Data Magician Kong Miao: Veri analizine giden kapıyı açın ve asla geri dönmek istemeyin
biliyor musun? Bir kişinin NB olup olmadığını değerlendirmenin benzersiz ama objektif bir yolu vardır; bu, bir kişinin Weibo verilerini hesaplamak için kullanmaktır.
Bir kişinin Weibo bilgileri, takip edilen kişinin seviyesi, erişim cihazı ve takip edilen kişinin kimliği, bir kişinin kimlik parametreleri olarak birleştirilir. Bu parametreler, bir kişinin harcama gücü ve zevkiyle yakından ilgilidir ve kişinin gerçek yaşamdaki sosyal statüsüyle oldukça uyumludur.
Bu, verinin gücüdür.
Ve bu mikroblog veri madenciliği sistemi, Kong Miao'nun inovasyon atölyesindeyken geliştirdiği bir işlev. O sırada şirketin dahili "kimlik testinde", bu model seti defalarca denendi ve test edildi.
Kong Miao, Zhuge IO'yu kurmasının önemli nedenlerinden biri olan verinin gücüne inanıyor.
[Kong Miao, Zhuge IO'nun kurucusu]
Veri = gerçek
Bir uygulama için en önemli şey "sevimli" olmaktır.
-
Siege Lions, belirli bir işlevi geliştirme çabalarını tüketti ve bu işlevi tıklayan kullanıcıların tümünün yeni kaydolan yeni kullanıcılar olduğunu keşfetti Bu ne anlama geliyor? Bu, bu işlevi kullanan kullanıcıların üzerine tıklamak istemedikleri anlamına gelir. Basitçe söylemek gerekirse, bu yeni özellik hurda.
-
Aynı şekilde sayfa düzeninde de kullanıcı tarafından belirli bir butona bir kez tıklandıktan sonra tekrar içeri girme ilgisi yoktur. Bu, sayfa düzeninizde bir sorun olduğunu gösterir. Aksine, bir işlev kullanıcı tarafından ikinci veya üçüncü kez kullanılıyorsa, bu işlev için hala birçok "geri dönen müşteri" olduğu anlamına gelir.
Uygulama hizmetlerini iyileştirmek için tüm destekleyen şirketler gerçek verilerdir.
Dürüst olmak gerekirse, tek bir veriyi elde etmek zor değil, zor olan çoklu veri arasındaki ilişkinin nasıl hesaplanacağıdır. Herkes, farklı tercihli politikaların, kullanıcıların ödeme istekliliğini etkileyeceğini bilir. fakat, Ne tür bir indirim granülerliği verilebilir, ne kadar "demir tozu" elde edilebilir; etkinliğe girişin birinci seviye menüye mi yoksa ikinci seviye menüye mi yerleştirilmesi kullanıcının "elde tutmasını" artırabilir; en sadık olanı ne tür bir reklam kanalı getirebilir müşteri. Tüm bunların cevapları sezgisel değil.
Sezgisine inanan bir CEO, bir cadı tanrısından başka bir şey değildir.
[Zhuge IO'dan bir ürünün / resmin kullanıcı yaşam döngüsünü karşılaştırmak için dünyadaki insanları kullanın]
Elbette birçok kişi verinin önemini anladı. Bununla birlikte, verilerin kendisi çok geniştir ve "keskin verilerin" nasıl bulunacağı insanların ilgilendiği şeydir. Kong Miao, Lei Feng.com'a şunları söyledi:
Geleneksel kurumsal veri analizi genellikle şu verileri kullanır: sipariş hacmi, BAU (günlük aktif kullanıcılar), UV (benzersiz ziyaretçiler), PV (tıklamalar), tutma oranı vb.
Ancak bu verilerin insanlara özel davranış rehberliği vermesi zordur. Kullanıcı verilere baktı, ancak veri hacmindeki artışın veya azalmanın nedenini bulamadı ve yalnızca endişeli olabilirdi.
Kong Miao, Zhuge IO'nun sağlamak istediği şeyin, bunlarla sınırlı olmamak üzere, ayrıntılı veriler olduğunu söyledi: Kullanıcının kaynağı, kullanıcı tarafından kullanılan cihaz, her kullanıcının tıklamasının detayları, kullanıcının göz atma yolu, kullanıcının tekrarlayan ödemesi, okunan makale sayısı, makalenin popülerliği vb. Ve karmaşık hesaplamalardan sonra bu verilerin kanunu .
Bu verilerin ürün, pazarlama, pazarlama ve teknoloji gibi farklı departmanların çalışmalarının iyileştirilmesine bile rehberlik edebileceğine inanıyor.
