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

這是一份完整的用戶分析攻略

大數(shù)據(jù) 數(shù)據(jù)分析
如果用戶行為本身發(fā)生得很隨機(jī),則測(cè)算可以簡化。比如啤酒、瓜子、礦泉水一類零食,用戶購買可能完全是臨時(shí)起意,沒啥深入思考,也沒啥忠誠度可言。此時(shí)只靠按單次廣告投放核算成本即可。只要每次投出去的商品能賺錢就行。

經(jīng)常有同學(xué)抱怨:我們公司的用戶分析做得太挫了。雖然數(shù)據(jù)列了很多,可都是簡單地把用戶按新老分個(gè)類,然后對(duì)比下性別、年齡、活躍時(shí)長、付費(fèi)的差異就結(jié)束了。最后丟一句“新用戶搜索功能用得少,建議搞高……”這分析完全沒用處呀!用戶分析到底要怎么做才有用?今天系統(tǒng)解答一下。

首先大家要明白:簡單地拉個(gè)交叉表,丫就不叫分析,丫就是一張表而已。做數(shù)據(jù)分析,要有清晰的目標(biāo)和可落地的細(xì)節(jié)才行。在用戶分析領(lǐng)域,則是分成了策略/執(zhí)行兩大類專題。

策略層用戶分析

在策略層,用戶分析要著力解決三個(gè)核心問題

1、重點(diǎn)用戶是誰:我的業(yè)務(wù),依靠少數(shù)高層次用戶,還是大量低層次用戶?

2、 獲得用戶方式:我的目標(biāo)用戶,是通過篩選得到,還是通過培養(yǎng)得到?

3、投入產(chǎn)出比測(cè)算:獲取/培養(yǎng)一個(gè)合格的目標(biāo)用戶,需要多久,投入產(chǎn)出比多少?

問題一,是事關(guān)業(yè)務(wù)成敗的關(guān)鍵。因?yàn)楦咧械陀脩魧哟?,需求天生不同。如果選擇滿足少數(shù)高層次用戶,意味著一定有非常高的新用戶流失率,一定要提供足夠有吸引力的,讓普通人望而卻步,讓有錢人顯得足夠尊貴、足夠爽的產(chǎn)品與服務(wù)才行。如果選擇滿足大多數(shù)人的需求,薄利多銷是必然的(如下圖)。

圖片圖片

很難有一個(gè)業(yè)務(wù)滿足所有層次人的需求,必須有所取舍。在業(yè)務(wù)到一定規(guī)模之前,得先服務(wù)好某一個(gè)群體,才能建立品牌形象和口碑。因此,用戶價(jià)值分層分析,是非常重要的。并且不能光看實(shí)際用戶的數(shù)據(jù),還得和目標(biāo)群體做對(duì)比,來判斷是否打造的品牌還不夠高端,還得再加碼。

問題二,是設(shè)計(jì)執(zhí)行方案的思路來源。并非所有的客戶都能培養(yǎng),很多高端服務(wù),比如金融、汽車、房子、商業(yè)投資、甚至美容保健,天生需要高端客戶才能受用得起。此時(shí)只能做篩選,大浪淘沙地從大量新用戶中,挑選出符合目標(biāo)的。而零售、餐飲等行業(yè)既能走培養(yǎng)忠實(shí)用戶的路線,又能走高端路線,此時(shí)就得業(yè)務(wù)方自己很清醒:我到底要做培養(yǎng),還是篩超高端用戶。

圖片圖片

在數(shù)據(jù)上,觀察培養(yǎng)與篩選的區(qū)別,主要看用戶的需求是否會(huì)隨著與我司關(guān)系深入而增加,以及能否被我司營銷行為影響。如果經(jīng)過長期相處與反復(fù)投放,都很難提升用戶表現(xiàn),則說明至少在當(dāng)下我司力所能及的范圍內(nèi),用戶是無法被培養(yǎng)的。如果有某些措施能明顯提升用戶表現(xiàn),則說明這個(gè)手段是好的培養(yǎng)手段。

