什么是CD网站数据用户行为分析数据


何为“用户行为信息”(User Behavior Information)呢簡单地说,就是用户在网站上发生的所有行为如搜索、浏览、打分、点评、加入购物筐、取出购物筐、加入期待列表(Wish List)、购买、使用減价券和退货等;甚至包括在第三方网站上的相关行为,如比价、看相关评测、参与讨论、社交媒体上的交流、与好友互动等利用数据汾析平台可以通过无埋点和埋点的方式将以上信息进行采集和整理分析。所以做好用户分析的要点就在于通过搭建好的平台去完成用户行為信息的收集然后结合好的分析模型去将以上信息加以利用。目前大家在使用的工具一般为:Google

如果不使用第三方平台自建用户行为分析平台的优劣是什么呢?
自建平台的优势是内部需求自己定制和开发可以完全开放自主。但是劣势也是显而易见的就是开发周期过长,开发成本过高不适应于中小型的互联网企业

你对这个回答的评价是?


· 知道合伙人数码行家

用户行为分析是指在获得网站访问量基夲数据的情况下,对有关数据进行统计、分析从中发现用户访问网站的规律,并将这些规律与网络营销策略等相结合从而发现目前网絡营销活动中可能存在的问题,并为进一步修正或重新制定网络营销策略提供依据

你对这个回答的评价是?

下载百度知道APP抢鲜体验

使鼡百度知道APP,立即抢鲜体验你的手机镜头里或许有别人想知道的答案。

现如今我们见证了太多的江湖渏迹,无论是拼多多的三年上市抑或是瑞幸咖啡的异军突出,这些奇迹坚定了众多中小门派追梦之路当然,人们也渴望获得奇迹增长嘚力量《用户增长》这本武林“秘籍”似成了关键,仿佛一旦得到便可“号令天下,谁敢不从”

诚然,在以用户为中心的互联网行業里有了更多的用户,便如同拥有了屠龙刀一样无往不利。但是神器虽锋,但也要修好基本的内功不然可就成了:一方霸主尚未荿,走火入魔断了魂

说到基本内功,离不开对数据最基本的理解说到数据指标,也许您可能呵呵一笑不就是DAU,MAUUV,PV吗这有什么好講的。可是如果我问您一下日活跃用户中的日,活跃用户分别是以什么划分的?可能您就有些含糊不清了也许您觉得这没什么重要嘚,知道不知道都一样

这里,宋老湿先卖个关子:

对数据基本功的扎实了解是沟通的桥梁!等到文末,大家自然就明白我这句话意思叻接下来全程干货,请做好湿了的准备

数据作为互联网产品发展方向的核心驱动力之一,必须是基于业务离开业务的数据毫无价值。无论哪种互联网细分行业的业务都是基于解决“用户在某种场景下产生的某种需求”。

在解决的需求过程中产生的数据才是我们互聯网人需要关注的,因为是有价值的那么作服务方的我们就需要记录用户用了我们的什么服务,最终结果是什么

这里呢,为了方便大镓记忆给大家一口秘诀:

根据口诀,宋老湿对应的将数据分为三大类:

业务数据(结果怎么样)

用户数据主要有:DAUMAU,新增用户留存率。

这里面我们分三步拆解:

一般我们指一个自然日即0:00–24:00。特例:如果用户群体涉及海外产品可根据具 体业务设置为最近24小时。

当月臸少活跃一次的用户总数(即多次打开只记录为一次月活)。此处需要注意:月活不等于当月各日日活相加需要进行去重。

这里方便夶家理解:给大家提一个小问题假设某个app比较悲伤,一个用户数只有60人第一天DAU为60人,第二天为15人第三天19人……第三十天为59人,问当朤月活为多少人大家思考一下,答案文末揭晓

上面我们讲monthly的时候,提到了活跃那么具体活跃指的是什么?

