这两天参加一个短期课程，在群里聊天记录中，大家分享了很多有很多养分的内容，觉得很重要，就整理下来了。
感谢大家的分享，也分享给更多的人～
有些在整理的过程中理解吸收了，有些只是复制粘贴下来了。也分享给大家：划成了两部分：
-
一部分是具体的技术点，
-
一部分是涉及到一定的业务场景。
共勉～ 愿大家快乐～
BY BLUE（PICOASIS）
目录
具体技术点
1.路径百分比之和不等于1
2.数据组、业务组相互吐槽---对内数据采集的流程&方法
3. python的数据提取问题
4. K-means聚类的分析方法
5.“强”vs补“弱”之间怎么选择--结合业务现状和主要目标
6.toB还是toC
7. 工作中想要数据能力过关,除了会写数据报告，我还需要学点啥？
8.转行应聘产品经理，重点是“价值”
具体业务场景
1. 面试电商数据产品经理//策略产品经理--遇到的数据分析问题
2. 新零售运营：觉得自己的电商经验不能很好与小城市实体店结合
3.面试问题：“假如你是公司的运营负责人，我们想通过提升服务体验来提升用户粘性，你会怎么做？”
3. 抖音内容定位与调性问题---内容选题
4. 学习闯关APP，如何定义“平均充值时长”
5. 产品经理与数据分析
6.淘宝店主如何做数据分析
7. 我想分析用户的偏好，以及市场的竞争度，怎么建模呢
8.信息流广告及运营：多个渠道做竞价广告，主要分析哪些数据，用什么工具更有效？
9.金融企业：挖掘用户需求，如何确定数据标签，进行划型？
10.游戏/社区平台：布局获取用户哪些数据，建立种子用户的数据模型
（1）=》大于1： 数据没去重，所以百分比不一定等于1
（2）=〉小于1：
Q:线上线下占比加起来86%，还剩14是去哪里了呀。就是引流途径占比呀，线上线下总占比86%，还有14%的占比不知道去哪里了。
A：仔细观察全域流转地图，对比这张地图就会发现，这张地图比第一张图少了几个获客渠道哦。
（1）业务组吐槽数据组：
-
吐槽程序员是真直男，帮我抓取的数据，都是乱七八糟的根本没法看
-
数据组不也得懂点业务吗？只会采集不会分析，不就是个取数机器
（2）数据组回应业务组
-
我就是数据组的，真不知道业务到底想要啥，拜托你们先自己想清楚，再学学怎么说清楚
-
（数据组不也得懂点业务吗？只会采集不会分析，不就是个取数机器）多少懂点业务？想多了，一天天忙死，各部门的需求铺天盖地，你做业务的都说不清楚，我们很难办的，只能先可需求明确的先执行。
Answer：“乱七八糟”？正常来说不会出现这种情况的。
-
是不是需求没提清楚
-
或者没做清洗和二次处理？
-
建议梳理一下给数据组提需求的流程（对内的数据采集 的 流程&方法）
-
业务端提需求—构建指标体系—数据采集—观测数据—数据分析—业务洞察—得出结论，差不多就这样，我在C轮公司时基本这个流程，仅供参考
-
一步步来，可以先从指标建模和对业务各项指标的理解开始。
-
有一篇两年前整理的关于指标建模的干货分享，上周加了点咱们课程的内容，感兴趣的可以先看看。不是很全，重在拓展认知，但其实指标建模是一个思路和业务梳理的问题，还没涉及到什么模型算法，别怕~
-
Q：python可以从SAP/MES/SRM等系统抽取数据吗，是爬虫吗？
A：只要能提供这些系统的接口对外开放的接口，那肯定是能提取数据。
A：然后这里面的知识点其实不能叫爬虫，他准确的说应该就是python这个去基于一个链接地址去发起请求数据的这么一个库。但是你说爬虫用的其实也是请求数据，只不过说这个请求数据之后，它有一些不同的形式来体现。爬虫是一种体验方式，但是只有是请求数据，就比如说什么boss啊这种就用这种。
