¿Cuáles son los modelos de análisis de big data más comunes en el análisis de big data?

Los productos de la plataforma de Internet se pueden dividir en dos grandes categorías: bienes y servicios. Si desea aumentar las ventas de productos mediante el análisis de datos, primero debe comprender qué datos deben analizarse.

¿Qué datos hay que analizar?

1. Módulo de operación

Desde la perspectiva del proceso de consumo del usuario, se puede dividir en cuatro partes: atracción, conversión, consumo y retención.

Tráfico

El tráfico se refleja principalmente en el enlace de atracción. Según la estructura del tráfico, se puede dividir en estructura de canales, estructura comercial y estructura regional. La estructura del canal puede rastrear el tráfico de cada canal y analizar la calidad de cada canal a través de la proporción del tráfico del canal. Con la estructura empresarial, puede realizar un seguimiento del tráfico de actividad en función de los negocios designados, observar los cambios de tráfico antes, durante y después de la actividad y evaluar el efecto de la actividad.

Tasa de conversión

Tasa de conversión = número de acciones deseadas/número de acciones totales. Un aumento en la tasa de conversión significa una reducción de costos y un aumento de ganancias. El modelo de análisis más clásico es el modelo de embudo.

tasa de abandono y tasa de retención

Atrae usuarios a través de varios canales o actividades, pero los usuarios perderán después de un período de tiempo. Estos usuarios se pierden y se retienen. sobre retener usuarios. La deserción se puede dividir en deserción rígida, deserción de experiencia y deserción competitiva. Aunque la deserción es inevitable, se deben tomar las contramedidas correspondientes basadas en el análisis de la deserción para retener a los usuarios. En cuanto a la retención, al observar los patrones de retención y localizar las etapas de retención, puede ayudar a las actividades de marketing, al posicionamiento de la estrategia de marketing, etc. También puede comparar el estado de retención de diferentes usuarios y características del producto, analizar el valor del producto y realizar ajustes oportunos a el producto.

Tasa de recompra

La tasa de recompra se puede dividir en "tasa de recompra del usuario" y "tasa de recompra del pedido". Al analizar la tasa de recompra, podemos analizar más a fondo la adherencia del usuario, lo que ayuda a descubriendo problemas de tasas de recompra y formulando estrategias operativas, colegas. También puede realizar un análisis comparativo horizontal (producto, usuario, canal) para refinar las tasas de recompra y ayudar a localizar problemas.

2. Módulo de ventas

El módulo de ventas tiene una gran cantidad de indicadores, que incluyen comparación año tras año, tasa de finalización, clasificación de ventas, proporción de productos clave, proporción de plataforma, etc. .

3. Módulo de producto

Análisis de indicadores importantes: incluida la antigüedad del producto, tasa de ventas, tasa de falta de existencias, indicadores estructurales, sistema de precios, análisis de correlación, análisis de mejores ventas, etc., utilizado para juzgar el valor de los productos, ayudando a ajustar las estrategias del producto

Módulo de usuario

Indicadores de análisis clave: incluido el número de nuevos usuarios, tasa de crecimiento, tasa de transacción, efectividad. proporción de miembros, tasa de retención, etc.

Análisis del valor del usuario: según el modelo RFM y otros parámetros personalizados, el valor del usuario se divide y se realiza un análisis más detallado para cada nivel de usuarios.

Retrato de usuario: basado en atributos inherentes, atributos de comportamiento, atributos de transacciones, intereses y pasatiempos, agregue etiquetas y ponderaciones a los usuarios, diseñe retratos de usuarios y proporcione referencias de marketing precisas.

Elija un modelo de análisis en función de los datos que deben analizarse

Modelo de usuario

El modelo de usuario es una forma de describir a los usuarios objetivo en la planificación de marketing o negocios. diseño Por lo general, hay muchas combinaciones, lo que facilita a los planificadores su uso para analizar y establecer estrategias para diferentes usuarios. Hay dos métodos tradicionales de modelado de usuarios: uno es el modelado de usuarios basado en entrevistas y observaciones (riguroso y confiable, pero requiere mucho tiempo), y el otro es el modelado de usuarios ad hoc basado en expertos de la industria o datos de investigación de mercado (rápido pero poco confiable).

