展开

关键词

之——事件(二)

诸葛君说:在日常的中,常用的有8:用户(点我回顾)、事件、漏斗、热图、自定义留存、粘性、全行为路径、用户,其中,“事件”对于很多业务人员来说相对比较陌生 ,但他却是用户行为的第一步,也是的核心和基础。 事件中的逻辑结构、事件的准确性、自定义能力和对事件的管理是“事件”的几要素。对这一有了深刻的认识和理解,那用户行为的采集逻辑也就基本掌握。下文我们稍作展开。一、什么是事件? 二、事件的采集其实,要说明白事件这个事,就像我们写作文,记叙文的六要素:时间、地点、人物,起因、经过、结果,也就是:谁,在什么时间,在哪儿做了一件什么事儿,相应的,就像是通过指标来讲述用户与产品之间的故事 驱动增长,从科学的构建事件开始,以事件-属性-值为逻辑的事件,极地提高采集效率,更真实且全面的还原用户与产品的交互过程,通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因,快速定位影响转化的关键点

72010

之——粘性(六)

一、深刻理解留存对产品而言,我们会用留存来整体评估产品的健康度,你也可以理解为,留存是在“某一天有多少人使用”的维度下进行的计算,它统计了来自同一群人,放在时间的跨度下,计算每一天回访用户占这群人的百比 当我们将这一进行可视化, 如下图,选择“任意行为”,按周查看,即为用户平均每周使用产品的天布。? 图3:「开始签到」块的粘性说明:在计算各个天的人占比情况时,我们会以在所选时间段内触发过该事件的人为基(第一天为100%)。 比如,近四周的活跃人是200,触发过「开始签到」的人是100,其中一周内触发过「开始签到」2天以上的是20人,那么在粘性中,「开始签到」2天以上的人占比是 :20 100 = 20%。 图4:不同用户群对于「查看股票市场」的粘性对比(为脱敏)如上图所示,我们发现,与未投资用户相比,有过投资行为的用户更关注股票市场的动态,对股票市场这一功能块的粘性更

37410
  • 广告
    关闭

    50+款云产品免费体验

    提供包括云服务器,云数据库在内的50+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    之——漏斗(三)

    比如,之前在知乎上看到有人问:1、漏斗,统计的是人?还是次?2、如何构建漏斗?要将浏览→完成交易中的每步都列出来吗?3、有哪些场景? 今天我们就来一起捋捋常见的方法——漏斗,同时逐一回答上述问题。一、什么是漏斗漏斗,简单来讲,就是抽象产品中的某一流程,观察流程中每一步的转化与流失。? 假设某漏斗是A→B→C→D,如果用户从A→B再→B再→B(假设A是用户进入课程详情页的次,B是点击购买的次,也就是这个人重复添加到支付页面)那漏斗的第二步统计的次可能会于第一步统计的次,这也违背了漏斗的意义 通过产品每一个设计步骤的反馈得出产品的运行情况,然后通过各阶段的具体改善产品的设计,提升产品的用户体验,这就是漏斗的核心价值。 漏斗到这里就结束了,下一篇是热图,诸葛君将继续解读如何改善用户体验,提升转化,帮你更好地运用驱动产品运营。

    69230

    之——热图(四)

    一、什么是热图? 两者各有不同的应用场景,但当用户行为的采集和被重视起来后,热图与热图之间的差别逐渐变得更糊。因为对于同一个目标和需求,有时候我们能找到更优的和方案。 当然,诸葛io的热图,我们又增加了一些更重要的特性。 麦子学院官网首页(图示为脱敏)我们以麦子学院为例,设计师会通过页面点击情况用户进入落地页后的流量走向,用户更聚焦哪些功能?哪些功能流量但却比较隐蔽? 作为信息时代兼具客观性和易用性的——热图,可视化的呈现,帮助你快速发现背后的问题,为网站的优化提供有力的支撑,关注点击行为的同时更关注不同特点用户的浏览习惯,为用户呈现个性化的产品价值

