-
从0到1搭建决策分析模型
数据分析要驱动决策!这个道理人人都知道,可实操起来,到底咋驱动法?很多同学见都没见过,偶尔写几句分析建议,还被喷回来……咋整?今天系统分享一下。 破局的关键,在于:不要一脚踩进烂泥坑里。和决策有关的因素那么多,指望一个神威无敌大将军公式全部计算清楚,是不可能的。想脚踏实地的解决问题,最好的办法就是:从最简单的地方开始,一步步做。 困难度0级决策 设想一个最简单的场景:卖盒饭。一个盒饭成本5元,如何…- 17
- 0
-
一文快速解锁:标签体系全流程
标签体系,绝对是数据分析年度工作中,最值得摆在开年做的。因为它和所有工作都有关系,经营分析、投放分析、用户画像、推荐策略、商品运营……都得靠标签带动。 标签体系做得好,后续分析才有足够多素材,才能积累经验。标签体系做得差,白费功夫不说,后边做深入分析的时候还没有依靠。 那么该如何做呢?今天简单分享一下 一、标签体系常见错误 最常见的错误,就是:标签就是一箩筐,啥玩意都往里装。 上传文章的时候,随手…- 32
- 0
-
浅谈互联网搜索之召回
01 背景 在上一期中我们从宏观上介绍了在互联网行业中搜索系统的流程与现状,而在搜索系统中,一般会把整个搜索系统划分为召回和排序两大子系统。本期会从宏观上介绍召回系统,并着重介绍语义召回。谨以此文,希望对从事和将要从事搜索行业的工作者带来一些启发与思考。 02 搜索系统召回方法 不同于推荐系统,检索系统是在输入query的前提下,快速召回与query相关的文本,特点为要求是快,注重召回轻准确。注意…- 39
- 0
-
如何用数据分析挖掘业务机会
从数据中,挖掘出业务机会点,是很多公司对数据分析师的要求。然而到底啥是机会点?到底要怎么挖?很少有人详细讲解过,也让很多同学困扰。今天结合一个具体问题讲解一下。 问题场景:某电商平台,运营部门要求数据分析师挖掘用户运营机会点。数据分析师开心地报告“发现用户购买4次以后,用户消费就很高了,建议让每个用户买4次”……之后惨遭业务批判:“你分析了屁!” 问题出在哪里呢? 01 错误示范 “发现用户购买4…- 24
- 0
-
数据中台产品如何进行联合项目推动?
01 背景 随着数据中台基础建设的晚上,中台产品的工作重点不仅仅是在功能建设上,更多是侧重提供数据解决方案。那要想更好地沉淀数据解决方案,则需跟业务方进行紧密合作,深入了解业务。索隆作为一个数据中台产品,在跟业务开展联合深度合作时遇到了一些困难,找了相关人沟通咨询,把沉淀的解决方案分享出来,供大家参考。 索隆:我们与业务A开展了联合项目,双方领导及下属都初步碰了未来的合作点。会议待办…- 19
- 0
-
人货匹配模型得思考与分析
很多数据分析书本、文章都提过人货场模型,但对于其中最核心的人货如何匹配,没有详细介绍。人货匹配是非常底层的分析理论,涉及到转化率分析、用户分群、推荐算法训练等重要议题,无论互联网的电商、O2O、短视频、直播等产品都会考虑这点。废话不多说,今天详细介绍一下。 一、导购型匹配 设想一个最简单的场景:顾客站在柜台前,说“我想要个电风扇”。此时顾客需求已经跋山涉水来到店里,成交意愿很高。且需求已经表达得很…- 38
- 0
-
用户行为分析之“留存”
浅谈一:如何定义 用户的留存,故名思义,就是用户留下了。留存的定义是首次使用后第N天回来的用户比例。 在用户行为产品中,我们可以对留存有着更精细的定义:留存就是第一个时间周期内发生了起始事件的用户在第二个时间周期内发生回访事件的比率。 所以留存的计算方法就是: (第二个时间周期内发生回访事件的用户数/第一个时间周期内发生了起始事件的用户数)*100%。 不同产品可以根据业务情况,定义不同的起始事件…- 52
- 0
-
7步做出高质量的数据分析项目
每到年底,都有同学感慨:“忙了一年,感觉都是常规数据报表,连个拿得出手的项目都没有!”那到底高质量的数据分析项目该咋做? 01.怎样算高质量 想回答这个问题,得先明确:啥叫“高质量”项目。从本质上看,数据分析是个支撑型岗位,工作质量高不高,主要由被服务的部门决定。如果是在企业里工作的话,主要看管理层/业务部门的评价意见。如果在面试时,则主要由面试HR/用人领导评价。摸清对方的需求,击中对方的痛…- 27
- 0
-
实现数据分析闭环的五个步骤
很多做数据的同学,光看着自己写报告,看不到自己的建议被落地,常心怀缺憾。觉得不能像产品/运营那样打造一个数据分析的闭环,能力也没法提升。其实这是一种误解。今天结合一个具体案例,看看数据分析的闭环,究竟如何打造。 问题场景: 某餐厅,其所在的商场原本可免费停车,从本月起改为收费停车,而且停车费相当贵。餐厅店长纠结:停车费是否会影响收入。问:该如何做分析? 一、不及格的分析 这里最容易范的错误,就是列…- 37
- 0
-
如何搭建属于 “数据业务”的指标体系?