Método de construcción del modelo de usuario mejorado: modelo de usuario basado en datos de comportamiento del usuario

Ventajas: simplifica los métodos tradicionales y reduce el umbral del análisis de datos, lo que hace que el análisis de datos sea más científico, eficiente y completo; y puede aplicarse más directamente al crecimiento empresarial y guiar las estrategias operativas.

Método:

1. Organizar y recopilar conocimientos preliminares de los usuarios

2. Segmentar a los usuarios

3. Analizar los datos del comportamiento del usuario

4. Especular las motivaciones del objetivo

5. Realizar entrevistas y encuestas para verificar a los usuarios

6. Modificar y establecer modelos de usuario

A nivel Al mismo tiempo, también puede asignar la información del usuario recopilada a atributos del usuario o información sobre el comportamiento del usuario y almacenarla para formar un perfil de usuario, prestar atención a las fluctuaciones de sus propios datos en tiempo real y realizar ajustes estratégicos oportunos.

2. Modelo de eventos

El modelo de eventos es el primer paso en el análisis de datos de comportamiento del usuario y también es el núcleo y la base del análisis. La gestión de eventos detrás de esto son los tres elementos principales del modelo de eventos.

¿Qué es un evento?

Los eventos son comportamientos del usuario en el producto y son descripciones profesionales del comportamiento del usuario. Todos los comentarios del programa recibidos por los usuarios sobre el producto se pueden resumir en un evento y los desarrolladores pueden recopilarlos enterrando puntos. Por ejemplo: un usuario que hace clic en un botón de la página es un evento.

Colección de eventos

Estructura evento-atributo-valor: evento (comportamiento del usuario en el producto), atributo (dimensión que describe el evento), valor (contenido del atributo)

En el proceso de recopilación de eventos, el uso flexible de la estructura evento-atributo-valor no solo puede restaurar en gran medida los escenarios de uso del usuario, sino que también ahorra en gran medida la cantidad de eventos y mejora la eficiencia del trabajo.

Tiempo de recopilación: el usuario hace clic, se completa la carga de la página web y el servidor determina y devuelve. Al diseñar documentos de requisitos enterrados, comprender el momento de la recopilación es particularmente importante y es fundamental para garantizar la precisión de los datos.

Ejemplo: recopilación de eventos en una página de ventas de comercio electrónico

Análisis de eventos

El análisis de eventos suele tener cuatro dimensiones: el número de personas activadas por el evento, el número de veces, el número de veces por persona y el cálculo del índice de actividad.

Gestión de eventos

Cuando hay muchos eventos, se pueden agrupar los eventos y se pueden marcar los eventos importantes para poder gestionarlos en categorías. Al mismo tiempo, también se pueden marcar comportamientos importantes de los usuarios desde la perspectiva del negocio del producto, de modo que los eventos comunes e importantes se puedan encontrar fácil y rápidamente en el análisis.

3. Modelo de embudo

El modelo de embudo evolucionó por primera vez a partir de las actividades comerciales de marketing de las industrias tradicionales. Es un conjunto de métodos de análisis de datos de procesos.

Marco del modelo principal: detectando el punto de inicio del proceso objetivo (entrada del usuario) hasta la finalización final de la acción objetivo. El volumen de usuarios y la tasa de retención de cada nodo experimentado aquí se utilizan para evaluar la calidad de cada nodo y encontrar el nodo que más necesita optimización. El modelo de embudo es un modelo de análisis importante para el estado del comportamiento del usuario desde el punto de partida hasta el punto final y la tasa de conversión del usuario en cada etapa.

4. Análisis de mapas de calor: dibujo del comportamiento del usuario

El mapa de calor es la herramienta más intuitiva para registrar la interacción entre los usuarios y las interfaces del producto. El análisis de mapas de calor ayuda a los usuarios a optimizar el diseño del sitio web al registrar el comportamiento del mouse del usuario y presentarlo con efectos visuales. Ya sea análisis web o de aplicaciones, el análisis de mapas de calor es un modelo muy importante.

En el uso real, a menudo se utilizan varios métodos de comparación de mapas de calor para realizar análisis comparativos de múltiples mapas de calor para resolver el problema:

Múltiples mapas de calor Análisis comparativo, especialmente el análisis comparativo de hacer clic en mapas de calor (mapas de calor táctiles), leer mapas de calor y pausar mapas de calor.

