中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

四. 同類產品對比

在了解使用群體的數據訴求后，我們來看下MTA對數據訴求及應用場景的滿足情況，同時我們也會挑選市面上的幾款產品進行對比分析。

由于不同的行為分析產品，其功能框架都是不同的，所以為能直觀對比出不同產品的場景滿足差異，下面我們上面第三部分內容中劃分的四個模塊進行縱向對比。

1.?用戶獲取

（右擊，在新標簽頁中打開即可查看大圖）

用戶獲取，可以看到，五款產品對于廣告效果、渠道分析的場景分析都是能支撐到的。

其中Google Analytics（后簡稱GA）相較其他產品，還提供了關鍵詞點擊轉化情況，更有利于推廣判斷目標用戶搜索偏好，便于進行關鍵詞優化。同時，GA還提供更加豐富的維度供用戶進行細分分析，如根據年齡、國家、偏好等，簡單數了下，超過100個維度。

但站在國內APP推廣角度，考慮到國內外行業環境差異以及國內的渠道資源，MTA在國內廣告效果監控這塊，較其他產品在打通曝光點擊到付費轉化的過程上，更具優勢。

2.?用戶分析

（右擊，在新標簽頁中打開即可查看大圖）

用戶分析，可以看到，五款產品對于用戶畫像、用戶生命周期、留存分析、活躍分析等場景分析都是能支撐到的。

個人理解，這塊更多是用于了解產品用戶活躍狀況及典型的用戶畫像，從而有利于業務去甄選用戶進行運營/推廣，同時對于運營的結果能得到較為及時的反饋。

五款產品相較下來，可以看到GA對于典型用戶畫像是還原更充分的（但對于國內用戶畫像可能數據來源單一，還原精度未知），而且也缺少重要的用戶抽取用于運營，同時運營活動結果難以直接有效反饋。而其他產品雖然在畫像還原上稍欠缺，但勝在能便于業務進行落地，同時也提供了自己一些特色功能，如神策的行為預測等。

3.?行為分析

（右擊，在新標簽頁中打開即可查看大圖）

行為分析，可以結合上面第三部分中產品人員工作思路，需要支撐到日常監控、發現異常、原因分析、效果驗證，五款產品對于該數據分析框架的大多場景分析都是能支撐到的，情況如下：

• 日常監控：5個產品都提供了自定義事件部署及自定義看板；
• 發現異常：除諸葛IO對比分析較為欠缺，較難及時發現問題外，其他4個都能提供對比分析；
• 原因分析：GA能提供更豐富的維度進行細分分析，而MTA則維度較為單一；
• 效果驗證：通過自定義事件的對比分析，基本都能完成驗證，但GA提供實驗功能，滿足了AB測試的效果驗證場景。

4.?內容分析

根據不同類型App，結合自定義事件進行內容定制：

（右擊，在新標簽頁中打開即可查看大圖）

內容分析，結合上圖產品對比，可以發現，除GA外，其余均不支持內容分析；其中MTA對借貸行業做了進一步定制，但還不屬于借貸內容的分析，而即使GA支持內容分析，也僅面向電商行業。

個人理解，對于App產品而言，核心在于其輸出內容的質量好壞，而現有分析工具都欠缺對App核心產生內容的分析監控。如果市場上有一款較高自定義的內容分析模塊，就可以構建產品的護城河，伴隨越來越多的同類App產品的接入，同時也可提供行業平均水平作為參考依據，在大多APP產品行業競品數據來源單一的情況下，這會是產品的一大賣點。

五款產品均未能滿足的使用場景：

• 現在內容使用情況怎樣？
• 有沒哪些內容沒有達到預期？
• 存不存在哪些內容需要優化？
• 優化后內容效果怎樣？

對數據訴求及應用場景角度來說，除內容分析的數據支撐外，五款產品都能滿足不同使用群體的基本數據訴求，只是在數據支撐的深度及靈活度，體現出不同產品的差別。

講完數據訴求及應用場景，相同指標在不同基本統計單位下，也是會有明顯差異。

下面我們也來簡單分析下5款產品的數據模型、指標差異。

（1）MTA：開發文檔沒有翻到相應的介紹，只能從功能角度揣測

• 數據模型：用戶-會話-頁面-事件
• 模型描述：A用戶在C會話里，先訪問了B頁面，并在B頁面觸發了D事件
• 指標差異：比如跳出率，定義是訪問該頁面隨即關閉應用的用戶占訪問該頁面用戶數的比例；講下個人的理解，對于App產品，都是有它的轉化目標，比如交易、下載、點擊等等，那么意味著用戶每一次的會話開啟，都有可能達成轉化目標，那么從產品運營的角度出發，目標是不是用戶每一次的會話開啟都要促成目標轉化呢？那么，在這里是否是以會話為統計單位更合理呢？

