专栏首页数据分析1480数据产品经理的硬核能力:用户画像带动用户增长

数据产品经理的硬核能力:用户画像带动用户增长

如何通过数据清晰现有用户的画像,找到各个行业用户的核心关注点,来进行精细化的运营以提升用户的复购?如何将数据清晰梳理,整理出可以实际指导业务的指标呢?

如何通过数据知道用户体验产品的核心路径?如何设计产品的新手引导来提升用户的体验?引导更多用户体验到产品核心,成为“高转化可能”的用户?

用户运营时候,如何通过数据清晰现有用户的画像,找到各个行业用户的核心关注点,来进行精细化的运营以提升用户的复购?

这些可能是很多运营在面对海量数据的时候都想知道的。我们都知道数据有强大的能力,清洗后的数据更加能够指出一条清晰的前进道路。俗话说,一个不会看数据的运营不是一个好产品经理,作为一个主要通过看数据和用户访谈定性定量分析,然后产出相应策略指导增长的用户增长产品运营,今天要讲几个硬核的能力,帮助通过数据提升运营能力,制定运营策略。

运营在数据分析的路上,有几道关:埋点,拿数据,分析,产出可行运营策略,每一关都困难重重。

以下可能是运营去提取数据的真实场景:

运营:“我想看一下最近新上的功能用户使用的如何,能不能给捞一下数据?” 开发:“看什么数据?” 运营:“就想看一下都有谁看了功能,又有谁买了,买的用户有什么特征,还有哪些使我们的目标用户可以再去推广一波” 开发:“到底需要什么字段?” 运营:“啥字段啊?能不能把这个客户使用过什么功能,使用的情况怎么样,属于深度用户还是流失用户,什么行业都导出来?” 开发:“使用了什么功能没问题,使用情况给出定义,是使用次数还是使用赚到的钱?还是使用时长?” 运营:“都可以啊” 开发:“你能不能想清楚,你到底要用来干嘛?什么叫都可以,我是运营你是运营”

这是很普遍的情况,也是可以理解的情况,因为运营的角度,是业务的角度,但开发的角度,是数据的角度,这个字段里没有你说的是不是活跃用户。这时候肯定就会想,好像要一套数据,能够清晰告诉我,这个用户是什么行业,使用了什么功能,是什么商业模式,处在什么状态啊!!

这就引出了一个问题,如何将数据清晰梳理,整理出这些可以实际指导业务的指标呢?

如何通过数据定义用户画像?

PART/01

1. 清晰定义想要的指标类型

例如是用户生命周期指标,产品使用行为指标,用户购买行为指标,用户能力行为指标,用户自然人属性指标……

2. 和数据尽可能清晰的沟通,拿到尽可能详细的数据

注意,这里的数据最好在提取数据的时候就不要多维数据!不要多维数据!

3. 处理数据并尽可能不要忽略可能对关键行为产生影响的指标

通过模型或者excel等其他高级(假装)的手段,通过宏观数据(整个行业用户数据或地区用户数据)和围观数据(详细到每个用户一条记录的数据)进行分析。

4. 根据分析结果,得出一套可以套用的指标体系,将指标自动打在各个用户身上

5. 用户画像初步完成,之后可以再优化

场景指标定义明确需要提取的指标

PART/02

在和数据或者开发沟通提取数据之前,首先需要思考希望得出一个什么样的画像结果,这里可以大胆使用假设,例如:

“我希望看到用户A,是一个来自百度搜索的北京K12机构用户,他已经联系3年续费我们的产品了,但他们运营能力比较弱,使用的功能一直都是那么几个,没有用到我们推出的新功能,主要使用的就是直播功能和考试功能。他们机构的用户一直稳定在10万左右,其中还有3个运营在维护,在学生放假和考试时间使用尤其频繁。”

这样就很明确,一般我会分出两类型数据,然后再根据两个类型数据细化相关指标。

这里每一类数据都可以再细分出细化的数据指标,比如说用户基础数据可以如此细化,其他指标类型也可以如此,根据产品属性和需要了解的内容选取指标。

数据提取——多维数据的降维处理

PART/03

清晰了指标定义,会发现有一些指标可能会涉及多维,没有办法进行比较和分析。

例如,用户使用成功创建了某种类型的商品,每个商品的售卖量和销量都不相同,在考虑该商品功能的使用时候如何进行综合处理?这里需要降维处理一下数据,可以加权平均,或者取众数,中位数进行代表,从而降低对比评价出现多维对比的情况。

用数据分析发现“最重要的指标”

PART/04

一条用户记录,关联的数据字段是非常多的,一个用户,付费和不付费的核心差别点是什么?到底什么是让用户付费的关键?用户到底关注什么?