？SAP/MES/SRM系统
？爬虫是什么
Q：K-means聚类的分析方法 是什么呀[撇嘴]百度了半天没明白
A：一种机器学习算法，给到系统一个k值，计算输入值与k值之间的距离，通过距离来进行分类。基本原理是这样。
Q：一般在分析数据后，要是能发现用户流转的薄弱环节vs转化率较高的环节，以及发现购买较多vs购买较少的客户，那么我们是选择“扬长避短”，还是补短板把转化率低的环节加强，调整购买较少客户的营销方案呢？在增“强”vs补“弱”之间怎么选择？
A：这个一是要结合实际的业务情况，二是要看目前的主要目标是什么？结合实际情况。
再比如说，当前咱们的案例，有的同学就说，男性转化不好，我们就要推出男性新品，结全实际情况，这是一家老牌日化公司，要推出新品就要有人力物力的财力的各方面成本的投入，增设生产线，增加新设备等等，如果目标是为了社群营销业务的增长，那么这事儿可行吗？举个例子比如说，基于数据分析，发现新疆、青海、西藏地区用户量少，那么我们要补弱吗？显然不是的。
再比如说，当前咱们的案例，有的同学就说，男性转化不好，我们就要推出男性新品，结全实际情况，这是一家老牌日化公司，要推出新品就要有人力物力的财力的各方面成本的投入，增设生产线，增加新设备等等，如果目标是为了社群营销业务的增长，那么这事儿可行吗？咱们案例的问题是找到核心增长点和阻碍增长的问题，提出解决方案，也就是诊断整个pipeline里面哪里有问题。（A2:我觉得这个也要看用户数量是否已经到了天花板如果女性品牌的市场 占有率已经非常高了 恐怕要靠新市场拉growth。）（A2:真正的做一个商务决策的话，还有个问题就是 如何发现base line。比如男性转化率 业界最好也就30% 那如果已经到了29%，可能空间就不大了）
如果是某个电商店铺，想要扩展男性产品，那很简单，直接找渠道进货就可以了，所以说要结合实际情况看，是增强还是补弱，纯粹只会数据分析没意义，要能结合业务进行分析，需要对业务的深度理解。
（A2：如果宏观的来看，也要看这个分析师的直属汇报人是哪个部门的，如果是研发中心 可能看法就是另一个角度了。high level的人做决定会看到各个因素，或者可能多个部门不同角度的分析 结论互相矛盾 我觉得还是不容易的）
A：哪怕现在只是单纯做工具，或者说负责商业业务流程中的一个环节，大家都要建立完整的数据分析流程，自己复盘。相信你的进步会很大，你和不同部门包括领导，你能逐渐跟上他们的节奏了。之后给到你这个位置你就能快速上手解决问题了
Q：看到比较多的商业案例可能是做to b的业务增长乏力就加大对c的投入
A： 一个公司，他是做to B还是做出to c，这是要看他们公司的业务形态和产品形态，他们公司整个的一个战略是什么样的——他们到底想要做什么样的业务。
（1）公司战略
推到极致荒谬的情况，开发业务前无战略规划，随机决定：开发一个业务，先做一个ToB，发现ToB不好，然后转做ToC。
（2）业务形态
不能随机决定的原因：转to b还是tob转to c,实际上这是由他的业务形态来决定。
某个公司做tob的，觉的很厉害了，但前提他也要有一些To c的产品或者资源，它才能转成做这个to c的。
某个公司做tob的，觉的不好了，然后转做to c：就他看着不好，他手上没资源，她也没法儿做toc。
所以转to b还是tob转to c,实际上这是由于他的业务形态来决定的。
你之前和我聊的媒体类的感觉做to b的相对比较少吧，可能现在的网红 大V，这种相对也少。
Q: 工作中想要数据能力过关,除了会写数据报告，我还需要学点啥？