（2）GA：開發文檔也沒有翻到相應的介紹，從數據采集內容角度推斷

• 數據模型：用戶-會話-頁面-事件；
• 模型描述：A用戶在C會話里，先訪問了B頁面，并在B頁面觸發了D事件；
• 指標差異：和MTA相比，GA采用的是會話為統計單位。

（3）友盟：開發文檔也沒有翻到相應的介紹，從功能角度推斷

• 數據模型：用戶-會話-頁面-事件；
• 模型描述：A用戶在C會話里，先訪問了B頁面，并在B頁面觸發了D事件；
• 指標差異：和MTA一樣，采用的是用戶為統計單位。

（4）諸葛IO：看到有介紹了！

• 數據模型：用戶-觸點-會話-事件；
• 模型描述：A用戶在C會話里，以B行為接觸到了D事件（目測觸點就是把頁面的“瀏覽”屬性和事件觸發的“行為類型”歸類到了“觸點”這個概念）；
• 指標差異：和MTA一樣，采用的是用戶為統計單位；不過統計上可能有優化空間，比如諸葛提供的行為路徑分析是基于事件的，那么每新添一個事件，都可能造成路徑的變更，起不到穩定監控的作用，參考價值會不會降低呢？

（5）神策：也有介紹

• 數據模型：用戶-事件；
• 模型描述：A用戶觸發D事件（將行為類型合并到事件表，會話屬性也合并到事件表，接受冗余）；
• 指標差異：和GA一樣，采用的是會話為統計單位。

五. MTA功能體驗

講完MTA對數據訴求及應用場景的滿足情況，下面會從各使用群體角度從MTA中挑選常用模塊進行闡述，將包含以下幾個功能模塊：

• 推廣效果：直接反映推廣效果；
• 用戶分群：用于運營挑選目標用戶進行目標轉化；
• 漏斗模型：用于產品流程監控。

1.?推廣效果

（1）功能組成

• 維度：推廣單元、推廣計劃、投放渠道
• 指標：提供了基礎指標、活躍情況、消費/收入等20個指標
• 視圖：折線圖

（2）場景體驗

① 今天我的推廣效果是否異常？

體驗：

• 首先進到界面，看到推廣單元情況（十幾頁），不能直接感知到推廣效果是否異常；

（右擊，在新標簽頁中打開即可查看大圖）

可能優化點：

• 新增推廣效果匯總，如曝光量、激活轉化率、注冊率、激活設備數；
• 新增周同期比較，一般情況下數據都有周期性變化的共性，便于發現本日異常指標；如較上周同期，注冊率下降了30%；
• 默認顯示推廣渠道情況，直觀了解各大渠道推廣效果及周同比漲幅情況。

② 為什么今天廣點通渠道的激活轉化率下降20%？

體驗：

• 只能從推廣單元維度查看細分渠道，需先切換到推廣單元視圖，再篩選廣點通渠道；操作較為繁瑣，而且不能做到逐級細分排查，理應是先看推廣計劃哪個異常？再看異常推廣計劃具體哪個推廣單元異常？

可能優化點：

• 交互上，可實現點擊下鉆渠道 → 進到渠道下所有推廣計劃 → 點擊下鉆推廣計劃 → 進到推廣計劃下所有推廣單元；
• 維度層級關系上，建議：推廣渠道（頂級）-推廣計劃-推廣單元，目前在推廣計劃維度下，不能選擇推廣渠道。

③ 效果看著挺好，實際效果好不好？會不會不劃算？或者預算消耗太多？

體驗：

• 不能直觀反映費用消耗情況以及獲客成本，不能快速為推廣計劃做數據支撐；轉化率好，但單個設備獲取成本高出其他渠道幾倍，也是不劃算，可能要停掉。

可能優化點：

• 新增廣告費用指標、獲客成本指標，便于推廣人員的推廣決策。

④ 用戶獲取到后，質量行不行？

體驗：

• 每個App產品都有個核心轉化目標，按目前提供的指標能從付費、留存上評估用戶質量。

2. 用戶分群

（1）篩選范圍

• 用戶范圍：活躍、新增、不活躍
• 用戶屬性：基于App自身采集的維度信息
• 設備屬性：版本、品牌、CPU、內存
• 自定義事件：達成過某一行為
• 漏斗模型：完成過目標路徑轉化

（2）場景體驗

① 電商行業，在MTA用戶畫像中，發現喜歡閱讀的用戶占比達到20%，近期有一批書，想要搞活動促銷出去，需要篩選出喜歡閱讀的用戶進行定向營銷，該怎么篩選？

體驗：

• MTA提供了應用偏好給用戶查看，但是實際創建用戶群卻不提供自身構建的用戶畫像用于營銷（可能是出于隱私保護）。

可能優化點：

• 依托于騰訊數據的廣度和深度，用戶畫像的精度是要高于App自身數據得出的畫像。對于App運營來說，能夠根據騰訊提供的畫像，并通過騰訊的廣告平臺去投放廣告精準命中用戶，會是MTA一個極大的賣點，同時也能加大廣告主對平臺的依賴度。