    51340

    ,产品经理必会

    提到,肯定要提到,在进行之前,先搭建,根中的内容,具体细到不同的指标进行细化,最终得到想要的结果或结论。 一、要进行一次完整的,首先要明确思路,如从那几个方面开展,各方面都包含什么内容或指标。 方法论的作用:理顺思路,确保结构体系化;把问题解成相关联的部,并显示他们的关系;为后续的开展指引方向;确保结果的有效性和正确性。二、五1. 三、总结五的应用场景根所选取的指标不同也有所区别。 PEST主要针对宏观市场环境进行,从政治、经济、社会以及技术四个维度对产品或服务是否适合进入市场进行化的,最终得到结论,辅助判断产品或服务是否满足环境。

    39032

    之——自定义留存(五)

    除了N-day留存,业内常见的留存方式还有“Unbounded留存”、“Bracket留存”,这3类留存的区别就在于时间条件的差异,具体关注哪种留存,需要根业务来定。 图2:回访行为是查看课程详情的7日留存-初始行为:初始与回访是相对的概念。-回访行为:与初始行为的设定是并且关系。用户的初始行为可以理解为上一次行为,回访行为即理解为下一次行为。 (当然,签到功能也会和积等其他可兑换的奖励所绑定),而签到功能本身,就是一个纯粹的为了提升用户回访的功能,这一功能到底有没有吸引用户回访,用自定义留存功能再合适不过了。 图3:回访行为是签到成功的7日留存从上图可以看出,签到功能带来了很好的用户粘性。很多用户回访都会触发签到功能,功能价值得以衡量和提现。 随着用户规的饱和,获客成本幅提高,用户可能因为一点不爽钟就卸载掉你的应用,此时提高留存就显得尤为重要,因为不管是花费在金钱还是资源上的成本都会更低,留存已成为检验产品的重要指标,自定义留存

    34311

    基础——维度

    image.png1基本概念维度的概念出自于仓库领域,是仓库建设中的一种方法。维度主要由事实表和维度表这两个基本要素构成。 维度属性是查询约束条件、组和报表标签生成的基本来源,是易用性的关键。1.2事实表事实表是维度的基本表,每个仓库都包含一个或者多个事实表。 系 统的主要目的是用于和统计,如何更方便用户进行统计决 定了系统的优劣。 采用雪花式,用户在统计的过程中需要 量的关联操作,使用复杂度高,同时查询性能很差;而采用反规范化处 理,则方便、易用且性能好。2.3交叉探查仓库总线架构的重要基石之一就是一致性维度。 易用性:可理解性高、访问复杂度低。用户能够方便地从 中找到对应的表,并能够方便地查询和。根设计思想,在对维度进行水平拆时,主要考虑如下两个依

    97760

    《2017师能力与企业需求报告》(PPT全文)

    ”从概念走向落地的这几年,得益于外部利好环境,一部企业开始尝试,但从获取、预处理、储存、、可视化的实用性仍差强人意。 从最初的经营总结到决策支持,从师到,市场需求的速度跑在人才进阶养成之前,你所拥有的技能够吃几年“老本”? 当我们谈及人才时,仍会叹惋能力还不够,毕竟如今的已不仅仅局限于编程建,而是向机器学习迈进。 为此,东湖·智库获取8198份真实的企业领域岗位相关的招聘,具有针对性的发布《2017师能力与企业需求报告》,以多维度视角全面探究人才的进阶之路与生存现状 来源:栋察

    67970

    2017师能力与企业需求报告:你的技能够“啃”几年“老本”?

    东湖·智库获取8198份真实的企业领域岗位相关的招聘,具有针对性的发布《2017师能力与企业需求报告》,以多维度视角全面探究人才的进阶之路与生存现状。

    466110

    的思路,主要点?例如 :?注意 :1 一定要建立在一定的业务逻辑基础之上2 注意 非空字段 和 外键 字段

    17221

    】RFM与客户细

    今天把挖掘RFM的建思路细节与享一下吧!手机充值业务是一项主要电信业务形式,客户的充值行为记录正好满足RFM的交易要求。 、重构、神经网络建过程中,要有韧性,否则差一钟中断就悲剧了,呵呵;挖掘的准备阶段和预处理时间占整个项目的70%,我这里说如果是超集可能时间要占到90%以上。 这里的RFM和进而细客户仅是挖掘项目的一个小部,假定我们拿到一个月的客户充值行为集(实际上有六个月的),我们们先用IBM Modeler软件构建一个流:? 接着我们采用RFM节点就完成了RFM基础重构和整理;? 至此如果我们通过对RFM和进行的客户细满意的话,可能就此结束!如果我们还有客户背景资料信息库,可以将聚类结果和RFM得作为自变量进行其他挖掘建工作!转自:中国统计网

