市場運(yùn)營指標(biāo)體系詳解(已改無錯字)
2023-02-27 09:29:01 本頁面
【正文】 、回復(fù)、添加好友等，劃分出不同梯度，定義核心用戶、重要用戶、普通用戶、潛在用戶的分層。 行為數(shù)據(jù)通過埋點技術(shù)收集。埋點有不同種的實現(xiàn)方式，采集到的數(shù)據(jù)內(nèi)容倒是沒有差別，主要以用戶 ID，用戶行為，行為時間戳為最主要的字段。用表格畫一個簡化的模型： useId用來標(biāo)示用戶唯一身份，通過它來確定具體是誰，理解成身份證號就行。 active就是具體操作的行為，需要在技術(shù)層面設(shè)置和定義，timestamp就是發(fā)生行為的時間點，我這里只精確到分，一般會精確到毫秒。用戶的行為記錄應(yīng)該詳細(xì)，比如瀏覽了什么頁面，此時頁面有哪些元素（因為元素是動態(tài)的，比如價格），它是半結(jié)構(gòu)化的 NoSQL形式，我這里簡化了 。 有時候為了技術(shù)方便，行為數(shù)據(jù)只會采集用戶在產(chǎn)品瀏覽的頁面，像點擊、滑動這類操作不記錄。屬于折衷的方法 。 除此以外，行為數(shù)據(jù)還會記錄用戶設(shè)備、 IP、地理位置等更詳細(xì)的信息。不同設(shè)備的屏幕寬度不一樣，用戶交互和設(shè)計體驗是否會有差異和影響，怎么拿來分析？這也是數(shù)據(jù)化運(yùn)營的應(yīng)用之一 流量數(shù)據(jù) 流量數(shù)據(jù)是行為數(shù)據(jù)的前輩，是 。它一般用于網(wǎng)頁端的記錄，行為數(shù)據(jù)在產(chǎn)品端 。 流量數(shù)據(jù)和行為數(shù)據(jù)最大的差異在于，流量數(shù)據(jù)能夠知道用戶從哪里來，是通 過搜索引擎、 外鏈還是直接訪問。這也是 SEO、 SEM以及各渠道營銷的基礎(chǔ) 。 雖然現(xiàn)在是移動時代， Web時代的流量數(shù)據(jù)并不過時。比 如微信朋 友圈的內(nèi)容都是 HTML頁面，活動運(yùn)營需要基于此統(tǒng)計效果，我們可以把它看作一類流量數(shù)據(jù)。另外，不少產(chǎn)品是原生 +Web的復(fù)合框架，內(nèi)置的活動頁大多通過前端實現(xiàn)，此時即算行為，也算流量數(shù)據(jù)，當(dāng)我們將活動頁發(fā)送到朋友圈時，相應(yīng)的統(tǒng)計只能依賴基于前端的流量數(shù)據(jù)來采集了。 流量數(shù)據(jù)是基于用戶訪問的網(wǎng)頁端產(chǎn)生。主要字段為用戶 ID、用戶瀏覽頁面、頁面參數(shù)、時間戳四類，簡化模型如下。 url是我們訪問的頁面，以 ***./*** 形式記錄， param是描述這個頁面的參數(shù)，我們在頁面上的搜索、屬性信息會以參數(shù)的形式記錄。和行為數(shù)據(jù)一樣，如果流量數(shù)據(jù)需要更詳細(xì)的統(tǒng)計，也是以半結(jié)構(gòu)化為佳，囊括操作記錄 。 它是活動及內(nèi)容運(yùn)營的好基友，活動的轉(zhuǎn)化率，文章被發(fā)到朋友圈的閱讀量等，都是作為流量數(shù)據(jù)被記錄。主要通過 JS采集 。 流量數(shù)據(jù)的統(tǒng)計已經(jīng)比較成熟， Google Analytics和百度統(tǒng)計都是知名的第三方工具，最為常用。不過它們不支持私有化的部署，只能提供統(tǒng)計，我知道這個頁面有 100人訪問，但這一百人是誰不能定位，數(shù)據(jù)也無法記錄 在 數(shù)據(jù)庫 中 ，這對數(shù)據(jù)化運(yùn)營是一種麻煩。一些新式的工具則能支持這種更精細(xì)的需求，不過要收費(fèi)。 業(yè)務(wù)數(shù)據(jù) 業(yè)務(wù)數(shù)據(jù)在產(chǎn)品運(yùn)營過程中伴隨業(yè)務(wù)產(chǎn)生。