② 觸發過核心操作的用戶，是怎樣一批人群？是否可以篩選過濾查看人群特征，便于推廣策略制定或定向運營？

體驗：

• MTA可以滿足到觸發核心操作或流程的用戶出來，并從基礎屬性、設備屬性、應用偏好等角度查看人群特征。

3. 漏斗模型

（1）功能點

• 支持最多5級路徑創建
• 支持事件參數高度自定義
• 支持漏斗分布查看

（2）場景體驗

① 我要監控注冊流程，行為路徑為：抵達注冊頁 → 輸入手機號 → 點擊驗證碼 → 輸入驗證碼 → 點擊注冊 → 成功注冊

體驗：

• 盡管各個環節都能實現，但從一個較為簡單且常用的注冊流程細分監控，便卡在了最多5環這里，可以刪掉某一環節，但是環節少了，意味著可能的流失環節就忽略了。

可能優化點：

• 增加漏斗環數

② 完成很多核心漏斗構建后，要監控每一核心流程健康狀況，得怎么看？

體驗：

• 首先進到漏斗列表，看到很多漏斗，30日平均轉化率？比如注冊漏斗到底有沒異常？50%？是高還是低？不知道，得和誰比，才知道高低？
• 平時知道是52%左右，現在是50%是不是正常？會不會被30天平均掉？不知道，還是得進到漏斗里具體看；
• 點進漏斗后，看到是時間段內的情況，到底昨天有沒出問題？不知道，選下昨天看看；
• 點了下昨天，突然沒有數據，可能是埋點出問題了，得找人補下埋點。

整個過程下來，昨天沒有數據，需要經過多個環節跳轉判斷才知道漏斗數據異常，需要耗費較長時間用于分析判斷。

可能優化點：

• 漏斗列表，直接顯示昨天轉化率情況，并提供周環比輔助判斷異常；
• 漏斗分布查看，默認顯示昨天轉化情況，上下環節轉化率，也提供周環比輔助判斷環節異常；
• 細分維度排查時，如直接版本維度體現在二維表，實現多版本同時對比；避免逐個版本點擊查看判斷，還缺少同維度同比判斷。

六. MTA腦洞

下面內容，并未結合產品所處的背景，也未仔細斟酌，純屬個人腦洞：

1. 渠道畫像

寫這次分析報告，按分析思路拆解，冒出了一個渠道畫像的數據訴求，基于騰訊現有的生態圈，是否可以構建生態圈的渠道畫像，向市場兜售呢？（可能偏廣告端提供）

會有一個場景，比如我是賣豪宅的，想找個地攤宣傳，聽說某個地攤人流量很大，可能轉化幾率高，結果找了個地鐵口，人流量是大，但是能買得起豪宅的人數多少呢？導致廣告費用ROI下降。

而現在我就告訴你，手頭有這些渠道，這個渠道有錢人多，這個渠道00后多等等，可以加大廣告主對平臺方的依賴，同時也有利于拉高整體廣告主的ROI。

2. 內容分析

從用戶數據訴求到多產品支撐對比，可以發現，除GA外，其他行為分析系統對App核心內容的數據支撐是不足的。名義都是用戶行為分析系統，但是用戶接觸的主體是什么？是App核心輸出的內容。

• 對于電商來說，是商品；
• 對金融來說，是金融產品；
• 對視頻網站來說，是視頻。

而核心內容分析缺失，可能導致面向的群體是有限的，得出的結果可能是片面或錯誤的，比如商品質量就是差，用戶買了后認為上當受騙不回頭，做再多的運營活動但卻不解決核心內容輸出的質量，可能也是徒勞的。

在現有行為分析產品對內容支撐不足的情況下，推出該類模塊，在豐富產品使用人群的同時，也采集了大量的行業核心內容數據，例如對商品名稱文本的分析、視頻標題的文本分析等等，都能免費獲取到大量行業情報數據。

聲明：

（1）對于行為預測與AB TEST的功能，騰訊移動分析MTA即將在7月上線。

（2）文章為作者獨立觀點，不代表騰訊移動分析MTA立場。

相關閱讀

騰訊移動分析產品測評大賽報名開啟，豐厚大獎等你來！

騰訊移動分析測評大賽結果公布｜這一次，且聽我娓娓道來

作者：JM，從事互聯網電商行業3年，其中2年數據產品經驗，從0到1規劃過訪客日瀏覽量超千萬的流量分析系統，現為公司商業分析系統的產品主要負責人。

本文為「人人都是產品經理」社區和騰訊移動分析聯合主辦的“騰訊移動分析測評大賽”中的一等獎作品，未經許可，禁止轉載。

題圖來自 Pexels，基于 CC0 協議