A: 结合我4年运营和半年数据运营的经验哈，工作中想要数据能力过关，包含思维、方法、工具、可视化、报告...是一个闭环，任何一项都是交织互通的，手脑并用，缺一不可
-
Q：我想去做产品经理，但是毫无经验，希望传授点面试技巧，
-
A：你之前是做什么的
-
Q：在线教育行业的，现在就是想转行
-
A：跨行有点难啊 那你觉得产品经理是干什么的？
-
Q：收集需求、整理，进行产品设计和功能优化？没事写文档画原型图啥的？
-
A：这些都是你的工作职责和执行动作，不是价值。应该是考察你对他们公司的业务和所处行业的了解，以及你对产品经理的认知。
-
A：而且工作职责深了说，应该是深入研究、分析业务场景，产品感十足。
-
Q：产品感？
-
A：能够快速抽象业务需求，转化为产品的解决方案，推动逻辑。
（1）岗位有：电商数据产品经理//策略产品经理
（2）数据分析问题详情
业务场景：就是比如你线下的业务搬到线上了，你怎么衡量app对业务增长的价值，他的基础论调是：即使没有app，你的业务也在增长
参考答案1（维度）：怎么证明这个app的价值？一个词就是互联网+（BY 上海-闻声-运营）
参考答案2（维度的详细拆解）: 看投产比（BY 数据分析主讲号）（针对对方的基础论调是：即使没有app，你的业务也在增长）
看投产比：
-
战略：业务增长和投产比是两回事，还要看公司所处阶段，不同阶段重点不同，扩规模时候主要看增长模型，后期看盈利。
-
具体：从这个思路出发，拿整体数据和历史同期做环比和同比，再单独拆分线上线下的投产比，大致能评估出增效，这里主要看投产比和人均产能，一般情况下，纯线下传统业务人均产能低。
？人均产能如何计算（如果有线上也有线下，那么很难区分一个购买完全跟线下无关，这么算起来的话，人均产能的分母是哪些人呢？）
参考答案3（详细的拆解）: 主题： 已有app数据情况下，如何拆分出app用户贡献（线上数据分析，线下数据匹配一次性的，周期性的，简约成本的）。
要先把当前业务中，属于app贡献那部分剥离出来。(深圳产品医疗)
例如：
-
线上数据分析，线下数据匹配：通过app的数据埋点，定义app核心和活跃用户，再与原本线下业务的主要消费对象做匹配，单纯分析app贡献的消费用户数。
-
短期衡量：或者通过线下随机抽样调研，只需要一次就能定量调研出线下业务中，由app完全/部分转化而来的。
-
长期衡量：周期性调研就能持续衡量app的业务贡献增长。
-
低成本方式：甚至在app投放专属渠道优惠券，定期分析优惠券在线下的使用情况，也可以低成本得到答案（参考优衣库）
参考答案4（分析要素）: 方法有很多，无非就是对1/分析的准确度，2/实时性，3/可及性和4/分析成本之间的衡量（针对问题：线下和线上业务交叉，客户路径是不可检测的，这时候怎么分析每个推荐形式的贡献度）
我的分析思路是下面：
-
如果目前的情况是：已有APP建立规划，但计划的原因只是为了跟随数字化的大趋势，而不是因为业务有发展痛点/新的目标，认为APP能有效解决这个问题。
-
那么，应该要分析的是：
-
业务的痛点和目标是什么。因为，APP也只是一个渠道，是工具，是被用来实现目标的。如果没有要解决的事情，那么也许根本不需要建立这个APP。
-
如果要问的是，在不了解业务痛点和目标的前提下，线下转线上有什么好处。
-
分析app的增益：那就是要，针对所面试公司所在的行业，拆分几个关键因素，分别并关联起来聊一聊互联网+ 对这几个关键因素的影响。
不知道行业信息的情况下，通过今天的【全域流转地图】可以拆分到3个关键因素，基于此分析“增加APP渠道”对下面三个关键因素的收益：获客--》访问--》支付