Ürün geliştirmede GodenPass (altın yol) kavramı vardır. Ürün tasarımcısının hipotezindeki, kullanıcının önce neyi önce fark edip sonra neyi tıklaması gereken tam bir yol kümesidir. Ancak gerçek kullanımda, kullanıcılar genellikle yanlış yapar. Genellikle "önemsiz" bir şeyle dikkati dağılır. Şu anda, "ürüne kullanıcının elinde ne olduğu" konusunda tam bir kontrole sahip olmak gerekiyor.
[Kullanıcılar genellikle ürün tasarımcısının niyetine göre hareket etmezler]
Kong Miao'nun "kara kutu analizini beyaz kutu analizine dönüştürme" dediği şey budur. Çünkü geleneksel veri analizi hizmetlerinde, birçok faktör bir veri sonucu oluşturmak için karıştırılır ve hangi veri değişikliğinin nihai sonuca neden olduğunu söyleyemezsiniz. Şirketler, "beyaz kutu" olduktan sonra, Tanrı'nın bakış açısından durabilir ve kullanıcıların elinde uygulamada neler olup bittiğini açıkça görebilir.
Size bir kapı açmak gibi, yepyeni bir dünya gördüğünüzde asla geri dönemezsiniz.
Dedi.
Veri feribotundan cevaplamaya kadar hesaplama
Zhuge IO'nun veri analizi kabaca aşağıdaki aşamalara ayrılabilir: Uygulamanın veya hizmetin kodundaki "gömülü noktalar", yani bireysel bir kullanıcı tarafından gerçekleştirilen her işlem tespit edilecektir. Gömme noktaları çok önemli olmasına rağmen teknik olarak zor değildir. Kong Miao, bir müşteri için gömme planını düzenlemenin yarım gün sürdüğünü, ayrıca müşterinin bunu uygulamak için yarım gün harcadığını, temelde bir veya iki günde yapılabileceğini söyledi.
Bu sürecin çoğu deneyim ve birikime dayanmaktadır. Farklı endüstriler tarafından tespit edilmesi gereken veriler çok farklı olacağı için ve yeterli endüstri ve kasa gömme çözümleri biriktirildiğinde, her şey daha kolay hale gelir ve yalnızca şablonun sürekli olarak değiştirilmesi ve geliştirilmesi gerekir.
[Farklı eylemlerin doğru istatistikleri / resimleri Zhuge IO tarafından sağlanmaktadır]
Gerçek zorluk, geleceği tahmin edebilmesi için verilerin nasıl analiz edileceğidir.
Hayal edebiliyoruz.
Bir eylem noktası için, zamanını, ekipmanını ve kaynak parametrelerini kaydetmeniz gerekir.Bir hizmette, ABCD düğmesine tıklamak ve ABCD hizmetini seçmek dahil olmak üzere genellikle birçok eylem noktası vardır. Sıra ve zaman aralığı gibi ayrıntılı bilgiler.
Bu veriler, bir kullanıcının Uygulamayı kullanma şeklini doğru bir şekilde geri yükleyebilir. Ancak bir kural çizmek istiyorsanız, bu "tüm verileri" "çapraz hesaplamanız" gerekir. Bu hesaplamanın karmaşıklığı, veri miktarı arttıkça katlanarak artar.
Herhangi iki veri kümesi arasındaki ilişkinin hesaplanması, herhangi bir boyutta birleşik hesaplamalara da izin verdiğimizden ve hesaplama sonuçlarının gerçek zamanlı olarak verilmesi gerektiğinden bahsetmek yerine, büyük miktarda hesaplama gerektirir. Hesaplama tek tek yapılırsa, genellikle sunucumuzun bilgi işlem darboğazını aşacaktır. Algoritma başarısız olduğunda, bir dizi algoritmaya geçmemiz gerekir.
Basitçe söylemek gerekirse, önceki hesaplama bir tek terimli gibi görünüyor, ancak bu tek terimliyi birçok polinomlara bölersem ve dağıtılmış hesaplama kullanırsam, hesaplama mümkün hale gelir.
Kong Miao dedi.
Algoritmanın nasıl geliştirileceği, Kong Miaohe ekibinin güçlü olduğu yerdir. Algoritmanın iyileştirilmesi için önemli bir içerik var.
Büyük miktarda hesaplama göz önüne alındığında, ortak analiz modellerini önceden hesaplanmış modüllere dönüştürmek ve sonuçları önceden hesaplamak için bir yöntem benimsedik. Bu şekilde, müşteriler hesaplama yapmak istediklerinde arka planda yapmamız gereken şey önceden hesaplanmış sonuçları işlemektir, bu da çok fazla zaman ve hesaplama gücü tasarrufu sağlayacaktır.