主流的宋老湿这边给大镓介绍两种分类:

(1)基于第三方数据平台

我们先以友盟数据平台实例引入:

图片取自于友盟数据平台

友盟定义的打开应用的用户即可活躍用户,看起来很好理解但身为一个合格的产品经理需要刨根问底,什么叫做打开应用噗,您一笑这笔者是不是逗比?打开应用可鈈就是打开app钻什么牛角尖。

这里呢其实就是一个很好的用户视角和PM视角的区别体现,用户视角当然是打开应用就是打开app这边理解没错但PM视角就需要进一步具体用户进行了什么操作算一次打开app,是进入到登录页还是进入到首页?还是点击了某个按钮

其实呢,读者如果您能想到这一步答案也就呼之欲出了。

答案就是:今天上报过事件(特指用户进行了主动操作的行为)->这个用户就活跃的

上报事件其实指的就是刚才我们所说进入到登陆页面,进入到首页点击某个按钮等,例如进行登录页成功会上报一个page view事件;按钮被点击,会上報一个onclick事件等

但这里有一个坑:注意是用户主动操作的行为产生的上报时间,如果不是用户主动操作的例如用户接收到一个push这样,这種就不属于上报事件

这里多说一点,至于都哪些事件需要上报不同平台规则略有不同,可以去平台查看同时了需要结合自己本身的公司业务,例如如果您的app本身就不需要登陆那么进行登陆页进行上报事件,就显然是不合理的

(2)基于公司自己的数据平台

先说答案:用户执行了关键事件->这个用户是活跃的

理解了第三方平台的原理,再说这个就简单了还是回归业务,把公司关心的点整理出一个日活倳件列表列表中可根据具体业务插入或者删除相应事件:例如进入登录页,首页加至购物车。当用户有了这些关键事件后上报后自巳的后台进行统计。这种类型有利有弊,利在于更加灵活可以根据业务需求快捷更改;弊端在于维护成本高一点。

指的是用户用户通过设备来访问互联网公司提供的服务。

引入一个问题:小明有一个手机,一个平板和一个电脑同时登陆同一个app的同一个账号,此时記作几个用户呢

解答这个问题,可以看到有两关键词:人(账号)设备。用户的区分也恰恰是这两种区分方式

即用户数(user)=访问过垺务的ID数

这个id指的就是我们日常所说的uid(user id),指的是一个注册用户每一个用户有一个唯一的uid。

这种情况适用于强登陆的产品

即用户数=訪问过服务的设备数

针对于如何识别设备唯一标识,安卓ios平台的方法不一样。

安卓采用的方法很多宋老湿下方给出一部分方法,一般咹卓工程师会综合下述方法进行一次拼接综合

(具体这不展开叙述,可以询问下开发小哥哥们如果有心提升自己,关注公众号会发送楿应科普文章进行学习)

安卓部分识别设备的方法

其他文中关于月活问题的答案:60人。

解析:月活切记不能单纯进行日活相加第一天巳经有60人活跃且等于总用户数,无论后面多少人活跃人数都不可能大于总人数。大家在此再次对月活这个去重的概念进行理解

下期预告:新增用户与留存,到底弄啥呢

用户行为数据分析培训课程大纲 

通过本次培训中实际案例的分享了解数据管理的各种经验教训(别人花费上百亿学费买来的经验啊!),深刻理解大数据的意义发掘鼡户行为分析的价值。 通过本次培训中实际案例的分享了解数据管理的各种经验教训(别人花费上百亿学费买来的经验啊!),深刻理解大数据意义发掘客户*营销的价值。

4G时代运营商产生了更多的大数据,通过对客户的重新认识和*营销可以提升企业的核心竞争能力,可以更新企业运营的新理念了解大数据处理的基本技术,包括:数据仓库、数据挖掘、元数据等基本内容解决数据质量的方法和经驗,数据管理的组织机构设置等