-
获客（增加客户量）
-
范围广/多：APP渠道相较于线下门店，不受地域限制：（1）带来的新客户流量（2）口碑/品牌传播影响力更大（3）用户数据收集范围更广：对已有产品的用户画像能更精确，精准改进投放已有产品；有助于开辟新的业务线。
-
速度快：APP渠道相较于线下门店，反馈获取速度快：（1）加快产品迭代速度（2）减少库存加快老客户留存/黏性（反馈通道增加产品迭代速度加快，以及群体效应，带来的老客户留存量）（3）加快周转率，合理配置资源，减少库存。
-
-
访问（增加客户留存率）：APP渠道增加带来的增益【逐层留资，兴趣培育】
-
宣传通道变多，费用降低---线上的活动范围影响广，人力投资在一定规模后有效降低。
-
线上线下联合，加强用户的对品牌的依赖/信任。
-
-
支付（增加多少转化率）：分析同类APP用户的转化率。
-
-
分析APP的成本（根据网络数据/行业经验积累，估计一下类似情况下，资金和人员投入以及运营维护等），同时了解公司目前的资金结构和长期的资金规划，衡量这些能承受的成本和增益的能否平衡，并带来增益。即投产比。
-
-
参考一：
提炼你的问题，觉得自己的电商经验不能很好与小城市实体店结合；
我的分析思路是这样的，仅供参考。
新零售的运营要想做好，除了线上线下互相导流，还有3点要考虑：
-
首先是控制成本。这你得跟这些前辈多交流，了解现在业务大盘，有哪些地方成本消耗严重，原因是什么，如果遇到数据不全，那就采集呗。比如使用流转地图梳理业务问题，线下业务和线上数据摆在一张地图上，问题一目了然，双方也能少些沟通上的障碍。
-
其次是开拓渠道。用户线上购物，线下供应配送，不再受距离限制，团队也能根据后台数据进行“人、货、场”实时分析。调整商品摆放，丰富线上产品，优化支付路径、制定促销手段，还涉及到进货渠道、物流运营、合作厂商等方方面面的操盘。线上数据指导线下布局。
-
最后做好活动促销--复购率。基于区域用户的兴趣标签，不同时段的销售数据，及时调整活动方案，促销效果能不好吗？复购率还不蹭蹭的？
做新零售，得先了解业务，才能把业务数据体系搭起来。辅助老板做好流程监测，为他做决策提供参考，优化现有的用户服务体验流程，才好提升阶段指标啊。
考察三项能力：数据采集、数据分析、数据指标搭建这三项能力
小白：进行用户调研，总结改进意见，根据统计结果安排服务项改善优先级，并进行用户满意度的跟踪回访。
大佬的解决思路是这样的：用户调研描摹用户画像，找到精准用户，基于业务目标和用户特征搭建指标体系。
概要步骤：
-
用户调研（数据采集，数据分析）
-
业务分析（搭建运营指标）
-
观察验证（对比实际结果与指标体系目标，评估实现度，以及策略有效程度）
-
用户调研，临摹用户画像，找到精准用户
（1）数据采集：对用户进行调研，获取 用户年龄，以及“用户所在城市“等指标的数据。
（2）数据分析：”按照“用户年龄”以及“用户所在城市”两项指标交叉分析我们用户的特征，利用热力图进行数据展示，直观明了。
根据热力图，可以轻松定位出两类主要用户。
2. 业务分析---搭建运营指标模型
数据收集了，用户画像也有了，解决业务问题才是运营做数据分析的落脚点。
指标搭建：提升服务体验的目标指标有哪些？评估维度是什么？怎样的指标来衡量才合理？这些都需要具体化，要有看得见的数据，所以重中之重是运营指标模型的搭建。
3. 观察验证：最后将实际执行中的结果与设定的那个指标体系做对标，来评估是否达标，策略是否有效。
完整流程：完整的工作流大致要经过10个步骤。
