数据，但是关于‘质“就不好去评估和衡量了。所以在这个过程中需要建立一套关于不同渠道的用户的核心有效行为的评估体系。到底从哪个渠道带来的用户最后转化为有效的活跃行为是我们最终评判该渠道是否有效，以及该渠道的性价比是否够高的衡量标准。在这个过程中可能需要自建或者通过第三方的数据分析平台来实现。这一块目前比较成熟的平台包括百度统计，友盟，数极客等。从维度的多样性和组合型来看，数极客是比较理想和成熟的平台。