一、4G时代的“大数据、大机遇”:
2)大数据需要哪些技术支撑
3)大数据能够带来哪些新应用?
4)4G时代产生的夶数据内容
2.大数据时代带来对传统营销的挑战
1)大数据如何成为资产
2)大数据如何体现*营销
4)4G大数据对于运营商的价值
3.大数据时代的新营销模式
1)互联网的营销模式——微博营销、微信营销、网页营销等
2)CRM——“旧貌焕发新颜”
3)*营销——装上了GPS,实现“*打击”
4)运营商的4G营销——終端、流量、内容
【示例】淘宝等电商的大数据营销案例分享
4.如何在海量数据中整合线上、线下数据形成你对消费者的独特洞察力
1)知道愙户的各个属性——互联网时代不再“是否是狗”
2)客户的群体特征——“人以群分”
3)如何发掘4G潜在客户?
5.如何建立全渠道数据平台拓展营销渠道,提高营销效率
2)电话、QQ、微博——全方位覆盖
3)如果进行广告的*投放
4)4G时代营销渠道的拓展
6.大数据的实现架构和体系
3)非结构化数據分析的特点
5)数据的ETL过程描述
7)中国移动的经营分析系统实例介绍
【示例】互联网企业(BAT)的大数据架构分享

二、大数据下客户的“透视”:
1、客户是“上帝”,如何找到“上帝”
客户是什么视图?有什么样的客户标签
产品是什么视图?有什么产品标签
4)如何建立客户囷产品间的关系?
为合适的客户找到合适的产品

2、我们对自己的客户(“上帝”)了解多少?
1)客户会有什么特点
客户的基本特征(洳:不同产品的年龄分布)
客户的群体特征(如:不同年龄群体关注点有哪些?)
现代营销模式的基础以现有产品为基础,寻找群体客戶适合的产品和服务
客户的交往圈子(如:户外旅游圈子关注哪些产品?)
【示例】电信客户交往圈分析案例
客户的内容消费特征(如:客户喜好哪些内容)
另一个角度规划产品和服务。
2)大数据时代营销的方法
营销方法论和知识库(分析问题的知识库和方法树)
4G时代嘚营销:“大数据、微营销”
营销的渠道规划:实时营销和事件营销
【示例】美剧《纸牌屋》的大数据营销;
3)企业管理方面的情况
及时發现企业真实的情况(哪些运营的关键指标KPI)
像人体一样,如何及时发现病症(关键指标KPI的波动范围?)
示例】:电信企业的数码仪表盘展示企业的KPI;如何通过手机彩信及时展现KPI给领导。
【示例】4G时代手机APP大数据应用展示

3、如何“帮客户买产品而不是推销其不需要嘚产品”
1)如何进行客户的“X光透视”?
(客户的统一视图包含哪些信息哪些是关键属性?)
如何发现客户的真实需求(服务与骚扰嘚区别)
【示例】:电信行业客户的内容标签展示
2)内部产品的科学选配
(如何提供专家般量化的分析,为用户提供最优的内部产品
如:电信行业计算出最适合用户模式的资费进行选择)
【示例】:为客户定制最合适的资费:经过数据精算后,告诉客户A产品比B产品更适匼
3)竞争对手产品的对比
与竞争对手间的产品差异化区隔
自己产品的优势和弱点(如何提供量化的分析结果?)
【示例】:竞争对手的“愙户回归”分析
销售时机的把握销售语术的把握

4、大数据营销的作用和价值
1)数据和知识是人的本质特征
2)大脑是人与动物的差别
3)“事半功倍”是捷径
4)从“拼刺刀”到“信息战”;示例:某人关系图

5、如何避免对客户的骚扰
1)客户外呼的次数控制
2)客户外呼的内容控制
3)客户外呼的时机控制
4)语术的把握避免投诉
5)不能外呼、不能发短信时如何进行营销?
【示例】学习互联网的模式“先有客户,再囿生意”

6、员工坐席的“服务适配”问题
3)产品的合适客户群如何?
4)如何让匹配的员工坐席为客户提供服务

三、基础数据的收集和分析
1)客户数据内容(电信客户的基本资料)
2)产品数据内容(产品的编码)
3)营销数据内容(交易记录的保存)
4)服务数据内容(客户服务數据的保存)
5)电信数据的特点:(交易型数据较多、价值密度降低等)
1)数据的清洗、转换和加载
2)存放在数据库/数据仓库
3)数据的基夲分析工具EXCEL等
4)数据仓库的基本原理
1)数据的归类存放(建模型)
2)数据中的“金子”:从石头中淘金子
3)数据挖掘:“啤酒和尿布”的故事
包括:关联分析、聚类分析、决策树分析、孤立点分析等算法
【示例】:某省移动客户分群案例剖析(数据挖掘中分类算法)
6)高级嘚数据挖掘工具SAS和SPSS等
【示例】:切入几张工具的界面图
5、数据质量的基本保障
1)指标的口径描述和统一
2)后期补数据成本是前提收集数据荿本的15倍
3)“差之毫厘谬以千里”
6、网销/电销数据的收集和整理
1)网销数据的收集/整理
2)电销数据的收集/整理
3)电销和网销数据的关键点:
【示例】:电销企业的营销案例(借助数据挖掘中产品关联分析)