比如電商產(chǎn)品，我進(jìn)行了促銷，多少用戶領(lǐng)取了優(yōu)惠券，多少優(yōu)惠券被使用，優(yōu)惠券用在哪個商品上，這些數(shù)據(jù)和運(yùn)營息息相關(guān)又無法通過行為和流量解釋，那么就歸類到業(yè)務(wù)數(shù)據(jù)的范疇 。 庫存、用戶快遞地址、商品信息、商品評價、促銷、好友關(guān)系鏈、運(yùn)營活動、產(chǎn)品功能等都是業(yè)務(wù)數(shù)據(jù)，不同行業(yè)的業(yè)務(wù)數(shù)據(jù)是不一樣的，業(yè)務(wù)數(shù)據(jù)沒有固定結(jié)構(gòu) 。 行為數(shù)據(jù)、流量數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)構(gòu)成了數(shù)據(jù)來源的三駕馬車。統(tǒng)稱為原始數(shù)據(jù)，指沒有經(jīng)過任何加工。 外部數(shù)據(jù) 外部數(shù)據(jù)是一類特殊的數(shù)據(jù)，不在內(nèi)部產(chǎn)生，而是通過第三方來源獲取。比如微信公眾號，用戶關(guān)注后我們就能獲取他們的地區(qū)、性別等數(shù)據(jù)。比如支付寶的芝麻信用，很多金融產(chǎn)品會調(diào)用。還有公開數(shù)據(jù)，像天氣、人口、國民經(jīng)濟(jì)的相關(guān)指標(biāo) 。 另外一種外部數(shù)據(jù)的獲取方式是爬蟲，我們可以爬取豆瓣電影評分、微博內(nèi)容、知乎回答、房地產(chǎn)信息為我們所用。第三方不可能支持你獲取，很多時候會有防爬蟲機(jī)制。它需要一定的技術(shù)支持，不屬于穩(wěn)定輕松的來源 。 外部數(shù)據(jù)因為質(zhì)量難以保證，更多是一種參考的作用，不像內(nèi)部數(shù)據(jù)能產(chǎn)生巨大的作用。 我們在考慮問題的時候都會遵循一個思路，即從宏觀到微觀，從全局到局部，數(shù)據(jù)分析也不例外 。在 做數(shù)據(jù)分析時候需要在心中建立起數(shù)據(jù)體系，產(chǎn)品數(shù)據(jù)維度體系由大到小可以分為宏觀數(shù)據(jù)、中觀數(shù)據(jù)、微觀數(shù)據(jù)三大層面： 二 、 數(shù)據(jù)分析維度 以上數(shù)據(jù)分析緯度并非包含了我們運(yùn)營的產(chǎn)品的所有數(shù)據(jù)緯度，在做數(shù)據(jù)分析時，我們需要結(jié)合自己的產(chǎn)品情況來做有用數(shù)據(jù)篩選。當(dāng)然運(yùn)營在提出具后臺需求時一定是基礎(chǔ)數(shù)據(jù)需求，常見的如用戶概況數(shù)據(jù)、 PV數(shù)、 UV數(shù)、 UID數(shù)、啟動次數(shù)、留存率、跳出率、頁面訪問路徑 等 . 運(yùn)營數(shù)據(jù)分析可根據(jù)后臺基礎(chǔ)數(shù)據(jù)結(jié)合 Excel表格導(dǎo)出功能，以及借助第三方數(shù)據(jù)平臺來進(jìn)行輔助分析，這樣不僅能夠降低后臺數(shù)據(jù)開發(fā)成本，也能大大提高數(shù)據(jù)分析效率。 在做產(chǎn)品運(yùn)營的數(shù)據(jù)分析時，我們可以按照以下思路來進(jìn)行： ① 確定數(shù)據(jù)分析目標(biāo) ② 明確數(shù)據(jù)目標(biāo)的關(guān)鍵影響維度拆解 ③ 找出不同數(shù)據(jù)緯度之間的關(guān)聯(lián)關(guān)系從而建立起數(shù)據(jù)關(guān)系模型 ④ 發(fā)現(xiàn)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1