数据挖掘中的异常检测

一、实时分析需要关注的三大指标

数据化运营需要关注的指标非常多，如PV、UV、转化率、留存率等等。忽略留存、转化等结果型指标，在分钟级的实时监测中，运营主要关注网站平台的三大类数据指标：

访问用户量

访问来源

访问行为

用户访问量、访问来源和访问行为对网站平台的运营具有重要意义：

分钟级的访问量可以帮助我们了解流量的趋势，方便及时发现流量的异常；

访问来源的监测方便我们了解实时访问来源和权重，为渠道优化做准备；

访问行为的实时监测帮助我们了解用户的访问偏好，方便后期进行网站内容优化。现有的SaaS （软件即服务）产品中，将上述实时指标模块统一于一个后台页面中，这样的设计便于运营者对实时的情况一目了然、运筹帷幄。

二、通过三个案例讲透实时分析

从异常的流量峰值中发现问题

运营者一般都比较关注网站平台的PV、UV及其走势，这也是网站流量分析的基础指标。以天或者小时为颗粒度的流量分析较为粗糙，会掩盖很多时间节点上的流量波动细节。如果我们用分钟级的粒度来观察流量，又会有什么发现呢？某内容社区7月16日16：30-16：35 用户访问量激增，是平时的4倍左右（如上图圆圈所示）。社区的运营人员马上就发现了这个异常值，借助［访问来源］发现该节点访问来源排第一位的是微信（mp.weixinbridge.com），然而当时并不知具体原因。在稍后的朋友圈分享的文章中发现，当时某运营大咖在一个微信群分享中推荐了该社区平台，贡献了16：30-16：35社区激增的访问量。该社区的PR果断抓住这次机会，邀请该运营大咖来该社区做知识分享，起到了非常好的传播效果。

这是通过激增流量发现合作渠道的典型案例，值得所有企业思考。反之，如果流量暴跌，甚至降为零，那么这个时候就马上检查网站/APP是否正常，以便及时修复问题。

精准投放：渠道优化与反作弊

作为一个运营人员，如果产品在各大渠道上投放了广告，则可以通过［访问来源］来时刻监测渠道的广告效果，进而确定渠道带来的访问用户量和质量。

某互联网企业近期做了系列的渠道投放测试。他们通过［访问来源］发现其中两个渠道带来的量非常少，而且价格不菲，于是短暂上线就立即撤掉了该投放。同时实时分析还可以用于反作弊，短时间、单一渠道流量暴增很可能就是刷单或者流量作弊的表现。某日上午该网站访问量连续出现两个异常高峰，且该期间绝大部分流量来自一个渠道。运营人员对此非常警觉，经排查是代理商作弊，用机器人刷量；事后该企业果断放弃该代理渠道。上述两个行为为该企业挽回了大量损失。

实时监测，让产品运营更加高效

现在互联网产品迭代的速度越来越快，产品运营需要对新上线的产品或者功能进行追踪，评估产品的效果或者市场反馈。互联网金融领域存在组团诈骗进件（进件，即购买金融产品）的情况。以某互联网金融公司为例，因为风险控制的原因会控制对外宣传的力度，每天的访问用户数基本比较稳定。某日，该互金公司上线了一个新的金融产品，公司的运营人员通过［访问用户实时走势］发现访问用户陡然增加，再通过［活跃网页］发现该产品中的某个页面的访问量特别高，经过排查确定这是该产品的漏洞，会导致公司流失大量资金，他们果断采取修复措施再重新上线。如果还是用传统的流量监测方法，可能等到两三天才能发现这个漏洞，到时候流失资金可能达几百万之巨。

三、数据驱动的精细化运营

一个产品或者运营手段从最初的“idea”到最后成型上线，运营人员需要通过数据来衡量它的表现及市场反馈。同时，从数据中发现问题，提出假设，不断升级迭代；从而形成“idea — product – data”的良性循环，驱动业务和客户的增长。在运营的过程中，数据反馈越及时，我们迭代的速度就越快，运营的效率就越高。1.01的365次方约等于38；换言之，通过实时分析可以实现不断的、快速的小幅迭代，而这积累起来就是运营、是企业巨大的进步。