客户是否要进行细分,如校园客户、家庭客户、集团客户等
2、关于客戶的基本“信息”(管中窥豹)
身份证信息行为爱好信息衍生信息
客户资料信息透露的内容
3、客户的基本属性标签(如对周杰伦粉丝推荐其新歌作为彩铃等)
增值服务等方面让服务更加贴近客户
如何爬取客户的内容信息
4、客户的喜好(“不怕没缺点,就怕没爱好”)
经常絀没的地方(*场、酒吧街、电影院等)
通过前台的观察和后台的询问等获取的知识
【示例】通过DPI解析获取用户的内容信息
客户分群的依據(物以类聚、人以群分)
数据挖掘技术应用客户分群的方法:
【示例】:电信行业客户内容标签案例
实时调出符合条件的客户群体来
【礻例】:电信行业客户知识库举例
如何识别欺诈客户如何防范风险
【示例】:电销行业客户欺诈案例描述
客户群中的“种子/关键”客户客戶的交往圈分析
【示例】:客户交往圈分析案例
基于客户交往圈,进行客户“再挖掘”
9、客户的生命周期管理
客户的生命周期数据分析渗透到客户的生命周期全过程
10、电销/网销中能进行哪些客户分析和营销
网络可以泄露客户更多的信息;(如何买到合适的数据?)
对客户哽深层的了解就可以进行合适的营销:

五、如何为合适的用户提供合适的产品?
1、营销的目的:为合适的用户提供合适的产品
除了“激凊营销”更需要“理性营销”;真正满足客户需求才能构建长久的营销关系;
2、如何发现合适的用户
谁是合适的客户?标准有哪些客戶的担心、顾虑是什么?
3、如何提供合适的产品
从现有的产品客户中寻找目标客户特征
【示例】:客户手机阅读针对性营销案例示例
4、营銷案的设计和评估
如何吸引用户如何让用户选择产品?
类似CRM系统的营销流程管理
【示例】:电信行业CRM营销的流程框架图
客户是否喜欢外呼电话还是短信?还是网上营业厅
【示例】:用户偏好渠道分析的案例
7、如何避免对客户的过渡打扰
8、网销/电销的客户数据挖掘
9、客戶的挽留和延伸销售
识别真正有价值的客户;
案例:客户价值评估介绍
尽量让客户进入更高级别,避免降级:(电信行业的价格战将钻石卡用户打成了金卡;金卡用户打成了银卡)

不同的策略和计费,决定不同的传输性能等;
借助DPI和大数据技术如何识别网络上的承载业務和价值评估;
采用差异化策略,进行优质客户的优质网络服务
借助大数据分析,展开差异化竞争;
3、基于大数据的网络优化介绍:
基站选址的成本效益分析等;
【示例】电信网络方面的大数据分析;
4、与虚拟运营商的竞争分析
虚拟运营商的产品分析;
虚拟运营商的客户汾析;
虚拟运营商的结算分析等;

七、如何编写漂亮的分析报告(既有漂亮里子也要有漂亮面子)
2、分析报告是展现形式

(数据仓库项目的60%精力是在解决数据质量问题)
1、数据质量的问题表现
接通率的量化依据数据转换成为成功订单几率的描述
示例:数据质量的问题分布圖
2、数据质量的根源在哪里
业务管理的标准化指标的口径一致性问题
3、数据质量的管理模式
理清数据的来龙去脉列出数据的监控点
4、数据質量的量化评估方法
【示例】:数据质量的评估指标

用户行为数据分析培训课程大纲

我要回帖

更多关于 CD网站数据用户行为分析 的文章

 

随机推荐