临近年末,上到集团总部,下到每个员工,都开始做年度工作总结和项目复盘;这其中,对齐KPI指标的、量化的成果和价值,必然是工作总结中的核心亮点。 作为数据人,在支持业务部门“用数据说话”的同时,你和你所在的数据团队是否也在用数据说话呢?是否有明确可量化的KPI并持续PDCA呢?是否也在通过指标评价结果、发现原因、指导行动、做出规划呢?是否也能将OSM、UJM、原子指标、派生指标等概念应用于自身工作呢…- 36
- 0
-
用户行为埋点常见问题讲解
随着互联网用户体量增长日渐达到瓶颈,用户增长的关注点由花大精力投放拉新,转向对已有用户的精细化运营,“留住老客”成为越来越多企业的关注点。然而仅仅通过GMV,销量等最终业务数据并不能全面反映用户在平台上的行为、这些行为是如何影响最终kpi,以及用户的行为偏好。 为了能够在不影响用户体验的前提下尽可能捕捉、追踪用户的行为,我们需要通过埋点来记录用户在平台上的浏览、点击、曝光的数据,但是在笔者帮助各个…- 83
- 0
-
用户流失该怎么分析?
用户流失该怎么分析?用户流失率的数据可以算,可算出来以后呢?只看数据似乎完全看不出什么流失原因,只知道用户已经X个月没有来了,也不知道看到这个能干啥。今天系统讨论一下。 1 用户流失分析常见错误 ▌ 错误1:试图挽留每一位用户。 这是运营最常见的错误,很多新人都会踩这个坑。不购物了就发券,不登录了摇转盘。结果空烧经费,养出来一帮无利不起早的羊毛客。实际上,用户流失是不可避免的,天下没有100%的留…- 55
- 0
-
广告投手优化师必学的数据分析指标有哪些?(游戏篇)
近期,我经常会在一些社群碰到许多优化师新人问一些优化思路、基础概念方面的问题,尤其是一些基础性的数据指标、及这些指标之间的关系,如何根据这些指标决定优化方向,解释起来比较繁琐,就想对这些基础性的指标做个简单的梳理。 因为优化师们都有个常识性的思路,分析问题层面由大到小,即产品、渠道、账户、计划、素材、落地页等,具体执行层面则由小到大;所以具体指标的,也就需要从比较基础的层面确定。 在广告层面,优化…- 70
- 0
-
企业如何构建业务型数据指标体系?
现阶段互联网发展已经进入精细化运营时代,精细化运营则要求产品能拥有完整、准确且有效的数据。因此为自己的产品搭建一套数据指标体系,对于促进产品和业务增长是至关重要的。 指标能够量化的衡量业务的好坏,评价业务当前情况,为业务的发展提供有效的指引,同时能使团队成员建立共同的目标并为之努力。 为什么需要建设指标体系? 数据指标体系可以帮助企业运营人员更好地梳理、理解业务,发现业务过程中出现的问题,进而推动…- 62
- 0
-
浅谈线下场景中的数据分析思路
笔者在工作过程中发现,对于一些传统企业,他们还会有线下的场景,例如快餐店内线下点餐屏的用户行为,4s店展台上触屏的用户轨迹等,这些场景的用户行为数据也是值得被收集和分析的,然而由于各种技术限制与认知不足,很多企业还未意识到线下场景数据对用户运营和业务增长的重要性,故笔者撰写本篇文章,旨在与大家分享搭建线下数据分析场景时的难点与思路。 01 线下数据的采集与应用难点 ① 线下数据…- 80
- 0
-
9种常用的数据分析方法
一、关联分析 关联分析,也叫作“购物篮分析”,是一种通过研究用户消费数据,将不同商品之间进行关联,并挖掘二者之间联系的分析方法。 关联分析目的是找到事务间的关联性,用以指导决策行为。如“67%的顾客在购买啤酒的同时也会购买尿布”,因此通过合理的啤酒和尿布的货架摆放或捆绑销售可提高超市的服务质量和效益。关联分析在电商分析和零售分析中应用相当广泛。 关联分析需要考虑的常见指标: 支持度:指A商品和B…- 90
- 0
-
AB实验系列一:基础概念
