传统的用户研究包括品牌研究、客户满意度研究、商圈研究、市场细分、渠道研究、产品定价研究以及产品测试，这些研究大多数用市场调研的方法来实现。市场调研由于调研方法带来的诸多问题，导致结果的代表性、准确性以及研究的效率都存在不同程度的挑战。我们相信，随着大数据的发展，大数据将对市场与用户研究方法将带来革命性的变化。本文将介绍大数据目前在市场与用户研究方面的应用与探索。
文|傅志华 传统的用户研究包括品牌研究、客户满意度研究、商圈研究、市场细分、渠道研究、产品定价研究以及产品测试，这些研究大多数用市场调研的方法来实现。市场调研由于调研方法带来的诸多问题，导致结果的代表性、准确性以及研究的效率都存在不同程度的挑战。我们相信，随着大数据的发展，大数据将对市场与用户研究方法将带来革命性的变化。本文将介绍大数据目前在市场与用户研究方面的应用与探索。 一、大数据用于品牌研究 品牌认知度、品牌形象和品牌满意度研究是品牌研究的三大重要部分。 1）品牌认知度是品牌资产的重要组成部分，品
在互联时代，拥有一个大数据战略来收集、存储、组织和分析广泛客户数据的踪迹，对于及时开展个性化客户交互至关重要。幸运的是，通过采用正确的技术、基础设施和分析功能来全面释放这一数据的潜力，实现与互联客户的更深入交流，绝非空想。 以下这五种使用大数据分析的途径将能够帮助您提升互联客户体验： 1. 找到“隐藏的”大数据见解，更全面地了解客户。 在大数据的初期，从电子邮件和网站点击收集到的见解帮助企业重塑了营销计划，启动了新的活动，并带来了更加个性化的体验。但所有这些优势通常采用产品推荐的形式完成。 现在，新的数据类
编者注：净推荐值（Net Promoter Score，NPS）原为针对企业良性收益与真实增长所提出的用户忠诚度概念，它是最流行的顾客忠诚度分析指标，在传统行业上应用广泛。本文作者针对NPS在互联网产品上的跨界应用，进行了探索。 净推荐值（Net Promoter Score，NPS）是测量用户忠诚度的一种方法，如果某软件产品的NPS值高则意味着该公司可以考虑进一步的投资与研发；而NPS值低则意味着即使当前销售看上去是令人满意的，但是一旦出现可以替代的其他产品，整体销售额就会下降，进一步的投资与研发存在风险
继上周大型ERP的满意度解读，稍晚些时候会有一个简版的图表评论分析公布，至于用友NC解读不在此发布，详细大家看图表自行拆解。从今天开始我们解读管理软件市场中型ERP，其中包括（用友U8，金蝶K3，SAP，鼎捷等产品）。 在中型ERP市场竞争相当激烈，对手之间产品的替换时有发生，而这决定这一因素跟忠诚度有直接关注，一旦用户满意度下降就会直接影响到忠诚度的选择，在中型ERP市场满意度分析中我们重点加入了忠诚度的分析。 用友U8整体满意度在用户心中表现尚可，从整个满意度分析来看，金蝶依然是用友U8的最大竞争对手，
推荐系统实践 对于推荐系统，本文总结内容，如下图所示： 推荐系统.png 文章很长，你可以跳着看你感兴趣的部分。 一、什么是推荐系统 1. 为什么需要推荐系统 结论是，为了解决互联网时代下的信息超载问
每天，全世界几百万的用户都在Twitter上搜索着发生的新鲜事。在重大事件期间，比如刚刚过去不久的2016欧洲杯，我们观察到在用户前来Twitter查看最新战况时，搜索服务会出现流量的尖峰，并且整体流量随着此事件的推移而稳步上升。Twitter的搜索质量组就是负责给用户返回质量最好的结果。 相比于传统的信息检索产品，Twitter的搜索面临的挑战是绝无仅有的，原因如下： 时效性：我们大部分的搜索请求都对信息的话题性和实时性有着强烈的需求。世界局势瞬息万变，在某些情况下，甚至几分钟前的搜索结果就会显得过时和
无论是哪个行业或在哪个客户接触点，响应的及时性变得越来越重要，并成为总体满意度的核心驱动力。 原因是：业务发展得越来越快; 等待令人沮丧; 注意力下降; 迅速响应可消除不确定性。
