图片-精准获客

以下三个步骤,借助 GA 来剖析流量异动的缘由

当流量出现异常变动时,分析师抑或产品经理通常需要暂且搁置手头的工作,即刻着手排查缘由。

而在此过程中,大体上需要历经三个步骤:

1. 探寻异常流量的特征

2. 对异常流量进行“提纯”处理

3. 剖析异常流量形成的原因

在第一步探寻异常流量时,为了提高工作效率,我归纳了一份清单,期望能够作为大家的工作指南来使用。我先将清单中的项目罗列出来,后续再予以详细阐释:

一、流量异常维度快速查询清单

1. 按小时对异常和正常的两天进行对比,分别比对 UV/会话/PV 等指标

2. 倘若存在其他流量统计系统,相互核验数据的准确性

要是个别小时的流量变动显著:

3. 明确异常的时间段,找技术部的同事协助排查问题(若可行,先在域名报告、所有页面、内容分组报告里聚焦到出现问题的某些页面,具体方法见后文)

4. 找运维部的同事查询,在异常时段内的 http 请求数是否也存在异常(如果是,表明流量确实发生了变化;如果否,可能是统计代码本身出现问题,实际流量并未改变)

5. 向产品/运营的同事咨询是否有产品的改版操作,或者组织了何种在线活动

6. 倘若异常均匀分布在各个小时中,就需要检查各个维度上,是否存在异常突出的项目,那或许就是出现问题的关键点:

流量来源

新/老用户

着陆页

所有页面(组)

事件

省份/城市

浏览器/操作系统

手机品牌/型号(移动端访客)

上网运营商

二、常见的三类异常状况

1. 断崖式:

下跌的时段极为明显,接下来我们能够直接在域名或所有页面报告中,轻松地定位到下跌的页面,随后找技术和运维的同事排查问题就行。

2. 个别小时小幅异常

和显著的断崖式下跌相比较,要是仅仅个别小时疑似下跌,要定位到下跌的域名/页面并非易事,因为缺失的流量被全天的数据“冲淡”了。不过还好,GA 具备强大的高级细分功能,我们能够单独查看下跌的那个小时的数据。这个流程就是本文开头提及的“将异常流量提纯”:

经过高级细分之后再查看域名报告,我们就能清晰地定位下跌的部分:

发现异常域名之后再进一步,在次级维度中调出着陆页,就能更精确地找到出问题的页面:

在其他流量统计系统中或许也会存在类似的细分功能,总之思路是相通的,就是找到存在异常的维度,然后以其作为细分条件,提取出问题最为集中的那部分流量。

3. 全天候均匀下跌

有时出现问题的维度并非小时,例如下面这个实例:

我们发觉来自 so.com 的流量显著降低了,然而在小时维度的数据上是相对均匀分布的:

于是这次我们不在小时上进行细分,而是构建一个“so.com 来源”的细分,完成异常流量的“提纯”工作,接下来就要对异常的成因展开分析了。这个过程实际上也不复杂,只要带着用于“提纯”的高级细分,到各个报告中去查找其他维度的异常情况就行。

结果是,我们在“浏览器”报告中发现只有 Vivo 系统浏览器的数据变动极大,然后我们继续利用次级维度细分该浏览器带来的流量来源,结果发现随着 so.com 来源的减少,百度的流量基本上在同等程度地增加,那么原因就比较清晰了,极有可能是这个浏览器将搜索框里原本导向 so.com 的那些流量切换到了百度。

三、分析系统之外还需进行的工作

前文所述的方法能够应对多数流量异常的情形了,可要是异常数据在任何维度都呈现平均分布,找不到异常点该如何处理?这时可以先打开网站/App 查看一下,有时候问题就摆在那里很容易被发现。

另外还能够考虑一下外部因素,比如学生开学可能致使游戏相关流量降低,周末倘若赶上大范围的重度雾霾天气或许会导致娱乐类流量上升(用户们都宅在家了),我们甚至还遭遇过《焦点访谈》的一个镜头中出现了我们的品牌,使得来访流量大幅上涨。寻找这些外部因素没有固定的规则,能否找到也要看一些运气了。

© 版权声明
THE END
喜欢就支持一下吧
点赞9 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容