当前位置:首页 > 报告详情

浅谈用户分析方法 by 饼干哥哥.pdf

上传人: 2*** 编号:142917 2023-09-30 27页 3.08MB

1、DataFunSummitDataFunSummit#20232023浅谈用户分析方法论饼干哥哥饼干哥哥某大厂在职数据分析师 负责围绕用户价值提升的数据分析项目在业务的落地。曾搭建用户数据中台CDP、企业级数据中心、商业智能(BI BI)决策系统等,开发商品推荐、门店选址等模型并部署至业务系统实现业务增长。擅于洞察底层思维、搭建业务模型,在数据挖掘方面具有丰富落地经验自我介绍什么是用户运营用户分群常见用户分析方法用户的Aha时刻 魔法数字目录 CONTENTDataFunSummitDataFunSummit#2023202301什么是用户运营潜在用户拉新注册用户活跃/留存首单用户转化重购用户

2、转化/复购流失用户促活曝光量曝光量获客成本获客成本召回DAUDAU活跃率活跃率在线时长在线时长付费率流失率召回率复购率首购金额首购金额首购人数首购人数7 7日留存日留存重购金额重购金额重购人数重购人数累计金额累计金额累计次数累计次数付费 付费率转化率流失人数流失人数新客客单新客客单转化率转化率买更多买更多买更贵买更贵产出值产出值用户全生命周期模型DataFunSummitDataFunSummit#2023202302常见用户分析方法顾客是谁?顾客是谁?圈人群圈人群打广告打广告顾客是谁?顾客是谁?圈人群圈人群打广告打广告顾客是谁?顾客是谁?圈人群圈人群打广告打广告谁在多长时间做多少次什么行为谁

3、在多长时间做多少次什么行为用户属性分析用户行为分析常见用户分析方法谁在多长时间做多少次什么行为用户属性分析用户行为分析常见用户分析方法谁在多长时间做多少次什么行为用户属性分析用户行为分析常见用户分析方法分析场景解决的业务问题分析方法用户特征XX人群有什么特点对比分析&可视化决策树用户画像用我产品的人是谁TGI指标用户分群促销资源怎么分配业务逻辑与算法聚类用户分层哪些用户可以插队标准思维&帕累托法则分析场景解决的业务问题分析方法用户的Aha时刻边际效用最大的地方在哪魔法数字用户留存新用户留存提升同期群分析用户流失老用户流失预测与原因分析、召回回归分析用户生命周期用户接下来还会买多少ARPU与CL

4、V解决问题:用户到底是谁?有限资源如何分配?解决问题:用户运营的策略该如何制定?DataFunSummitDataFunSummit#2023202303用户分群:业务逻辑与算法聚类用户分群来源:贝恩与天猫发布的八大策略人群用户分群来源:贝恩与天猫发布的八大策略人群用户分群特征TGI30%10570%35420%99新锐白领小镇青年精致妈妈1.品牌用户群3.人群划分4.反向看人群特征5.结合业务场景定性年龄性别月均消费金额城市等级月均消费频次是否有孩子2.业务标签 问题在于业务含义。消费频次F Frequence消费金额M MonetaryA用户B用户bac2=a2+b2人群一人群一人群二消费

5、频次F Frequence消费金额M Monetary用户分群工具之KMeans聚类算法年龄高中低35岁及以上25-34岁18-24岁0-400800-12001200 以上职场穿搭XX系列黄金PC情侣送礼ZZ系列城市等级1-2线下沉市场3线及以下职场穿搭约会穿搭情侣送礼一二线城市情侣送礼1200 以上黄金PC消费力消费频次消费金额高低黄金PC800-12001200 以上黄金PC职场穿搭XX系列将人群标签 和 产品标签 做交叉,可以得到在不同人群标签下匹配的产品标签,例如18-24岁人群更偏好购买FUN趣产品XX系列用户分群工具之业务逻辑细分人群画像大服饰人群800-12001200 以上职

6、场穿搭AA系列高阶时尚品质生活情侣送礼大众实用XX系列YY系列1200 以上AA系列黄金PC低价有颜低价实惠ZZ系列大快消人群800-12001200 以上黄金PC职场穿搭AA系列新锐白领资深白领情侣送礼Z时代/小镇青年ZZ系列将人群标签(策略人群)和 产品标签 做交叉,可以得到在不同人群标签下匹配的产品标签,例如新锐白领人群正在消费黄金PC、情侣送礼场景的耳饰产品。ZZ系列YY系列精致妈妈YY系列用户分群工具之业务逻辑细分人群画像聚类示意对人群画像标签进行聚类,例如 产品标签黄金PC与场景标签情侣送礼,在多个人群

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文是某大厂在职数据分析师关于用户分析方法论的分享。主要内容包括:用户运营的定义,用户分群,常见用户分析方法,用户的Aha时刻,以及如何利用魔法数字找到用户Aha时刻的工具。 用户运营包括潜在用户拉新、注册用户活跃/留存、首单用户转化、重购用户转化/复购、流失用户促活等。用户分群工具包括KMeans聚类算法和业务逻辑细分人群画像。常见用户分析方法包括用户属性分析和用户行为分析。 用户的Aha时刻是指用户在多长时间内做多少次什么行为。魔法数字是解决标准阈值问题的工具,例如次日留存率和3日留存率。通过计算魔法数字,可以找到关注人数和7天留存率的关系,从而找到用户Aha时刻的拐点。 总的来说,本文分享了用户运营的定义和常见方法,以及如何利用数据分析工具找到用户的Aha时刻,从而提升用户价值和业务增长。
"用户分群如何助力业务增长?" "魔法数字如何揭示用户Aha时刻?" "数据挖掘如何驱动用户运营策略?"
客服
商务合作
小程序
服务号
折叠