偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

解析常見(jiàn)的數(shù)據(jù)分析模型——行為事件分析

大數(shù)據(jù) 數(shù)據(jù)分析
行為事件分析法主要用于研究某行為事件的發(fā)生對(duì)企業(yè)組織價(jià)值的影響以及影響程度。企業(yè)借此來(lái)追蹤或記錄用戶行為及業(yè)務(wù)過(guò)程,如用戶注冊(cè)、瀏覽產(chǎn)品詳情頁(yè)、成功投資、提現(xiàn)等,通過(guò)研究與事件發(fā)生關(guān)聯(lián)的所有因素來(lái)挖掘用戶行為事件背后的原因、交互影響等。

[[197733]]

一、什么是行為事件分析?

行為事件分析法主要用于研究某行為事件的發(fā)生對(duì)企業(yè)組織價(jià)值的影響以及影響程度。企業(yè)借此來(lái)追蹤或記錄用戶行為及業(yè)務(wù)過(guò)程,如用戶注冊(cè)、瀏覽產(chǎn)品詳情頁(yè)、成功投資、提現(xiàn)等,通過(guò)研究與事件發(fā)生關(guān)聯(lián)的所有因素來(lái)挖掘用戶行為事件背后的原因、交互影響等。

在日常工作中,運(yùn)營(yíng)、市場(chǎng)、產(chǎn)品、數(shù)據(jù)分析師根據(jù)實(shí)際工作情況而關(guān)注不同的事件指標(biāo)。如最近三個(gè)月來(lái)自哪個(gè)渠道的用戶注冊(cè)量***?變化趨勢(shì)如何?各時(shí)段的人均充值金額是分別多少?上周來(lái)自北京發(fā)生過(guò)購(gòu)買(mǎi)行為的獨(dú)立用戶數(shù),按照年齡段的分布情況?每天的獨(dú)立 Session 數(shù)是多少?諸如此類(lèi)的指標(biāo)查看的過(guò)程中,行為事件分析起到重要作用。

二、行為事件分析的特點(diǎn)與價(jià)值

行為事件分析法具有強(qiáng)大的篩選、分組和聚合能力,邏輯清晰且使用簡(jiǎn)單,已被廣泛應(yīng)用。行為事件分析法一般包含事件定義與選擇、下鉆分析、解釋與結(jié)論等環(huán)節(jié)。

事件定義與選擇。事件描述的是,一個(gè)用戶在某個(gè)時(shí)間點(diǎn)、某個(gè)地方、以某種方式完成了某個(gè)具體的事情。Who、When、Where、What、How 是定義一個(gè)事件的關(guān)鍵因素。其中:

Who 是參與事件的主體,對(duì)于未登陸用戶,可以是 Cookie、設(shè)備 ID 等匿名 ID ;對(duì)于登錄用戶,可以使用后臺(tái)配置的實(shí)際用戶 ID;

When 是事件發(fā)生的實(shí)際時(shí)間,應(yīng)該記錄精確到毫秒的事件發(fā)生時(shí)間;

Where 即事件發(fā)生的地點(diǎn),可以通過(guò) IP 來(lái)解析用戶所在省市;也可以根據(jù) GPS 定位方式獲取地理位置信息。

How 即用戶從事這個(gè)事件的方式。用戶使用的設(shè)備、瀏覽器、 APP 版本、渠道來(lái)源等等;

What 描述用戶所做的這個(gè)事件的所有具體內(nèi)容。比如對(duì)于“購(gòu)買(mǎi)”類(lèi)型的事件,則可能需要記錄的字段有:商品名稱、商品類(lèi)型、購(gòu)買(mǎi)數(shù)量、購(gòu)買(mǎi)金額、付款方式等。

多維度下鉆分析。最為高效的行為事件分析要支持任意下鉆分析和精細(xì)化條件篩選。當(dāng)行為事件分析合理配置追蹤事件和屬性,可以激發(fā)出事件分析的強(qiáng)大潛能,為企業(yè)回答關(guān)于變化趨勢(shì)、維度對(duì)比等等各種細(xì)分問(wèn)題。同時(shí),還可以通過(guò)添加篩選條件,可以精細(xì)化查看符合某些具體條件的事件數(shù)據(jù)。

