数据驱动各环节方法与实践

目录数据驱动价值：驱动决策，驱动产品智能数据驱动闭环：数据收集-数据建模-数据分析-数据反馈数据驱动方法和实践1，数据驱动价值：驱动决策，驱动产品智能数据驱动能做什么？我们认为它主要包括驱动决策和驱动产品智能的价值。图1数据驱动价值驱动决策包括运营监控、产品迭代、营销分析和业务决策。今年的数据驱动会议将有专门的讲师介绍所涉及的每一个场景。驱动产品智能，现已基本成为所有电子商务、信息产品的标准标准，如“产品推荐”、“猜猜你喜欢什么”。企业要么组建一个团队来实现智能应用场景，要么应用外部工具来解决问题，因为在流量红利逐渐消失的今天，同样的内容会让你的“保留”数字非常难看。我们曾经为一家知名的信息企业做过Feed流的修订，神策提供了具体的推荐策略。通常，个性化推荐的评价指标是CTR-显示了100种内容，有多少人点击？2018年，我们认为用CTR来评估算法的质量是非常不合适的。神策从*指标CTR到衡量“命中策略的人”和“命中热门随机内容”的两个用户群，观察他们在平均访问深度、7天保留、停留时间等更深层次指标上的差异。二、数据驱动闭环数据采集-数据建模-数据分析-数据反馈，这是一个完整的数据驱动闭环。我们在很多情况下都不再提到这里，图2。、UI、Server浏览、搜索、金融产品等内容。对于一些业务操作，如客户与客户服务之间的互动，或内部客户操作，主要是在业务收集中完成的。4.客户收集，我将介绍最常被提及的客户收集。客户端是与用户直接互动的一端，可以是应用程序、小程序，网页，H5、公共账户等，客户端收集数据操作，包括点击按钮、浏览页面、下拉框选择、提交表格、上传照片、切换导航条等。这些操作是轻交互的，它的收集通常被称为埋点，我个人认为埋点更多的是指客户端收集。（1）客户端收集的基本原理有三个：第一：提供SDK和用户应用程序“编译”到客户端收集有各种模式，但本质上是提供SDK和用户的应用程序编译。尽管埋藏的方式，完成这些事情，许多很容易被忽视，基本属性覆盖了我们能想到的所有内容，包括简单的用户行为、操作系统版本、物理分辨率等，以及许多客户通过SDK提供部分风险控制数据的收集。例如，iphone手机是否越狱，浏览是水平屏幕还是垂直屏幕，以及功率等。（为什么使用SDK来收集当前的功率，这些都是非常重要的，因为它们可以使用SDK来完成当地的功率传输，因为它们可以立即使用SDK，而不仅需要使用SDK来完成，而且当地功率传输。(S)该协议通过公共网络传输数据。有人问，所谓的代码埋点、全埋点和可视化埋点有什么区别？我们可以理解，SDK完成了基本数据的收集、数据存储、包装和传输，并向上埋点应用层提供了API。所谓的代码埋点是直接使用API告诉收集的数据。当用户完成某个操作时，全埋点自动调用SDK。因此，当SDK完成一些基本工作时，代码埋点开发人员直接调用API；全埋点开发人员可以自动完成，无需直接调用。说到这里，我们会做广告。我们将立即出版一本关于安卓8个全埋点的书。如果你感兴趣，你可以看看。（白皮书 |《Android全埋点技术白皮书》重磅推出！所有项目源代码开源！）（2）ID-Mapping在多设备用户管理系统下构建用户关联是今年的新进展和新趋势。ID-Mapping解决了不同用户多设备的使用问题。图6构建多设备用户管理系统，您可以看下图中的例子。我们做了一些工作，后台架构有了很大的改进，第二个设备可以绑定到同一个用户。只要用户登录，神策就可以完全打开不同情况下登录的数据，这是一个非常典型的ID-Mapping场景。用户行为的多端关联机制也是一个非常典型的场景。用户产品本身可以多端使用，可以在网页上使用，比如发营销H5，用户可以在微信内置浏览器H5注册，跳到Appstore激活。如果营销H5的用户行为无法与登录激活前的行为相结合，则无法详细分析H5的营销效果。另一个例子是，小程序突然流行起来，客户有需求。因此，我们专门收集了小程序，包括预置收集事件和小程序相关属性。同时，它还驱动代码和自动收集。小程序可以充分获取微信中的社交信息，这对于小程序共享和传播的属性收集非常重要。图7小程序采集小程序最复杂的事情，它有不同的匿名ID或设备ID。一个人在设备上使用小程序、应用程序和小程序，但在两个小程序之间登录帐户并打开它们。最后，我们可以将两个LoginID与OpenID设备连接起来。5.服务器日志采集图8服务器日志采集我现在画了一个非常简单的服务器日志采集架构图，技术上似乎没有问题。从实践经验来看，收集高质量的日志非常困难。