問題三,是設(shè)計(jì)執(zhí)行方案的尺子。給用戶的補(bǔ)貼不可能無休無止,底線在哪里,要考獲客/培養(yǎng)用戶的投入產(chǎn)出比測(cè)算。

如果用戶行為本身發(fā)生得很隨機(jī),則測(cè)算可以簡化。比如啤酒、瓜子、礦泉水一類零食,用戶購買可能完全是臨時(shí)起意,沒啥深入思考,也沒啥忠誠度可言。此時(shí)只靠按單次廣告投放核算成本即可。只要每次投出去的商品能賺錢就行。

比較有挑戰(zhàn)的是需要培養(yǎng)才見效的用戶。比如做美容,可能頭三次都是為了吸引用戶充卡加會(huì)員做的體驗(yàn)服務(wù),收費(fèi)很少,只有在體驗(yàn)期充卡的才能賺回利潤。這時(shí)候就得把握:有多大比例用戶轉(zhuǎn)化,轉(zhuǎn)化用戶利潤是否能覆蓋體驗(yàn)用戶的成本。

圖片圖片

解決了策略問題以后,匯總的輸出成果就是一張用戶價(jià)值分布地圖(如下圖),在這里要清晰地展示:

1、我依靠的用戶群體是誰,有多大商業(yè)價(jià)值?

2、用戶成長軌跡是什么,獲客以后多長時(shí)間能達(dá)成期望產(chǎn)出?

3、用戶成長關(guān)鍵節(jié)點(diǎn)是什么,節(jié)點(diǎn)上業(yè)務(wù)動(dòng)作是啥,往下一階段的轉(zhuǎn)化率/留存率是多少?

回答完這三個(gè)問題,策略層面就算做得差不多了,可以探討執(zhí)行層面了。

圖片圖片

執(zhí)行層用戶分析

到了執(zhí)行層面,用戶分析反而變得簡單了。因?yàn)樵趫?zhí)行層,核心解決的問題就是:如何讓用戶響應(yīng)我的策略。一條具體的策略,比如“促進(jìn)用戶二次消費(fèi)”,落實(shí)到執(zhí)行層,就是具體的:

1、在什么時(shí)間(看自然時(shí)間 or 用戶生命周期時(shí)間)

2、用什么渠道(站內(nèi)廣告頁、站外廣告、短信……)

3、用什么文案(利益型、感情型、蹭熱點(diǎn)型、……)

4、搭配什么商品(同類商品、關(guān)聯(lián)商品、熱銷商品……)

5、給多少優(yōu)惠(積分、禮品、優(yōu)惠券……)

這一整套信息推送到用戶身上,之后期待用戶能產(chǎn)生響應(yīng)(如下圖):

圖片圖片

在執(zhí)行層,更多是大量的響應(yīng)分析,看我的運(yùn)營手段,是否能達(dá)成目標(biāo)。如果只看一次推送的響應(yīng),收獲會(huì)很小。如果把圍繞同一目標(biāo)的歷次執(zhí)行擺在一起,就能發(fā)現(xiàn)很多規(guī)律。比如下圖,針對(duì)用戶首單購買,講多次推送列列清單,能發(fā)現(xiàn)更多問題。

圖片圖片

此時(shí),可以利用歷次數(shù)據(jù),同時(shí)給用戶和業(yè)務(wù)打標(biāo)。

用戶標(biāo)簽:活動(dòng)偏好、促銷敏感度、渠道偏好、內(nèi)容偏好

業(yè)務(wù)標(biāo)簽:XX渠道/內(nèi)容/產(chǎn)品,更容易吸引XX類型用戶

這些標(biāo)簽是可以直接指導(dǎo)業(yè)務(wù)行為的。在已知用戶偏好的情況下,可以直接按標(biāo)簽組合,生成運(yùn)營策略,所謂的自動(dòng)化營銷(Marketing Automatic簡稱MA)就是這個(gè)思路。