Análisis comparativo de mapas de calor para grupos segmentados, como diferentes canales, usuarios nuevos y antiguos, análisis de mapas de calor de prueba AB; en diferentes períodos de tiempo;

Las diferentes profundidades de interacción reflejan diferentes mapas de calor. Por ejemplo, análisis comparativo del mapa de calor de clics y mapa de calor de conversión;

5. Análisis de retención personalizado

El concepto de tasa de retención se introdujo en el artículo anterior. Para un producto, cuanto mayor es la tasa de retención, más usuarios activos tiene el producto y mayor es el índice de conversión de usuarios leales, lo que favorece más la mejora del flujo de caja del producto.

Retención de clientes: basada en la situación de retención del usuario en sus propios escenarios comerciales, es decir, comportamiento de retención personalizado. Puede personalizar el comportamiento de retención estableciendo el comportamiento inicial y el comportamiento de devolución.

Ejemplo: tasa de retención de 5 días de usuarios que utilizan bicicletas compartidas Haro*** después de conseguir cupones

Comportamiento inicial: coger cupones

Comportamiento de visita de regreso: usando Haro Luo *** Shared Bike

Sexto, análisis de adherencia

Stickness: evalúa científicamente la capacidad de retención en el mercado del producto desde la perspectiva del usuario

A través de análisis de adherencia del usuario, puede comprender la cantidad de días que los usuarios realmente usan su producto o incluso una determinada función en una semana o un mes, y analizar más a fondo los hábitos de uso del producto del usuario.

El análisis de adherencia es una de las características especiales de Zhuge io, que incluye la adherencia general del producto, la adherencia funcional, las tendencias de adherencia y las comparaciones de grupos de usuarios. Puede consultar /advanced/stickiness.html

7. . Análisis completo de la ruta del comportamiento

El análisis completo de la ruta del comportamiento es un método único de análisis de datos de productos de Internet.

El análisis completo de la ruta de comportamiento es un método de análisis de datos exclusivo de los productos de Internet. Analiza los patrones de proceso y las características de cada módulo en la aplicación o el sitio web en función de los eventos de comportamiento de cada usuario en la aplicación o el sitio web. 'Patrones de acceso o navegación para lograr algunos propósitos comerciales específicos, como mejorar la tasa de llegada de los módulos principales de la aplicación, extraer las rutas principales y las características de navegación de grupos de usuarios específicos, optimizar el diseño del producto de la aplicación, etc.

Hay dos modelos de ruta de comportamiento comúnmente utilizados en el proceso de visualización:

Diagrama de árbol: refleja la ruta de comportamiento del usuario en una estructura de árbol

Diagrama de sol: usando El gráfico de anillos refleja la ruta de comportamiento del usuario.

En la figura anterior, cada anillo representa un paso del usuario y diferentes colores representan diferentes comportamientos. Cuanto mayor sea la proporción del mismo color de anillo en el que se encuentra el usuario. el paso actual Cuanto más uniforme sea el comportamiento, más largo será el anillo. Cuanto mayor sea la proporción del mismo anillo, más unificado será el comportamiento del usuario en el paso actual, y cuanto más largo sea el anillo, más larga será la ruta de comportamiento del usuario.

8. Modelo de agrupación de usuarios

La agrupación de usuarios consiste en etiquetar la información del usuario y dividir a los usuarios con los mismos atributos en grupos y realizar análisis posteriores.

Modelo de grupo basado en datos de comportamiento del usuario: cuando regrese a los datos de comportamiento en sí, encontrará que la información sobre los usuarios puede ser más detallada y rastreable, y puede encontrar el grupo de personas deseado más rápido a través de registros históricos de comportamiento.

Cuatro dimensiones de segmentación de usuarios:

Atributos del usuario: edad, sexo, ciudad, versión del navegador, versión del sistema, versión operativa, fuente del canal, etc.;

Activo en: encuentre los usuarios activos dentro del intervalo especificado configurando el tiempo activo;

No hacer/no hacer: analice la "intimidad" de la interacción del usuario con el producto en función de si el usuario realiza una determinada comportamiento. "Intimidad";

Únase: evalúe con precisión el rango de tiempo de los nuevos usuarios estableciendo un período de tiempo;

Cómo aumentar las ventas de productos es un tema integral que requiere una combinación de múltiples modelos Para analizar los datos, lo anterior es un resumen del conocimiento del autor, espero que pueda serle útil.