这可能需要借助分析来看清楚,这里的因变量(用户的付费)和哪些自变量是相关联的。在这里推荐一个算法:CHAID决策树,这类决策树专门用来找出这里面核心影响最终结果的变量是什么,也就是说,这么多功能,用户这么多行为,这么多属性,到底哪种属性类型的用户,哪种行为类型的用户,更容易转化!

决策树算法是如何计算的?

PART/05

假定我们需要了解的是用户如何能够付费,那付费与否就是要考察的因变量,也是需要决策树根据变量情况预测的值。

我们把整个数据集按照20%,80%分成训练集和验证集,即为一部分拿来训练模型,让模型从数据里找出特征因素,一部分用来印证和预测,判断模型和挑选的特征变量是不是有效的,拟合度如何。

从自变量里抽取2个既定值,与因变量进行卡方检验;如卡方检验显示2者关系不显著,正面2个既定值可以合并。不断减少自变量的取值数量,直到该自变量所有取值均呈现显著性。

例如,我们的数据里有130个自变量,其中很多我们都不知道是否和用户是否付费相关,不知道用户每周活跃次数和用户付费是否相关,不知道用户尝试了某个功能是否和用户付费相关,这时就通过决策树的卡方检验通过距离来判断自变量和因变量之间是否相关。

通过比较找出最显著的自变量,并按照自变量的最终取值对样本进行分割,也就是形成多个不同的树(一般CHAID生成两个树节点)。

最终展示出所有和用户付费与否相关的决策点,其中可能是,直播功能创建超过3个,付费的概率高达80%,决策树就帮助我们剔除了不相关或关联性不显著的自变量,告诉了我们,到底什么才会导致用户的转化付费。

End. 来源:LunaDeng

本文分享自微信公众号 - 数据分析1480(lsxxx2011)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-04-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 很多企业都要做用户画像,我该怎么办?

    有同学问:陈老师,我领导让我做用户画像分析,可是我做了一大堆数据,却被批:也没分析什么东西啊?该咋办?今天系统解答一下。

    1480
  • (一)拨开生活中的数字迷雾,警惕数据的陷阱

    数据是客观的,但数据的搜集和解释是带着目的的,是主观的。同时数据也总是不完整的,只代表了历史,而且只是事物的某一个片段,同时数据会随着时间和空间的变化而所传达的...

    1480
  • 背KPI,想要实现有效增长?先来搞懂这3个指标!

    之前做过的数据分析项目挺多的,最近有一位朋友,他们公司是一家年销售额勉强破千万的电商企业,因为之前的品牌红利期,加上成本优势、野蛮生长,今年后端成本上涨,前端销...

    1480
  • 数据分析师必学第一课:构建完整的指标体系

    掌握理论知识和编程知识可以被看作入职数据分析师的“敲门砖”。掌握了这些知识,表示候选人对于成为数据分析师有了良好的准备,可以说“万事俱备,欠东风”,而“东风”就...

    博文视点Broadview
  • 数据猿专访 | 数介科技联合创始人孔祥鹏:数据只储存没用,最终是要解决用户问题

    <数据猿导读> 很多大数据公司都知道用户们需要大数据,但却不知道该怎么为用户服务。数介科技的孔祥鹏在接受数据猿记者采访时提到,用户本身有数据,但过于依赖传统应用...

    数据猿
  • Gartner发布"云计算安全风险评估" 列出7大风险

    2008年7月3日消息,据国外媒体报道,研究机构Gartner近日发布一份名为《云计算安全风险评估》的报告,列出了云计算技术存在的7大风险。

    CloudBest
  • 荐读|浅谈电信运营商的大数据应用探索

    如《大数据时代》作者迈尔-舍恩伯格所说,“大数据开启了一次重大的时代转型。大数据正在改变我们的生活以及理解世界的方式,成为新发明和新服务的源泉,而更多的改变正...

    灯塔大数据
  • 互联网思维下该如何研究用户,哪里寻求大数据资源?

    用户1756920
  • 运营商都有哪些数据?

    这两年大数据很火,那究竟谁掌握了用户更多的数据?腾讯?百度?不是,是运营商,是移动,联通,电信这些运营商。我们举例来看看运营商都有哪些用户数据。 1、 位置数据...

    大数据和云计算技术
  • 浅析数据化设计思维在阿里系产品的应用

    1、做设计为什么还需要看数据? 很多设计师从来不看数据,要么是因为没有数据可看,要么是根本不想看,但是也一样把设计做的很好啊!设计本来就是有感性的一面,为什么...

    机器学习AI算法工程

扫码关注云+社区

领取腾讯云代金券