当前位置:100EC>在线教育>分析:在线教育如何制定数据分析指标?
分析:在线教育如何制定数据分析指标?
发布时间:2019年07月02日 14:34:31

(网经社讯)笔者接触了很多在线教育客户后发现,在线领域市场竞争已经呈现白热化的态势。在线教育和医疗领域一直是营销的新手禁地,在线教育的品牌数字化发展虽然缓慢,但他们大都意识到互联网是必争之地,所以每年在医疗和在线教育线上投入的营销费用都很高...

▌为什么在线教育获客成本会很高?

客单价和用户生命周期价值越高,企业越愿意付出市场成本来获客。在线教育一直是竞争比较激烈的行业,获客成本在互联网的行业里算是中等偏上的,竞争导致彼此抬高了获客单价。但是访客一旦成为客户就会产生很高的生命周期总价值,产品连续售卖要相对简单得多,这样就会导致流失率很低,所以在线教育品牌很愿意花更多的投入获得客户。

纵观在线教育整个行业的态势,未来几年,在线教育只会越来越火热。竞争越发激烈导致获客越发艰难,在线教育的赛道上,各品牌无论是产品还是获客平台(网站或APP)都在快速迭代。在这样的大环境中,如何能先人一步胜出?在笔者看来,越早开启精细化运营,用数据驱动用户增长和产品迭代,对于品牌竞争越有利。

▌在线教育指标体系

想要用数据驱动用户增长和产品迭代,第一件事就是制定指标体系,为什么指标体系这么重要?因为:好的指标体系有助于我们快速获得客户,优化我们的产品。

清晰的指标体系有如下四个好处:

1、规划数据分析思路

有了指标体系后,我们就知道我们需要关注哪些数据,并且需要数据分析的哪些功能来帮助我们,比如我想知道加入购物车和提交订单的转化与流失情况,这就是一个指标。

2、数据驱动产品优化

通过数据指标的数据变化来反馈试验结果和判断品牌活动带来的变化,优化自身产品使得产品体验更优,转化效果更好。

3、明确增长路径

梳理指标体系的过程就是在理解增长路径的过程,因为我们不会什么都想看,而是针对性的去设计能帮助我们业务增长的数据,就像我们知道提高购物车转化率有助于提高订单量一样。

4、驱动用户成功

良好的指标体系,有助于帮助我们更好提高用户满意度,改善售前售后客户关系。

▌在线教育产品如何做数据分析?

在线教育的数据分析方法跟泛交易数据分析方法很像,但又有细微的差别。

如果你是在线教育的用户增长负责人,会在哪些环节倾注精力提高最终结果?

我想会是:获客、试听、付费、续科、提高生命周期价值,外加上整个环节的防流失。

在线教育指标框架:

我们可以根据在线教育用户的全生命周期,制定指标框架,用户从接触品牌到成为忠实客户之间会经历5个流程。

· 吸引/广告投放

· 访问网站/APP

· 试课/购课

· 上课

· 多次购课/推荐/评价/唤醒

不同的阶段有各自的指标,而分析主体不同时,指标也不同。

1、吸引

访客的吸引发生在品牌与客户接触的各个触点,免费和付费的品牌展示都是为了获得更多的用户曝光量和点击量,广告流量到网站或APP会经历六个流程:流量渠道,创意展示,投放URL,着陆页,转化文案及CTA,转化流。

广告投放阶段的指标有几十个,包含广告的展示情况,用户的点击情况,着陆页的跳出情况,以及不同广告的订单量及金额等。

在引流方式上,除了线上的广告,还有线下的活动和二维码。在着陆方式上,有网站,App和小程序。

2、访问网站/APP

在用户访客访问网站/APP环节,用户从着陆到完成我们期待用户完成的动作之间,要经历一整个转化漏斗,在这个环节,我们重点关注的是整个转化漏斗的数据。

这个环节的核心指标围绕着陆页展开,此环节的指标反应了用户从广告到着陆之间的需求匹配情况以及是否可以有很好的衔接。

作为决策者会可能思考,哪个渠道效果好,好在哪里,下半年我的预算如何分配能让结果最大化。但是最优先思考的问题应该是:从哪些数据指标上看目前的渠道状态,以及希望通过数据指标给出哪些反馈。

对于渠道来讲,我们会建议客户分为收入型指标和用户型指标。

收入型指标:渠道购买额,渠道ARPU,渠道ROI

用户型指标:渠道新增用户数,渠道用户留存率,渠道用户流失率

在数据看板上,可以根据这两个不同的指标,创建看板,关注以及洞察。可以通过自定义指标,定义出ARPU和ROI,来帮助我们判断渠道质量。

最简单的方法就是根据渠道产生的订单总额,但是根据订单总额度判断一个渠道的价值会有一些果断,于是我们会根据不同的指标权重进行计算,最后得出一个综合分值,再结合当时的决策来进行渠道选择。

不同的渠道如何优化转化率?通常要通过渠道自检的方式先进行渠道的修复,例如sem里的搜索词精准度,以及着陆页的匹配程度,广告的连续性等。接下来就要为不同的渠道下的细分类进行着陆页设计,来提高转化率。

3、试课/购课

1)试课意向决定购课意向,前提是我们一定要花一些精力去打造我们的课程。最优先的方法是分析转化漏斗,进行增长试验。这次我们分享一个稍微进阶的分析方法。那就是试听行为分析。

思考:用户试听多长时间会开始购课,或者几次?