一次性工作很难设置日志的内容。更难的是产品迭代。例如，如果产品每两周发送一个版本，程序员会说产品功能无法完成测试，无法制作日志。要建立高质量的日志采集，每一步都要有意识地贯穿整个开发过程，从最早到运维上线，再到整个迭代项的复盘。这就是为什么许多SaaS产品没有能力收集日志。图9用户行为数据应用案例是中国银联的典型案例，包括设备指纹采集、加密传输等。当然，这幅画反映了不同用户行为数据的应用程序。除了日常行为，还有其他一些应用程序。最后收集业务数据，包括CRM系统等。第四，数据建模数据建模最重要的是数据模型的选择和相应的存储。为什么选择数据模型很重要？由于数据模型抽象良好，后面的分析模型可以做得更好。若数据模型抽象过于复杂，整体过程十分复杂。我们目前的数据模型是Item实体、Event事件和User用户。我们不会使模型太复杂。在模型下，数据采集到建模中的工作相对较少，基本上可以是通用和产品化的。我们已经有了一个标准的数据模型，并通过不同的收集方案收集了大量的数据。我们要做的工作主要是映射收集到的数据，其中很多工作不再具体进行。不同的数据模型选择不同的存储方案。存储方案的选择主要基于数据本身的特点，如是否可添加、可修改、访问主要是什么样的访问，以及是否需要删除。五、数据分析有标准模型，有非常合适的存储结构，以下是如何分析数据。1.数据统计和分析有两种方法论。通常是图片左侧的方法论。PM提到RD。老板应该阅读这些报告并要求RD。RD写了一些东西并发送了一封电子邮件。更改程序后，会有新的需求。老板可能会问你为什么PV这么多。你可能要把整个计算过程讲完...在这种情况下，RD总是为PM设置各种限制，以免操作和变化太频繁。图10数据统计与分析两种方法论右侧的方法论，抽象模型覆盖指标系统和大多数分析需求，让需要数据的人通过友好的交互独立获取数据。这种方法论是由神策产品提供的。我们不需要问你看到什么指标，因为你看到的指标可能在整个行业都很普遍。我们将抽象需求，然后是模型抽象。这样，你的工作就会变成你自己的分析模型，通过拖动，选择你想要的条件，你可以完成一个分析。这两种方法的区别在于，需要数据的人是否可以直接使用数据，导致工作效率差异很大，这就是为什么神策产品现在可以销售，不是我们创造了这样的需求，而是真的有这样的需求。下图是神策实现的自助分析：图11自助数据分析2。对不同角色的数据分析：决策者、市场营销、产品和运营通过不同角色分析四个不同的场景。(1)决策者老板关心的第一个关键指标是什么。如何选择第一个关键指标？不同阶段的关键指标不同，每个发展阶段都有最*的数据，集中注意力，提高第一指标。有了第一个关键指标，如何构建指标体系？有了第一个关键指标，我们需要绘制整个用户旅程。以电子商务产品为例，我们关心如何获得总收入。首先绘制用户旅程：用户必须先访问网站，然后注册他们的帐户。首次购买后，他们将重复购买。只有这样的用户旅行最终才会带来总销售额的增长。下一步是根据用户旅程建立增长模型。图12描绘了用户旅程拆卸的好处。不同的团队提出不同的项目，您可以调整项目的优先级。图13组装增长模型(2)营销营销希望实现流量拉新和渠道投放评估。营销团队，他们最关心的两件事，一是老板给了多少预算，二是如何花出去最有用。如何衡量？就像电视广告和建筑广告一样，它们在一定程度上是无法跟踪的，但可以跟踪抖音和头条新闻。同一个用户在媒体上做广告，进入产品后，只要打通这种行为，整个交付效果就可以跟踪。如今，我们可以支持二三十个大大小小的渠道。我们串通用户点击广告前后的行为，剩下的工作就是分析。比如我们在头条花了1万块钱买了1000个点击，其中50个用户使用产品。我们可以从哪些角度来衡量这些人的效果，来衡量用户的转化率、保留率、回购率等。也可以比较不同的渠道，比较不同渠道下不同关键词的效果，比较和衡量用户的真实价值。图14数据驱动营销案例图15数据驱动营销案例这是一个非常典型的数据驱动营销的例子，金融产品广告，一开始假设*P2P金融产品是相对合格的白领，所以在核心商业区办公楼电梯广告。然而，经过转换分析，发现进口转换率很低，因此借款人肖像分析确定了目标群体的特点：24-30岁，工作时间短，收入一般，位于非核心高端地区。得出这个结论后，把投放渠道放在抖音和抖音上

以上就是关于数据驱动各环节方法与实践的相关介绍，更多数据驱动各环节方法与实践相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对数据驱动各环节方法与实践有更深的了解和认识。