Dedi. "Bu, kullanıcının işinin tam olarak anlaşılmasını ve deneyim birikimini gerektirir."
Buna dayanarak, aşağıdaki gibi yararlı sonuçlar çıkarılabilir:
-
Kırmızı zarfları kapıp da tüketmeyen Didi Taksi'de kim onlara aitti?
-
Beş kırmızı zarf kapıp ondan fazla taksiye binen insanların özellikleri nelerdir?
-
Sık göz atan, ancak "Çalışma" konusunda uzmanlarla tanışmayan insanlar nasıl bir zihniyet?
-
"FenAn" da Wang Sicong tarafından ne tür kullanıcılar önerildi ve gizli dinlemeyi tamamladı?
Farklı koşullar tarafından tanımlanan modele göre, belirli belirli davranışlar ile yüksek ödeme ve yüksek tutma arasındaki ilişki filtrelenebilir. Bu yasaya göre, hizmet sağlayıcılar gelecekte bu koşulu karşılayan kullanıcılara "odaklanarak" genel işleyişi ve karlılığı artırabilir.
Verinin "sihirli gücü"
Veri analizinde, önemli bir oyun "huni analizi" dir. Bu çok canlı bir metafor.
Bir e-ticaret şirketinin sahibiyseniz ve kullanıcının ekranını görmek için "süper güçlere" sahipseniz, kullanıcının uygulamanızı ürünleri aramak için kullandığını göreceksiniz, ardından dikkatlice seçip karşılaştırın, ardından alışveriş sepetine ekleyin ve ardından elinizi koyun Ödeme düğmesine. . .
Kullanıcı her adım attığında, gizlice daha iyi olacaksınız ve ödeme bağlantısına sorunsuz bir şekilde "ilerlemesini" bekleyeceksiniz. En çok korktuğunuz şey, kullanıcı belli bir bölüme geldiğinde aniden tereddüt edip kafasının karışmasıdır, bir süre düşündükten sonra doğrudan iptal düğmesine tıklar. Göğsünüzü ekranın arkasında yendiniz ve bu sayfanın içeriğini iyileştirmek için bir neden bulmaya yemin ettiniz, böylece kullanıcı bir dahaki sefere "yarı yolda pes etmemesi"
Huni analizinin yaptığı şey, bu süreçleri üst üste koymak ve ardından süreç ilerledikçe her adımda kaç kullanıcının kaybolduğunu hesaplamaktır. "X" adımını gördüğünüzde, geçen kişi sayısı aniden azalır, sorunun bu adımda yatması gerektiğinden emin olabilirsiniz.
[Huni modelinin şematik diyagramı]
Kong Miao, huni analizini iki ana kategoriye ayırdı:
Adım stili: Meitu Xiuxiu gibi tutarlı bir, iki, üç ve dört adımdır, bir resim çekin, resmi rötuşlamak için filtreye tıklayın ve paylaşın. Güvenlik açıklarından yararlanmanın analizi, kullanıcıların en çok hangi adımda kaybettiği açıktır.
Durum türü: Tutarsız bir adımdır, ancak mantıksal olarak ilişkilidir. Örneğin, Uygulamada bir seyahat ürünü seçersiniz. Önce rehbere bakıp ardından uygulamayı kapatmayı seçebilirsiniz; birkaç gün sonra uygulamaya tekrar girersiniz ve seyahat ürünlerini seçersiniz, ancak sipariş vermediniz; birkaç gün sonra uygulamaya tekrar girersiniz ve sonunda satın almak için bir sipariş verirsiniz Ücretsiz bir egzersiz.
[Huni modeli altında, dönüşüm oranı ve kayıp oranı istatistikleri / Zhuge IO tarafından sağlanan resimler]
Kullanıcılar, veri analizi yoluyla müşterinin hangi aşamada en yüksek "terk etme" oranına sahip olduğunu belirleyebilir ve ardından bu adımda neyin yanlış gittiğini umutsuzca araştırabilir.
-
Meitu Uygulamasını örnek olarak alın, eğer kullanıcı filtre seçme adımında en yüksek orandan vazgeçerse, o zaman filtrelerinizin yeterince çekici olmaması veya hatta bazı filtrelerinizin kullanıcı tarafından çok derinlemesine gizlenmiş olması muhtemeldir. Bul.