Q：魅可动用KOL这招学到了，以前对于KOL我以为就是投广告发推文，现在发现口碑传播，以及小KOL批量打法远比砸钱投大号要好得多。
A： KOL这招后来也已经被广泛应用了，典型的 omg 你们的魔鬼又来咯哈哈李佳奇。这几年KOL崛起的很厉害呀，很多人喜欢刷抖音嘛，其实都是有潜在的商业数据的。餐饮行业应用的更是多，现在很多餐饮靠KOL快速打开市场立下招牌，再进一步去完善菜品 服务等等。
Q：18年底想过做抖音[捂脸]迟迟没动作。这些粉丝画像的后台数据是这个抖音账号平台的，那创造什么样的内容作品可以快速引流圈粉获取关注度？（因为我看有些账号一两个视频就涨粉几十万）
A：这个跟内容定位和调性没太大关系，跟抖音平台的流量倾斜策略和玩儿法有直接关系。
做内容选题的几个维度，包括但不限于：
-
内容方向（科普？新闻热点？生活娱乐？八卦吐槽？国学？）
-
想传递的精神内核（比如宣扬女性独立、宣传中国传统文化等）、
-
内容调性（比如高冷、市井、生活化、接地气）、
-
面向人群（一线城市高端小众人群、三线及以下城市家庭主妇、12岁以下儿童等）、
-
主题风格（单口相声式？动画式？剧情式？访谈式？vlog？）
这些都要围绕面向人群及用户偏好来设定，单从他提供的数据来看，其实平台的用户活跃度还是OK的，但是兴趣标签定义的不太精准，无法直接判断。
建议把兴趣标签再重新定义一下，另外数据维度太少了，无法交叉分析。
业务场景：
老师，我们在做的产品是一款给孩子闯关学习的APP，这款APP的充值方式是月卡和年卡，充值之后就能解锁app上的所有内容进行学习。
我现在想通过数学方式，将用户的续费次数、续费金额、续费时长这几个数据怎么搞一下，算出一个用户的平均充值时长（这个我自己编的名字，但是反正大概这么个东西）
通过算出来的这个值，对APP用户进行分层运营。
对没有充值到这个金额or时长的用户进行反复push，上一些强运营手段，让他们去续费到这个值。
对已经达到这个值的用户，判定为待流失用户，他们在我们APP上花的钱已经达到阈值了，我们再在他们身上花费精力，投入产出比较低。
我现在想知道这个“平均充值时长”数值应该怎么去定义，怎么去计算。
A：你这个是数据统计口径的问题，但是我觉得你的业务逻辑有点乱。
我先问几个问题：
-
你是不是想以“用户平均充值时长“作为数据的基准值？（--对啊）
-
你们的充值方式，是不是分为按时长和按金额两种？（---不是，只有一种，就是按天数充值，月卡，半年卡，年卡这种有时候做活动会冲的多送得多）
-
那你后续的运营动作，是想对未达到基准值的用户进行精细化运营？（--对，我现在让技术帮我跑了两组数据：一个是用户充值金额和人数的关系，一个是用户充值时长和人数的关系。我不知道还需要什么数据，也不知道是不是拿到数据了直接拟合函数就可以了.）
那我觉得你现在这个思路有点问题 ，不用这个复杂的。
大致的思路应该是这样：
-
先定义好数据统计范围，包括时间周期（比如要统计多长时间内的数据）、用户范围（比如什么类型的用户、什么来源的用户等）。
-
定义均值数据的计算规则：比如，用单位时间内的充值总时长 / 单位时间内的总用户数（前提是基准值的定义要合理，是否应该取用户充值的平均时长作为基准值。这个需要结合你们自己的业务去判断。
我现在只能基于你的需求告诉你该怎么做 ，算出来的基准值，其实就是你未来做对比所用的那个阈值。只是阈值到底要怎么定义，得根据你们业务的实际情况来定。在这里你是取用户平均数来作为阈值，但实际上阈值不一定要取平均数。
-
取单位时间内的每个uv的实际充值时长，与基准值（阈值）做对比。筛选出低于基准值（阈值）的用户做精细化运营.