T客汇官网：tikehui.com 撰文 | 卿云 当更多企业还在关注企业营收时，聪明的企业已经开始关注 NPS。在信息爆炸、竞争激烈的当下，通过现象找到本质才能笑到最后。 投资人看重的是企业的营收吗？是企业的 NPS 这是一个用数据说话的时代，投资人更关注的是公司未来的发展，他们能不能获得长久的投资回报？当你屁颠屁颠走到投资人面前，信心满满：「看我们去年的营收，这么可观，肯定能投。」，而投资人会盯着桌子问：「我们怎么知道你能继续保持营收？」 你立马意识到准备的所有的有关公司的产出、收入、发展规模都是苍
最近总有几位关注者希望我们可以分享一些“推荐系统”类的干货，最近正好一不小心看到一篇比较好的博主写的推送，在此我通过自己理解和该博主的内容，为大家带来一次推荐系统的分享！
推荐系统目前几乎无处不在，主流的app都基本应用到了推荐系统。
文 | 罗宇矗 什么是用户画像？ 简而言之，用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。 举例来说，如果你经常购买一些玩偶玩具，那么电商网站即可根据玩具购买的情况替你打上标签“有孩子”，甚至还可以判断出你孩子大概的年龄，贴上“有5-10岁的孩子”这样更为具体的标签，而这些所有给你贴的标签统在一次，就成了你的用户画像，因此，也可以说用户画像就是判断一个人是什么样的人。 除去“
简而言之，用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。
T客汇官网：tikehui 撰文 | 齐斌 NPS值直观的明确的反映出客户对企业的口碑和推荐度，具有雷达作用。如果NPS值越高，预示着厂商的产品销售机会，在未来被“存量市场”再次导入或者由于“口碑”和“推荐”的作用被“潜增量市场”接受的可能越大。 NPS除了“雷达作用”，还拥有“占卜未来”的能力，即预测出企业产品和服务层面的增长潜力。 NPS已经是我们SaaS软件厂商当前较为常用的客户研究手段之一，引入NPS我们认为绝不只是获得一个分值、或者给予产品与客服部门一个考核指标，更重要的是引入一种在提高客户忠诚
本文精选与新的DZone人工智能指南中。免费获取更有深度的文章，行业统计，以及更多！
什么是用户画像？ 简而言之，用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。 举例来说，如果你经常购买一些玩偶玩具，那么电商网站即可根据玩具购买的情况替你打上标签“有孩子”，甚至还可以判断出你孩子大概的年龄，贴上“有5-10岁的孩子”这样更为具体的标签，而这些所有给你贴的标签统在一次，就成了你的用户画像，因此，也可以说用户画像就是判断一个人是什么样的人。 除去“标签化”，用
本文介绍了手工艺品电商平台Etsy的个性化推荐算法实践及优化思路，计算过程分为基于历史数据建模和计算推荐结果两个阶段，采用的手段主要包括矩阵分解、交替最小二乘、随机SVD（奇异值分解）和局部敏感哈希等。 提供个性化推荐对网上购物市场非常重要。个性化推荐对买卖双方都是有利的：购买者不用自己去搜索就可以直接获得他们感兴趣的产品信息，卖家则可以以较小的市场营销代价获得更好的产品曝光度。在这篇文章中，我们将介绍我们在Esty（美国网络商店平台，以手工艺成品买卖为主要特色——译者注）中使用的一些推荐
目前为止，基于机器学习的个性化功能仍集中于行为和偏好，即找到“对的人”、“对的地方”和“对的时间”。现在，新的机器学习技术把情绪因素纳入计算方程，以做到更好的信息连结。通过这项研究，我们开始了解从业人员如何利用机器学习技术优化营销的最后一环，即如何解决“正确的消息”，以及这些早期的运用者从中获得了哪些价值。 今天的市场中，营销人员必须将定制体验通过数字端传递给客户。机器学习和预测技术在内容变革中正在迅速兴起。电子邮件营销、网页优化和广告推送只是很少的几个实践，但都取得了巨大的投资回报。通过这种技术，营销人员
首先看一下大数据与应用画像的关系，现在大数据是炙手可热，相信大家对大数据的四个V都非常了解，大数据应该说是 信息技术的自然延伸，意味着无所不在的数据。 我们先看下数据地位发生转变的历史，在传统的IT
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