-
Örnek olarak duvar kağıdı uygulamasını ele alın. Kullanıcılar arama yaptıktan sonra yüksek oranda "mavi ince mantarlardan" vazgeçerse, bunun nedeni muhtemelen duvar kağıdınızın güzel görünen "mavi ince mantarları" olmaması ve hızlı bir şekilde "stoklamanız" gerekmesidir.
-
Örnek olarak Uxin kullanılmış arabayı ele alalım: Analiz belirli bir yerde "Tesla" arayan kullanıcıların oranının çok yüksek olduğunu tespit ederse, o zaman verilere göre Tesla'nın bu alandaki stoğu buna göre artırılmalıdır.
Bu noktada, bu soğuk veriler buharlaşan karlara dönüştü.
Kong Miao, kendisini etkileyen iki örnek verdi:
-
Boozou Comics Uygulamasının yenilenmesinden önce, ana sayfada "Boomman" ve "Fun Tu" gibi içerik kategorileri gösteriliyordu. Zhuge IO ile analiz ettikten sonra, kullanıcıların geçici olarak bir kategori adını tıkladıkları, ancak bu kategori altındaysa İlgilendiğim içeriği bulamadım ve çıkma olasılığı çok yüksek (Wang Nima'nın beklediği gibi değil, üst düzey menüye dönüp kategoriyi yeniden seçiyorum.) Bu nedenle Boomman ekibi, Ana sayfada bir şelale ile Uygulamayı geliştirdi Form, kullanıcının beğenebileceği içeriği gösterir. Bu şekilde, kullanıcı aşağı çekme işlemi sırasında beğendiği içeriği bulduğunda, Uygulamayı "etkileyecek" ve beğenilme büyük ölçüde artacaktır. Aslında, bu iyileştirme sayesinde çizgi roman Elde tutma oranı şaşırtıcı bir şekilde% 68 arttı.
-
Fenda, "ekran kaydırmalı" popüler bir çevrimiçi bilgi paylaşım platformu. Pek çok kişi bunun "Xing Xing" den (Xing Xing: uzmanların çevrimiçi randevuları ve çevrimdışı randevular için bir bilgi paylaşım platformu) doğduğunu bilmiyor. Zhuge io'nun dönüşüm hunisi sayesinde, sektördeki ekip, uzmanlar ve kullanıcılar arasında bilgi paylaşımının başarı oranını artırmak istiyorsa paralelleştirilebilecek başka bir model olup olmadığını keşfetti. Böylece, Zhuge io veri analizi platformuna dayalı olarak, hat içi ekip bazı girişimlerde bulunmaya başladı, örnek kullanıcıları taradı ve bir etkileşim modeli oluşturdu. Gray "gıcırtı" işlevini açtı.Son olarak, veriler modelin uygulanabilir olduğunu ve verilerle desteklendiğini buldu. , Günde iki H5 versiyonunun hızında yinelendi ve sonunda Fenda APP'yi bağımsız olarak başlatarak tüm pazarı patlattı.
[Revizyondan sonra, kaçak manganın ana sayfası bir şelale gösteriyor]
son
Verinin özü aslında her kullanıcı ve arkasındaki her kişidir. Kullanıcı verilerinin analizi İnternet dünyasındaki herkesin imajını özetleyebilir. Herkesin düşüncelerinin nicel olarak hesaplanması, dünyayı anlamamızın başka bir boyutu haline geldi.
Kong Miao, İnternet ürünlerinin kullanıcı akışını tahta bir fıçıdaki suyla karşılaştırıyor.
Çin'de İnternet daha önce patlayıcı bir büyüme aşamasındaydı, çünkü ekonomik durum yükselişte. Bu ürünlerin sadece çılgınca büyümesi gerekiyor ve veri analizinin ayrıntılarını umursamıyor. Namluda delikler var ama etrafında bol su var. Şu anda, mantıklı seçim muhtemelen önce kovayı çevreleyen su kaynağıyla doldurmak olacaktır. Ancak artık ekonomi istikrarlı, su kaynakları kıt ve akış hızı gittikçe daha pahalı hale geldiğinden, boşlukların tehlikeleri vurgulanıyor. Örneğin, bir turizm ürünü için, ortalama müşteri edinme maliyeti şu anda kişi başına 3.000 yuan'a ulaştı. Bu devasa maliyet, veri analizi maliyetini aşmış görünüyor.
Bu nedenle gelecekteki veri analizi pazarı hakkında iyimser.
Sezgi bir tür vahşiliktir, veri bir tür düzendir.
Bu dünya vahşete veda edince, düzenin gücü öne çıkmaya başladı.
