首页  思维导图  详情



 



用户运营分析产品相关效果分析方法简介

2020-06-10 10:58:28   1  举报





AI智能生成

主要介绍假设检验和用户路径迁移

ABtest 假设检验

用户运营

方法论

模板推荐

作者其他创作

大纲/内容

微观：运营活动的效果分析

使用场景

衡量运营活动效果和效率

指导运营方法更替和业务需求和目标

提升数据化运营专业性

分析方法

理论

假设检验

检验方法

T检验

F检验

卡方检验

非参数检验

检验种类

一个总体参数

两个总体参数

应用

ABtest

支持决策的工具

是典型的通过样本数据估计总体数据效果的方法，所以为了避免出现小概率错误，我们需要对AB测试的结果进行<font color="#c41230">假设检验</font>。

推荐阅读：https://zhuanlan.zhihu.com/p/79690021

ABtest的步骤

双样本均值检验

双样本频数检验

实例ABtest

推荐阅读：https://blog.csdn.net/weixin_44508906/article/details/100067104

宏观：用户迁移路径监控

使用场景

宏观监控用户流动方向和部分活动效果

体现用户质量变化和活跃变化

分析方法

用户分类<br>

质量（带来收入？）

低质量

不能等带来收入的人

未开户

中低质量

可能带来收入的人（目前尚无）

开户未入资

中高质量

已经带来收入的人（非融资融券和财富管理类）

入资，未使用衍生产品

高质量

可能带来更多收入的人（使用过融资融券和财富管理类的人）

入资，使用过衍生产品

活跃（带来访问？）

低活跃

0-5/30访问的人

高活跃

20+/30访问的人（每周近5+天）

中高活跃 

12-19/30访问的人（每周近3+天）

中低活跃

5-11/30访问的人（每周近1+天的人）

指标输出

三维指标，质量&活跃标签用户的正负向流动用户情况和净增情况

理想结果和运营产品调控目标，正向流动值增加，负向值降低

输出结果

 Collect

Get Started

APP产品运营指标

 Collect

Get Started

用户相关流程图

 Collect

Get Started

用户运营框架

 Collect

Get Started

产品运营





0 条评论

下一页