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

作為產品、運營或者數據分析師，在實際問題處理時，就需要做歸因分析，需要屏蔽其他因子的干擾，因此我們常常使用用戶分群。

數據分析對于運營來說是一個數據抽象的過程?，F實情況是連續的、復雜的、互相影響的，而數據抽象的過程，就是將這些復雜多變的現實情況簡化為數字量，搭建數據模型，計算相關因子，推斷事件歸因，并推進自身改進優化。

由于現實的復雜性，我們作為產品、運營或者數據分析師，在實際問題處理時，就需要做歸因分析，需要屏蔽其他因子的干擾，因此我們常常使用用戶分群。

分群后，我們的用戶群可能簡化為：

在每一個分群下，我們可以簡化地對比某個因素對關鍵路徑或者關鍵指標的影響因素。分群是手段，是工具，簡單來說，分群分析就是通過聚類的方式，把相似的人群合并，考察同一事件或同一指標在不同人群上的表現，以推斷并定位對該事件/指標有明顯影響的因子。

我們將用戶精細分群與用戶畫像結合起來，助力精益化運營的深度與精度。

那么，用戶分群與用戶畫像如何結合使用？接下來，我們舉個App案例進行說明：

某電商App，現在面臨的問題是用戶成交量較低，與投放推廣的成本相比，ROI較低。

這個問題，我們應該如何分析？

首先，我們想看看成交的這部分用戶與大盤用戶之間有什么區別。我們在用戶中選出成交的用戶，建立用戶群對比大盤用戶。

這里，我們需要使用MTA自定義事件。設置“付款成功”為一個自定義事件，然后使用MTA中的用戶分群功能，將自定義事件中滿足“付款成功”的用戶群篩選出來，命名為“成交用戶”；我們還可以設置一個叫做“高價值用戶”的用戶群，將“付款成功”且付款金額>=100的用戶篩選出來。

此處定義高價值用戶為成交單價>100元的用戶。

1、用戶分群分析

得到了三個用戶群之后，我們使用數據分析工具，比如騰訊移動分析MTA，對比這三個用戶群特點間的區別。以下為三個用戶群特征的對比：

從圖中我們可以發現，大盤用戶中男性較多，但實際成單與高價值用戶中，都是女性偏多，且此部分用戶對購物類App、金融類App的興趣要明顯高于大盤用戶，表現出了較強的消費能力。

現在我們的問題是投放回報率較低，ROI不符合預期。

那么，我們可以初步判斷，可以優化的有以下兩個方向：

1. 用戶引流渠道可能有問題，需要調整渠道引流策略，包括渠道選擇、人群針對性優化等，引入與消費行為匹配的新用戶群，提高銷售量；
2. 商品定位的調整：現有產品對男性的吸引力不足，導致大量大盤用戶并沒促成成單，這也是導致ROI較低的另一方面原因，可能需要調整的包括商品品類、商品推薦等；

其中，第一種優化方式的見效周期較短，而第二種調整方式相對影響層面較大、周期較長。我們優先實踐第一種優化方式，以調整渠道引入流量為主，優化引入人群的匹配程度，實現提高ROI的目標。后續還需要斟酌是否需要優化產品定位，比如打造針對男性的亮點頻道，進行產品改善迭代。

2、渠道優化策略

那么，渠道應該如何做改善？我們先對單周渠道引入量的數據，進行初步評估。

• 成交率數值應用的是漏斗模型的渠道篩選功能
• 此處渠道只列了5支較典型的渠道樣本數據，實際渠道分布更多

從圖表上看，我們當前主要的流量渠道是渠道D與渠道E，而且渠道D的留存率很高，可以認為是我們的優質渠道。

但從成交上看，我們認為渠道A其實有很大的潛力，雖然現在的引入量較小，但與成交人群重合度較高，考慮到A渠道的獲客成本低于渠道D，加大投放之后很可能會有一個不錯的收益，能夠實現我們提高ROI的目標。

3、渠道人群畫像驗證

我們對渠道人群A進行畫像分析，女性比例高達62.36%，其用戶群對購物類App的興趣也高于大盤用戶，與我們高價值人群特征匹配度較高。

現在渠道A給我們帶來的流量還比較小，但由于其渠道收益上ROI比例較高，且其群體畫像與我們高價值用戶的畫像吻合度高，表現出了很高的投放潛力。

我們的改善方法是：調整渠道投放的比例，減少渠道B、渠道C的投放，增強渠道A的投放，以周為單位，迭代優化渠道投放效果，并監測ROI的變動。

4、渠道投放優化效果

在投放一周后，對新增用戶有了增長，我們臨時決議再次加大渠道A的投放比例。這里是一個月的時間周期內，我們的新增用戶數在渠道上的分布有了顯著變化。

優化投放渠道前后，購買轉化漏斗轉化率的改變：

由于渠道A的平均客單價約是渠道D的1/2~1/3，我們的投入產出比例得到了優化。這主要依賴于通過數據分析找到了優質低價的渠道，降低了獲客成本。

那么這個轉化漏斗中，是否還有其他優化的空間？我們還能做什么改善？

請關注我們下周的案例分享《數據運營實戰（二）》。

本文由 @騰訊大數據 原創發布于人人都是產品經理。未經許可，禁止轉載。