    1.1K60

    Atlas元存储

    该项目用于管理共享元级、审计、安全性以及保护等各个方面,是治理的重要组成部。本文介绍Atlas的存储子系统,Atlas的存储和各个元要素的存储结构。 整体来看,atlas由Core、integration、metadata source和Apps几组成。 core包含类系统、元导入导出、图引擎三块。 metadata source块是atlas的源插件,目前支持从常见的服务中捕获元以及其变更信息,并及时通知到消息中间件。新的服务要接入atlas,可以在此扩展源即可。 下面介绍打通存储链路的最后一环,Atlas元到Janusgraph存储的映射。 Atlas元存储 Atlas在图中存储的类:类定义的存储和元的存储。 希望通过这篇文章,使家对Atlas元存储会有更深的了解。 ?

    2.4K20

    人力资源

    在互联网育运营的里,有常用的八个别是: 1、事件是什么:是用户在产品上的行为,它是用户行为的一个专业描述2、用户基于对用户的访谈和观察等研究结果建立3、漏斗漏斗帮助你一个多步骤过程中每一步的转化与流失情况 7、全行为路径行为路径是对用户在APP或网站的每个块的流转情况,挖掘用户的访问式,从而优化产品或网站8、用户群是对某一特征用户的划和归组,而层,更多的是对全量用户的一个管理手段在人力资源的里 ,我们也可以可以运用这些理论进行 ? 这个是招聘漏斗,通过这个,可以在招聘各个阶段,各个岗位的招聘转换率,从而提升招聘效率。 ?这个是薪酬曲线的回归,通过这个可以预测各个层级的薪酬带宽和薪酬的中位值。? 设计的关键是找到各个关键指标之间的关系,然后通过图表的形式进行呈现,通过函和统计学的相关知识进行。 欢迎关注人力资源公众号,学习更多的人力资源技能!

    2.3K10

    AutoLine源码

    github地址:https:github.comsmall99AutoLine码云地址: https:gitee.comlym51AutoLine库定义源码块所在目录为 AutoLineappmodels 请注意这里会多出了alembic_version和apscheduler_jobs表其中alembic_version表用于库升级时的版本管理apscheduler_jobs对应着调度管理下面我们对 AutoProject表进行源码: class AutoProject(db.Model): 项目 __tablename__ = auto_project id = db.Column(db.Integer 即整cron 为项目对应的cron表达式,用于调度管理以下四个字段则是为了记录项目创建人及创建时间和最后修改人及更改时间 create_author_id = db.Column(db.Integer AutoLine源码之入口源码

    19210

    九种常见的

    漏斗 漏斗是一套流程式,它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要。 ? 漏斗已经广泛应用于流量监控、产品目标转化等日常运营工作中。 行为事件 行为事件是针对用户行为的之一,也是用户行为的核心和基础。 的功能与价值:科学的支持按时间、次、事件指标进行用户条件筛选及统计。 产品优化和运营是一个动态的过程,我们需要不断监测,调整产品设计或运营方法,然后继续监测效果。 上述用户行为,进行用户画像构建有很的应用。

    31020

    常用的对比

    从抽象层次上描述了系统的静态特征、动态行为和约束条件,为库系统的信息表示与操作提供了一个抽象的框架。所描述的内容有三部结构、操作和完整性约束。 第二章 发展过程中产生过三种基本的,它们是层次、网状和关系。这三种是按其结构而命名的。前两种采用格式化的结构。 本章将从结构、操作、完整性约束、查询效率等方对常用的进行对比。并对一些不常见的进行简单介绍。 在面向对象中,对类的操作为两部:一是封装在类内的操作,即方法;二是类间相互沟通的操作,即消息。 结束语随着互联网、及人工智能的发展,作为信息系统核心和基础的库技术得到越来越广泛的应用,库的基础,对的对比能够加深我们对库的认识,使我们将技术服务于应用。

