《数据驱动-从方法到实践》图解
2022-04-28 20:36:01 0 举报
AI智能生成
登录查看完整内容
了解数据驱动产品的方法和时间流程
作者其他创作
大纲/内容
结构
百度数据板块:网页数据和用户行为数据
搜索引擎发展
用户行为分析践行:百度知道的回答量提升7.5%
从零到一构建百度大数据分析平台
数据源与Event模型的重要性
大数据是屠龙术
1百度大数据工作的经历
个体数量大
大数据之“大”
覆盖类型众多
大数据之“全”
数据信息具体到每只企鹅的组织、器官
大数据之“细”
实时性
大数据之“时”
大数据的概念
信息是用来消除不确定性的东西。 ——香农《信息论》
大数据的本质,就是通过信息消除不确定性。 ——吴军《硅谷之谜》
大数据的本质
分支主题
数据驱动的价值
企业内部数据驱动现状
理想的数据驱动——“流”
数据驱动理念与现状
数据采集能力增强
数据处理能力增强
数据意识的提升
大数据时代到来的条件
2大数据思维与数据驱动
数据采集->数据建模->数据分析->数据展示
数据驱动的环节
数据采集的现状
前端操作(Web/ Android/ iOS等):按钮点击、下拉选择等
后端日志(Nginx/ UI/ Server等):浏览、检索、购买、支付等
业务数据(数据库/ CRM等):物流、进销存、客服等
采集对象
数据采集遵循法则
无埋点
全埋点
在前端嵌入SDK,但对每一关键行为都需要调用SDK代码,将必要的时间明、属性字段写入代码,发送到后台服务器。
前端埋点
将相关事件、属性通过后端模块调用SDK方式发送到后台服务器。(数据可靠性更高,且一处埋点,Web/iOS/Android 端全接入)
后端埋点
适合范围
代码埋点
科学的数据采集和埋点方式
比如网络异常、统计口径不同、代码质量问题、无效请求等
影响因素
关键行为采集,推荐后端埋点
事件设计和明确统计口径
元数据管理和埋点管理等
提升方法
数据的准确性
数据采集与埋点
数据模型与建模
对行为事件的描述「4W1H」
事件表
用户属性信息等的「User Profile」
用户表
多维数据模型
多维事件模型的探索经历
数据建模
用来研究某行为事件的发生对企业组织价值的影响以及影响程度。
事件定义与选择 -> 下钻 -> 解释与结论
行为事件分析
了解用户在整个流程中的,从起点到终点,每一步的转化情况。
漏斗分析
留存分析
分布分析
即页面热力分析,展示某一个或某一组相似页面中所有的用户点击数据。一般用于Landing Page的分析。
点击分析
通过用户行为路径,发现用户行为特点与背后原因。
展示形式一般采用桑基图。
用户路径
行为分析
用户信息标签化,了解自己产品的真实用户是怎样一群人。
漏斗分析一般用于关注阶段差异;用户分群则用来关注群体差异。
用户分群
属性分析
用户分析
数据分析方法
用来确定产品当前发展阶段最重要的问题。
第一阶段:确定用户需求,做出MVP来验证需求真实性 ;
第二阶段:成型产品+固定的用户群,有丰富数据进行分析;
第三阶段:产品形态相对成熟,企业关注规模化、快速盈利。
产品周期阶段
第一关键指标法
为企业提供数据分析基础和罗盘,以及指导创业和企业发展的探索方向。
根据不同来源的触发用户数,优化营销投入与产出
获取
关键是找到产品的Magic Number,本质是用户只有进行了这些操作后,才真正体验了产品的价值。
Twitter发现新用户在30天内关注了30个好友,就很容易在平台上继续活跃,否则流失的风险就很高;
LinkedIn发现新用户如果一星期内加到5个联系人,他们的留存率和使用频率将会提高3-5倍;
Dropbox发现新用户只要使用1次Dropbox文件夹,变成忠诚用户的可能性大大增加。
三个例子
激活
降低流失率
延长用户生命周期
留存
转化率、销售额、平均客单价、新增付费用户数…
营收
NPS
引荐
海盗指标法AARRR
指标体系构建
3数据驱动的环节
用户获取(Acquisition)
激活(Activation)
留存(Retention)
引荐(Referral)
营收(Revenue)
数据驱动运营
数据驱动产品改进和体验优化
数据驱动落地企业,要从管理者做起
数据驱动商业决策的价值
数据驱动商业决策
4数据驱动产品和运营决策
如何计算热门榜单
客服系统中的行为数据
为什么需要数据平台
数据平台提供的能力
数据平台及用户智能
基于用户行为数据的用户智能应用
用户智能分类:基于规则与机器学习
数据应用与用户智能
User Persona
User Profile标签体系的建立
用户智能应用——用户画像
个性化推荐的概念
架构实现
数据流
业务分析与模型选择
实验与迭代
用户智能应用——个性化推荐
5数据驱动产品智能
互联网金融数据驱动实践
数据驱动能够为企业服务做什么
面临的挑战
数据应用的阶段
企业服务数据驱动实践
零售行业数据驱动实践
打破企业发展经营困局:从粗放式到精细化
电商企业数据驱动瓶颈
实践案例
电子商务数据驱动实践
6各行业实践数据分析全过程
数据驱动
0 条评论
回复 删除
下一页