A/B实验是最直观且科学的一种评估策略因果效应的手段,如果我们想数据赋能业务,A/B 实验是我们的基本工具。我们需要多个流量组提出多个策略想法,然后通过比较不同组的指标表现来选择最合适的方案。做ab实验需要两个条件为前提:同质性和无偏性。 实验中的不同组应该是同质的,这意味着它们都相同或极其相似以确保结果可比性,这通常通过平台工具随机分流来实现。实验也应该是公正的,核心指标只受实验策略本身的直接影…- 107
- 0
-
9大核心指标做好社群数据分析
做社群运营,数据分析重要吗? 如果你只管1个群,群里几十人,每天用户的发言、加退群情况心里都有数,可能确实不需要数据分析。 但如果你管了几十个群,每个群里有上百个用户,那数据分析就至关重要了。 那么,如何才能做好数据分析,让数据说话,科学指导你的运营决策和动作呢? 这里,我们可以用“AARRR”模型来辅助社群数据分析体系的搭建。根据这个模型,我们可以将社群运营拆分为5个生命周期,即: Acquis…- 87
- 0
-
5张图看懂搭建数据指标体系
讲数据指标体系的文章很多,经常是开篇一句:互联网指标体系……,下边几百个指标blabla汹涌而出。搞得很多同学很晕菜:这么多指标,实际中到底怎么看?今天系统讲解一下。话不多说,直接上场景。 场景:某视频APP内容运营,每天会固定输出游戏主题节目,节目以介绍游戏为主,目前暂无带货环节,也没有其他KPI考核,就这么先做着。 每一个视频,有:播放次数、播放人数、人均播放时长、会员观看数、10%/30%/…- 84
- 0
-
一个完整的数据分析体系
很多同学抱怨:自己东做一点,西做一点,没有见过完整的数据分析体系是啥样?实际上早在10年前, 很多大型银行就已经建立了很完善的数据分析体系,只是因为行业特殊性,导致外人知道的不多。今天跟大家详细介绍一下。 一、建设的出发点 满足业务需求,是建设数据分析体系的出发点,也是最终目的和最高要求。要注意的是,"业务需求"并没有统一的标准。不同部门,不同身份的人,需求是不一样的。从大的方…- 73
- 0
-
浅谈数据指标以及指标体系
笔者之前就用户行为数据写过一篇科普文《用户行为数据入门理论与实例》,里面有对用户行为分析的整体介绍,其中包括数据指标以及指标体系搭建这个重要的环节;但是受文章篇幅所限,不能完整、体系化地介绍数据指标、指标体系以及其搭建方法。 于是笔者结合自己工作经验撰写了这篇文章,希望能给各位同学带来启发和思考。至于为何这篇文章被命名为"浅谈",主要还是受笔者经验所限,文章内容深度还有待锤炼,…- 45
- 0
-
定价模型该如何做分析?
"为啥书上讲的和实际做的不一样???" 在数据领域,有很多"书上一讲就明白,实际一干就报废"的知识点,因此同学们才有这种疑惑。趁着开年,系统帮同学们解答一下,后续工作、面试都用得上。而在众多理论里,定价模型是最常见的一个。 一、理论模型 定价模型在经济学书本上有标准解法。 1、基础假设:价格与销量成反比 2、算出固定成本(与销量无关的固定投入) 3、算出变动…- 62
- 0
-
如何利用数据分析提升用户留存率?
一、留存的概念和重要性 1、什么是留存? 在互联网行业当中,因为拉新或推广的活动把客户引过来,用户开始访问公司的网站,但是经过一段时间可能就会有一部分客户逐渐流失了。那些留下来的人或者是经常回访我们公司网站的人就称为留存。 现在大家经常会用到所谓的"日活"(日活跃用户量,简称DAU)来监测我们的网站,有的时候会看到我们的"日活"在一段时期内都是逐渐增加的,这…- 155
- 0
-
七种常见的数据分析方法拆解
数据分析一直是我们互联网人辨别方向的不二法门,我们通过对数据的观测来判断事物的发展趋势,也常常利用数据的思维来辩证的为决策做参考。 下面就给大家详细拆解七种常见的数据分析法,让我们的数据分析少走弯路。 01 象限分析法 从这张图,你能分析出来什么呢? X轴从左到右是点击率的高低,Y轴从下到上是转化率的高低,形成了4个象限,这就是我们要说的象限分析法。 针对每次营销活动的点击率和转化率找到相应的数据…- 366
- 0