所以你需要几个数据：
1、取数的时间区间（业务定义）
2、用户的唯一身份id（比如unionid、手机号、uv等能匹配用户唯一身份的数据）
3、每个用户在时间区间内的充值总时长。
这些数据要注意去重。
取好数据得到数据表之后就能计算了。
然后做对比和条件筛选就可以了.
这只是基于你简短的描述，大致的解法。但具体实施的时候还要根据你业务的实际情况，看需要补什么数据，或者调整统计规则等等.大概的一个思路 你再自己想想.
产品基于需求构建产品体系。
而需求是随时间推移不断变化的，导致产品需要不断迭代，因此需要产品管理，来管理产品迭代周期、节奏和版本。 无论是产品架构和产品管理，其实都是从不同维度解决问题。
那么确认需求解决问题的必备方法，就是数据分析。
同样，业务模型分析也是数据分析的一种。
数据分析方法中，结合产品的应用场景，有一些专门的方法，比如行为事件问题、用户路径分析、海盗模型等。
淘宝店主如何做数据分析
淘宝数据分析案例
假设，王老板是做服装的行业的。某一天，老板想上架自己T-shirt的产品。上市前，王老板想要知道，在我国主要的竞争对手在哪个省份以及T-shirt的主要定价区间是什么。
你拿到老板的市场竞品分析，会怎么做呢？
01 采集数据
思考了下，我应该先把淘宝网上卖T-shirt的卖家的信息爬取一遍（把每个商品的标题，价格，位置和销量，作为爬取的目标数据）。于是开心的打开淘宝官方网站，搜索T恤。
用requests库进行访问，在url中传入T恤关键词进行搜索，返回json类型。
凭借自己强大的编程能力，瞬间将提取json标准库的代码写完，并且沾沾自喜。
就在这时，杯具不期而来... ...
刚运行，就出现了403禁止访问！！！
上帝给你关上一闪门，也一定会把窗户给你封上。没错，ip也被被封了！！！
淘宝网的反扒比较厉害，于是我决定在调试窗口中寻找cookie和user-agent，在请求头中加上自己网页访问的cookie和user-agent。
经过一次又一次的调试，终于，皇天不负好心人，爬取到了我们需要的.xls原材料数据。
02数据预处理
在原数据中，发现了很多垃圾信息，需要进一步处理。
比如，标题有：【】，销量有：万+人收货，这是需要处理的。
我们需要分析的数据，以省份为主，这就需要把“省份_城市”中的“城市”数据取出。
使用比较常见的pandas，得到我们可以用来分析的数据。
03数据可视化
■王老板需要知道淘宝T恤卖家的分布
于是我用pyecharts模块把淘宝T恤卖家的分布，做了绘制处理。
发现了我们的竞争对手主要是广东，福建，浙江和江苏这四个经济强省。
■老板还想知道淘宝卖T恤的价格主要集中在什么区间
我们用同样的方法绘制：
可以看出，T恤的价格主要分布在20元-30元，80元以上的T恤比较少。
■这时候老板要我分析下，竞品销量比较大的因素
我决定根据销量的大小，提取title中的关键字来做一个漂亮的词云图。通过词云图发现销量大的竞品，关键词主要是打底、纯棉、宽松类的T恤。
到这里，相信大家已经理解了整个数据分析的过程。
那如何掌握上述数据分析过程中，需要的技能呢？
这就是一个电商运营/店铺主，必须掌握的完整数据分析流程.