解釋與結(jié)論。此環(huán)節(jié)要對(duì)分析結(jié)果進(jìn)行合理的理論解釋?zhuān)袛鄶?shù)據(jù)分析結(jié)果是否與預(yù)期相符,如判斷產(chǎn)品的細(xì)節(jié)優(yōu)化是否提升了觸發(fā)用戶數(shù)。如果相悖,則應(yīng)該針對(duì)不足的部分進(jìn)行再分析與實(shí)證。

三、行為事件分析應(yīng)用場(chǎng)景

互金行業(yè)常見(jiàn)的行為事件分析

某互聯(lián)網(wǎng)金融客戶運(yùn)營(yíng)人員發(fā)現(xiàn),4 月 10 日號(hào)來(lái)自新浪渠道的 PV 數(shù)異常高,因此需要快速排查原因:是異常流量還是虛假流量?

企業(yè)可以先定義事件,通過(guò)“篩選條件”限定廣告系列來(lái)源為“新浪”。再?gòu)钠渌鄠€(gè)維度進(jìn)行細(xì)分下鉆,比如“地理位置”、“時(shí)間”、“廣告系列媒介”、“操作系統(tǒng)”、“瀏覽器”等。當(dāng)進(jìn)行細(xì)分篩查時(shí),虛假流量無(wú)處遁形。下圖為來(lái)源為“新浪”的各城市瀏覽頁(yè)面的總次數(shù)。 

新浪來(lái)源的各城市瀏覽頁(yè)面的總次數(shù) 

圖 1 新浪來(lái)源的各城市瀏覽頁(yè)面的總次數(shù)

在剔除虛假流量后,運(yùn)營(yíng)人員可進(jìn)行其他用戶行為分析。通過(guò)“投資成功”事件,查看各個(gè)時(shí)段的投資金額。若想知道每個(gè)產(chǎn)品類(lèi)型的投資金額,此時(shí)再按照“產(chǎn)品類(lèi)型”進(jìn)行分組查看即可。如圖 2。

不同產(chǎn)品投資成功的支付金額的總和 

圖 2 不同產(chǎn)品投資成功的支付金額的總和

當(dāng)用戶投資到期后,后續(xù)行為可能是提現(xiàn)或繼續(xù)投資,運(yùn)營(yíng)人員可以實(shí)時(shí)關(guān)注“提現(xiàn)率”的變化趨勢(shì)。 

用戶投資到期后提現(xiàn)率的變化情況  

圖 3 用戶投資到期后提現(xiàn)率的變化情況 

責(zé)任編輯:龐桂玉 來(lái)源: 36大數(shù)據(jù)
相關(guān)推薦

2019-07-31 14:16:35

大數(shù)據(jù)人工智能算法

2022-06-30 15:12:48

數(shù)據(jù)分析工具大數(shù)據(jù)

2024-08-06 11:32:07

2022-06-15 15:34:12

數(shù)據(jù)分析分析模型誤區(qū)

2023-02-01 23:00:42

大數(shù)據(jù)

2024-04-18 08:30:00

留存分析模型數(shù)據(jù)分析

2021-04-09 07:32:53

數(shù)據(jù)分析效應(yīng)&定律大數(shù)據(jù)

2023-02-01 22:50:41

大數(shù)據(jù)

2017-09-28 16:31:02

大數(shù)據(jù)數(shù)據(jù)分析漏斗模型

2024-10-10 11:59:11

2024-10-30 12:21:18

2022-02-21 17:35:50

漏斗模型流程數(shù)據(jù)

2024-02-26 12:34:52

模型數(shù)據(jù)決策模型

2022-05-09 18:46:28

EOQ模型數(shù)據(jù)分析

2011-09-02 10:59:02

大數(shù)據(jù)數(shù)據(jù)分析Hadoop

2017-04-13 12:59:43

數(shù)據(jù)分析

2022-10-12 00:13:20

數(shù)據(jù)分析人工智能數(shù)據(jù)可視化

2021-02-19 08:54:45

大數(shù)據(jù)云計(jì)算大數(shù)據(jù)分析

2017-04-11 09:08:02

數(shù)據(jù)分析Python

2015-08-14 10:28:09

大數(shù)據(jù)
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)