    35720

    使用 NoSQL

    RDBMS 是传统 CS 式存储的重要基础,但是它无法实现以简单且低廉的方式进行扩展。 NoSQL 入门NoSQL 库被更多的人所关注是因为它在解决的可扩展性上有它独到的解决方案。无式的存储与传统的关系库有着本质上的区别,但是它们并不像想象中那么难以使用。 使用 MapReduce 布式解决方案中的一项重要技术就是 MapReduce,它是一个由 Google 提出的用于处理布式集的编程以及实现。 在这里了解 Apache Hadoop,一个 MapReduce 的开源实现,它在 IBM 的解决方案中起到了重要的作用。 阅读: 用 Hadoop MapReduce 进行阅读: 用 MapReduce 解决与云计算相关的 Big Data 问题阅读: 使用 Apache Hadoop 挖掘现有下载: IBM

    44360

    】高级方法之——RFM进行用户细

    1、根美国库营销研究所Arthur Hughes的研究,客户库中有三个神奇的要素,这三个要素构成了最好的指标:最近一次消费(Recency)、消费频率(Frequency)、消费金额( 一般原始为3个字段:客户ID、购买时间(日期格式)、购买金额,用挖掘软件处理,加权(考虑权重)得到RFM得,进而可以进行客户细,客户等级类,Customer Level Value得排序等 3、操作方法:一般来讲,假定企业拥有100万会员资料库和历史交易,可以在没有建立挖掘前,随机选择1万人进行促销,记录这1万人的响应情况,然后根这1万人的响应0-1,建立RFM为自变量的响应 ,然后根对100万用户进行客户响应打,选择10万人进行促销,可以提升促销的ROI。 4、可以实现的软件:IBM Modeler 14.1版本操作RFM:(采用挖掘技术来RFM是一件简单的工作,因为软件非常智能化,或者说基本上内置了自动RFM块)

    69790

    什么是的漏斗

    本文主要谈谈漏斗的本质、漏斗案例以及如何绘制漏斗。漏斗关于漏斗,我认为本质是解和量化。为什么这么说,这里以营销漏斗举栗。 电商购物流程电商的转化,我们要做的就是监控每个层级上的用户转化,寻找每个层级的可优化点。对于没有按照流程操作的用户,专门绘制他们的转化,缩短路径提升用户体验。2. 漏斗的绘制其实很简单,做报表的时候可能会用到,量不是很的话,用Excel几钟就能搞定。 可以用专业的软件或者BI软件搭建一个dashboard,这里我用的是finebi,把之前那张excel表导入了进去(这里就不做库连接演示了)。1) . 漏斗每个层级的小都反映了当前层级小,如果差距较,比如像我这样的,会不那么美观。

    72370

    什么是的漏斗

    本文主要谈谈漏斗的本质、漏斗案例以及如何绘制漏斗。01 漏斗关于漏斗,我认为本质是解和量化。为什么这么说,这里以营销漏斗举栗。 通过达成量化的KRS来实现小O,最终达成O,可以看到整个过程中的核心关键也在于解和量化。这就是文章开头部提到的,我觉得漏斗不仅仅只是一个,更是一种方法论,一种思维方式的原因。 电商购物流程电商的转化,我们要做的就是监控每个层级上的用户转化,寻找每个层级的可优化点。对于没有按照流程操作的用户,专门绘制他们的转化,缩短路径提升用户体验。?2. 漏斗的绘制其实很简单,做报表的时候可能会用到,量不是很的话,用Excel几钟就能搞定。比如以上图电商的转化漏斗为例? 可以用专业的软件或者BI软件搭建一个dashboard,这里我用的是finebi,把之前那张excel表导入了进去(这里就不做库连接演示了)。

    77640

    相关产品

    • 大数据处理套件

      大数据处理套件

      腾讯大数据处理套件(TBDS)是基于腾讯多年海量数据处理经验,对外提供的可靠、安全、易用的大数据处理平台。你可以根据不同数据处理需求选择合适的大数据分析引擎和相应的实时数据开发、离线数据开发以及算法开发服务,来构建您的大数据应用服务……

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券