这里可以把数据分析分成三个重要的组成部分。
▲数据采集，它是我们的原材料，任何分析都要有数据源。
python爬虫是个不错的选择，学习最基本的数据结构和数据类型，过渡到Python爬虫基础中的requests和三大解析库。
▲数据预处理，处理原材料。数据采集之后，数据里有很多噪声（垃圾数据），这些是我们不需要的，所以需要做一些预处理。
学习Python比较出名的科学计算库Numpy和pandas。
▲数据可视化。它可以说是数据领域中万金油的技能，可以让我们直观地了解到数据分析的结果，一眼锁定问题关键。
所需工具就比较广泛了，python , Power BI ，Bokeh，Excel等等
工具是操作者的利器，思维是管理者必备的能力，你可以不知道图表是怎么做的，至少要知道从哪几个维度去做数据分析，选择哪些分析方法解决相关的业务问题，借助行业经验和数据思维，从分析的结果看懂数据背后的逻辑，指导工作。
Q：建模主要是为了做啥呢？
A：建模就是分析一些指标是否对这个主体有没有影响，是正向影响还是负面的，影响力度是多大这些。
建模的话，要根据你的数据是什么样的，要得出的结果是否需要建立模型来分析。比如简单的回归模型，excel也行，难点的模型就需要学习Python或者其他的spss，比如Python里面就有pandas,matplotlib模块库就可以。
Q：有哪些比较普遍的模型呢？
A：线性回归，漏斗分析模型，留存分析，比如预测模型，时间序列模型等，要选择适合你自己的，想要分析出什么就选择哪种
Q：我想分析用户的偏好，以及市场的竞争度，怎么建模呢？
A：那你需要对用户的行为数据形成分群分析，分析用户的需求爱好这些。
可以根据用户爱好的分类信息构建出内容的结构化兴趣标签体系，其次对用户分层，比如将新老用户进行分群，分别构建用户画像和标签。
可使用的模型有：漏斗分析模型，用户分群模型。
再分析用户兴趣标签和内容标签之间的关联关系（探索性分析：时间序列、相关性等），再实际性兴趣内容推荐（比如偏好大衣等细致性产品进行推荐）。
Q：有啥实际的案例么…
A：给你举个案例，比如某短视频网站希望根据用户喜好进行内容推荐，以提升用户粘性、同时进行用户召回和激活。
首先整个流程的思路很重要，千万不要单纯去死磕某个工具或者图表分析，先知道一步步怎么做，再确定哪个工具方法好用。
第一步就是对内容分类和标签化，用户分层，上面说过。
其次对新老用户分开分析，新用户可以根据用户登录时间，地点来进行场景话的标签分类，推荐某个时间段热门的视频或者热点。
再根据看的时间记录利用关联系分析或者说其他的分析方法来分析用户实际性的爱好。
再细致性强推哪个节点的视频，比如用户兴趣为军事、财经，那么在早7～9点这个时间段，筛选出军事财经类新闻热点内容进行推荐。
Q：这个有啥具体的模板吗，比如用户分层和标签化
A：这就是对新用户的分析了，那对老用户就要根据他们固有的时间习惯，感兴趣的类型来分析。
比如用户在习惯时间内观看频率或app打开率明显降低（对比分析），则判定该用户有流失风险。
你平常是怎么来进行用户分层和标签话的呢？（---一般会根据价格段，然后还有产品的特征属性，因为我们其实没法直接接触到国外的客户，顶多就是找几个老外聊聊，喜欢什么产品 做什么工作）
这个的确是必要的，但是效果往往不直观，而且收集样本很难批量
用户分层其实是需要你设计用户从拉新进入你们平台，就开始通过不同的活动，文案，机关，来采集他们的用户行为，引导他们做出选择。
选择的流向不同，前期针对这一动作设置好专门的标签，他执行这一动作就会被数据中台采集到。
这个需要运营前期跑模型，做全套流程，就是，确定个初步的模型，每个环节设置好机关，话术，数据埋点。
所以，你要做好数据埋点，你得知道你要采集哪些数据，串联在流程中的范围，指标范围是啥。
Q：但是亚马逊的后台我埋不了
A：这就考验你指标建模的能力了，毕竟亚马逊的后台不如淘宝那么全
Q：淘宝可以看到客户的整个路径吗？