分析目标:购课的用户之前会试听几次?

分析过程:将近30天购课的用户保存分群,通过事件分析,试听时:褪蕴?问?岷戏秩航徊娣治,我们会得出一个平均指导值。比如,平均试听50分钟,3次。

试验方式:通过分群的选出试听50分钟,3次的用户,进行群发促活。

2)购课用户的分析是最核心的部分,通过对付费用户的各种维度的分析总结,得到一个付费用户的特征画像。

例如:停留时长超过1分钟、收藏过课程、试听超过30秒。

通过这样的付费用户分析,我们就可以做一个特征画像。保存分群后,在不同的方式下找到有这些共性的用户,进行群发触达,效果会好很多。

4、上课

当分析主体为用户的时候,指标围绕着留存展开,对在线教育的网站和app来说,此环节相当于产品的使用,我们可以通过此环节相关指标来提高用户的留存,通过行为分析总结得出影响留存的关键行为,经过一系列的实验来提高用户留存。

当分析主体为课程的时候,我们关注的是课程的吸引力,关注的指标包括,着陆页到课程的到达率,课程曝光到试课转化率,试课到购买课程的转化率等。此环节的一系列指标反映了,课程的用户关注情况以及喜爱情况,通过优化课程的转化流有助于帮助我们优化课程,或提高课程购买的整体转化率。

当分析主体为教师的时候,我们关注的是以教师为维度的数据表现,比如通过课程售卖关联的教师维度来判断不同教师的课程售卖情况,通过教师的直播课程上线情况关注课程的到达率,通过分析教师课程表现来判断教师的受欢迎程度,这些数据都可以帮助我们进行内容优化。

5、多次购课/推荐/评价/唤醒

这个环节我们关注的指标与用户成功有关,品牌的力量会在这个环节明显呈现,一个好的课程、好的品牌会激发用户自动的分享转发,同时如果用户真的可以有所收获在此环节会多次购课,成为忠实用户。

分析主体为用户的时候,我们关注的是多次购买转化率,用户留存表,完成课程的推荐率,完成课程的评价率,以及唤醒的触发内容打开率。

当分析主体为课程的时候,我们要关注课程售卖后的售后服务,这取决于我们的用户对我们的品牌是否可以在服务方便给予认可,这对提高用户生命周期价值很有必要,用户喜欢你的品牌,并且成为你的忠实粉丝,帮你去宣传推广你的产品,这比花钱获客有意义有价值的多。所以,这个环节的指标是所有指标里很容易忽略,却最不应该忽略的部分。

怎样提高用户生命周期价值?首先要做的就是用户分层,我们可以通过用户的不同状态给他们进行分层,比如,按照用户的活跃程度,RMF价值度,学习情况,以及参与情况进行用户分层,如果我们分了5层,就会得到5个不从层次的用户,层次越高代表生命周期价值越高,我们希望可以让低层次的用户不断的向高层次的用户升级。

比较有效的做法是内容营销,通过内容刺激用户不断的打开应用,完成相应的动作以及多次支付。

针对不同层的用户发送不同的内容尝试,可以有效提高用户升级。

6、流失用户的分析、预警、召回

流失是不可避免的存在,我们要做的就是尽量减少用户的流失。

转化漏斗那样的定点的优化、召回方式是比较直接有效的,当然还有另外一种方法:比如通过智能路径的方式,就可以知道用户为什么放弃支付订单。

还可以结合第三方标签来判断流失用户的特征,建立特征模版,通过特征模版,来进行数据分析反推,找到近30天有此特征的用户,

比如说,我们发现注册后,试听不够30分钟的用户容易在支付环节流失,那么我们就应该对这样的用户格外关注,并且持续的对他们进行关怀来不断的降低流失率。

▌总结:

在线教育的指标体系从接触用户到成为客户,贯穿了整个流程,当我们制定好了这些指标,就可以围绕这些指标进行数据分析,得到不同指标的当前数据状态,根据数据状态制定相应的增长方案。

在6个流程里,会有几十个需要关注的数据指标,如果对教育行业感兴趣,可以访问易观方舟官网在线体验Demo,我们为教育行业专门做了数据分析的实例。(来源:易观智库 编。和???电子商务研究中心)

伴随生鲜新零售近年来在我国发展迅速,出现了数据造假、资金链断裂、高管离职等不少问题,引发社会各界的高度重视。此外,据电子商务消费纠纷调解平台收到用户维权案例显示,仅2019年上半年共计收到近百起对生鲜电商平台的用户投诉,其中以每日优鲜、盒马鲜生、叮咚买菜、本来生活、顺丰优选、易果生鲜、美菜网、天天果园八家平台居多。其热点被投诉问题主要聚焦在:商品质量问题、以次充好、久未发货、物流延迟、下单容易取消难、退款难且款项未及时退回、虚假宣传、售后服务差等这7个方面。为此,我们启动“2019电商系列调查专项行动”之生鲜电商“鲜不鲜”问题调查(www.100ec.cn/zt/19sxds/),如果您有相关线索,请提供给我们。

平台名称
平台回复率
回复时效性
用户满意度