圖片圖片

也可以把一個(gè)用戶群體的所有標(biāo)簽擺在一起,看群體需求。比如發(fā)現(xiàn)高價(jià)值群體都更偏好某一類產(chǎn)品,則可以相應(yīng)開發(fā)搭配產(chǎn)品、升級(jí)版產(chǎn)品。

也可以基于執(zhí)行層的結(jié)果,反向影響策略。比如原來用戶成長軌跡里,在1個(gè)月左右有明顯轉(zhuǎn)折。經(jīng)過運(yùn)營操作,用戶生命周期已延長,到3個(gè)月,但響應(yīng)成本也在增加。此時(shí)可以考慮在第2、3個(gè)月,階梯性增加高利潤產(chǎn)品推送,來彌補(bǔ)成本損失,保持高收益。

小結(jié)

什么很多公司的用戶分析做不出東西來,原因已經(jīng)很清晰了:

1、沒有策略層分析,每次都用性別、年齡、累計(jì)消費(fèi)、活躍這些簡單分類維度劃分用戶,把各種類型混雜在一起看平均值,模糊了重點(diǎn)。

2、沒有策略指引,執(zhí)行層做得3非常散,總是針對(duì)一次次零散活動(dòng)搞評(píng)估,不注意圍繞一個(gè)目標(biāo)多測(cè)試幾次,也沒有同一群體多次活動(dòng)對(duì)比。

3、沒有標(biāo)簽積累,總是零散地看各種數(shù)據(jù),不沉淀標(biāo)簽,不驗(yàn)證標(biāo)簽。雖然看似做了很多,但缺少表現(xiàn)穩(wěn)定的標(biāo)簽。

這樣總是沒頭蒼蠅一樣,肯定沒結(jié)論積累。當(dāng)然,不見得每個(gè)公司的運(yùn)營,都能很清醒地先定策略,再做執(zhí)行,再復(fù)盤積累標(biāo)簽。很多公司的運(yùn)營,也是頭疼醫(yī)頭、腳疼醫(yī)腳,看著活躍低了就上大轉(zhuǎn)盤,看著新人少了就砸一波流量,看著轉(zhuǎn)化低了就猛發(fā)券。這樣在執(zhí)行層做出來的事情很零散,對(duì)積累數(shù)據(jù)經(jīng)驗(yàn)是很不利的。

責(zé)任編輯:武曉燕 來源: 接地氣的陳老師
相關(guān)推薦

2024-11-07 08:50:56

用戶分析分類維度標(biāo)簽

2020-03-06 15:38:10

編程語言PythonJava

2019-12-03 10:28:53

編程語言PythonJava

2019-01-17 08:16:05

MySQL規(guī)范數(shù)據(jù)庫

2011-06-03 16:30:39

2019-09-10 11:10:26

MySQL數(shù)據(jù)庫索引

2021-06-24 08:30:08

架構(gòu)億級(jí)消息中心數(shù)據(jù)

2021-10-22 06:04:05

勒索軟件攻擊報(bào)告

2020-06-01 15:04:44

甲骨文自治數(shù)據(jù)庫

2019-04-15 15:12:04

Redis命令數(shù)據(jù)庫

2019-04-22 08:10:08

CPU優(yōu)化服務(wù)器

2019-07-23 08:23:03

IPv6 網(wǎng)絡(luò)互聯(lián)網(wǎng)

2019-07-16 07:52:49

NumPyPython機(jī)器學(xué)習(xí)

2018-08-15 13:49:06

數(shù)據(jù)分析學(xué)習(xí)Python

2018-06-14 15:34:59

深度學(xué)習(xí)GitHub機(jī)器學(xué)習(xí)

2019-02-21 09:13:31

圖卷積網(wǎng)絡(luò)Numpy神經(jīng)網(wǎng)絡(luò)

2023-04-28 15:41:08

模型ChatGPT

2023-05-19 06:53:58

GPT分析報(bào)告

2018-09-05 15:24:38

開源數(shù)據(jù)集深度學(xué)習(xí)

2018-07-27 08:58:25

點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)