A：不能说看到，那玩意花钱[捂脸]，但淘宝竞品分析是可以借助数据分析全流程那套分析方法和工具，爬取。
而且其实你研究用户不用那么麻烦。——你们对标的竞品做什么动作，你分析他们背后的逻辑。
找头部竞品，因为你们都是同一批用户。看看他们怎么做，他们肯定摸透用户比你们设备多。
所以你可以走两条路：一个是沉淀流量池，一个是做竞品分析。
两者都需要全套的数据分析流程，最后分析的报告存到自己的武器库备用，以时间为横轴，看平台规则变化。
Q：其实竞品分析也是我想问的，竞品分析要怎么做？
A：其实电商平台的规则，不论亚马孙还是淘宝天猫，平台规则和传播转化逻辑一直在变。
就跟股票似的你想先对手一步掌握动态，及时蹭行业的红利。
有针对性爬取数据，趋势分析，探索性分析，相关性热力图这些玩意都是标配能力。
Q：你说的转化的逻辑在变具体是指啥？那些能力确实很重要。
A：就是怎么在双十一，黑色星期五这些电商大节把销售额冲上去。要么就是看竞品干啥他们也学，我问他竞品为啥这么做。不知道，就看他们这么做就跟着做了。我当时真的绝望，试错成本太高了，整个流程都没摸透就照搬。
实践前提是做好战略布局。
让每一步都有根据，回头拿到结果，问题出在哪里。回溯环节数据，有据可查，不做白白的试错。
Q：但是在经验不足的情况下，怎么做战略布局呢？
A：两个路子，第一多请教前辈，第二多看数据网站提供的行业报表。
学员身份：信息流广告及阿里巴巴运营。运营主管
业务难点：提高有效电话访问，降低获客成本
数据问题：多个渠道做竞价广告，主要分析哪些数据，用什么工具更有效？
Answer：常见的广告投放推广和计费方式包含：APP应用广告常见投放与计费方式解析
一般重点考察每个渠道的来两数字、转化率、roi，人群画像等，以及每个渠道在全渠道中的来量占比，转化排行等。
学员身份： 金融企业-金融产品研发。用户需求研究
业务难点：怎么确定一些标签来做客户划型。对划出的积累客户怎么定位他们的需求，来支持输出产品研发建议。
数据问题：数据分析可以帮助我寻找某些客户的共性行为和需求，但我不知道怎么着手，如何选择对的数据标签。数据分析是否有一些通行的方法论，能够作为工作的引导原则。（比如有几大核心问题，解决每个问题有几种主要方式）
Answer：首先，看完问题之后感觉用户的核心目标是勇敢挖掘用户真实需求或找到用户同带你来提出产品需求，制定产品方案。如果是这个目标，那么不易低昂要做“客户划型”（也就是我们常说的用户分层）。
挖掘的核心是做好用研。用研包含定型和定量两种方法。一般定型调查用来够了用户画像，定量调查用来进行数据校准或样本统计。
回到“确定标签做客户划型”这个问题上，目测这个问题的核心目标是构建用户划型，通过用户画像来区分不同的用户群。
最直接的方法是分析用户的行为数据，通过原始的用户行为数据归纳积累具备共性特征的用户，再根据用户的高价值行为或关键行为构建用户画像，利用问卷、访谈等手段锁定需求和痛点。
学员身份：游戏/社区平台。复杂产品的拉新，留存 产品经理
业务难点：找到种子用户，裂变
数据问题：布局获取用户哪些数据，建立种子用户的数据模型
Answer：常规的平台数据包括登陆用户数，注册用户数，新增用户数，uv,pv,mau,dau,3日留存率，7日留存率等。数据范围根据具体业务或产品来设定。
拉新或裂变的方法有很多，大都采取裂变获得活广告，比如，广告投放，品牌活动，知乎或微博找kol代言转发，或者找一些潜在用户聚焦的第三方平台或真谛，与平台方联合搞活动进行引流等。关键是根据自己的产品特点找到合适的渠道。
以上就是本篇文章【记录：数据分析在业务中的一些应用】的全部内容了，欢迎阅览 ！ 文章地址：http://dfvalve.xrbh.cn/news/397.html 资讯 企业新闻 行情 企业黄页 同类资讯 首页 网站地图 返回首页 迅博思语资讯移动站 http://keant.xrbh.cn/ , 查看更多
点击拨打：