02 基于大數據的社交媒體用戶行為分析(大數據運營平臺產品功能分析 ——火箭數據紅書版)

戶，從而實現精細化運營。

圖：創建用戶分群

4.定性分析模型

用戶體驗是企業的頭等大事，在產品設計、用戶研究、研發、運營、營銷、客戶服務等眾多環節，都需要掌握用戶的真實體驗過程。但如何優化用戶體驗向來是內部爭議較多，主要原因還是難以具體和形象的描述。通過行為分析分現異常用戶行為時，能否重現用戶使用你的產品時的具體場景，這對于優化產品的體驗至關重要。

以前我在淘寶時，用戶體驗部門會通過邀請用戶到公司進行訪談，做可用性實驗的方式來進行體驗優化，但這種方式需要化費比較多的時間和費用投入，樣本不一定具有代表性。為了解決這個難題，數極客研發了用戶行為錄屏工具，無需邀請用戶到公司實地錄制節省成本，直觀高效的以視頻形式還原用戶的真實操作，使得企業各崗位均能掌握用戶體驗一手信息，幫助產品研發提高用戶體驗。

圖：用戶行為錄屏播放界面

總結：通過AAARRR模型分析用戶生命周期全程; 通過轉化率分析模型 提高產品轉化率; 通過精細化運營 提高運營有效性; 通過定性分析方法 優化用戶體驗; 如果以上4方面都做好了，就一定可以通過用戶行為分析實現業務增長。

五、用戶行為分析的未來方向是什么？

有很多人問我，為什么已經有幾家做用戶行為分析的公司了，你還要創辦數極客？ 我認為數據分析的目標是應用分析結果優化經營效率，而國內外主要的分析工具，還只停留在分析層面，對于如何高效的應用還有很大的空間。因此數極客除了要在分析層面做得更專業和更有效，還要在應用層面實現新的突破。數據分析結果反映的問題主要是兩類：運營(含營銷)和產品。所以需要針對這兩類問題提供針對性的解決方案。

1.運營的自動化

我們前面講了，通過用戶行為分析系統可以實現精細化運營，但具體應用還需要人工制定運營和營銷策略，通過產品、研發開發才能應用，而且當策略改變時，需要重新開發相應的工具，這也占用了很多時間，影響運營與營銷效率。數極客研發了會員營銷系統和自動化運營工具，運營與營銷人員直接設置規則，系統根據規則自動將精準的活動信息推送給符合條件的用戶，直接提高運營人員工作效率，運營人員可以將工作重心轉移到策劃而不是浪費太量時間在重復執行，自動化運營可為企業節約大量運營成本。

圖：創建自動化運營規則

2.產品、運營(營銷)方面的科學決策

用戶行為數據分析，往往是在行為發生之后進行分析，而產品、運營都是通過經驗，拍腦袋進行決策，一旦決策失誤就會造成難以挽回的結果。因此如果能在產品、運營方案上線前，通過用戶分流A/B測試進行小范圍驗證，選擇其中最優的方案發布，這樣就可以大大提高決策的科學性。

Google每年通過運行數萬次A/B測試優化產品、運營，為公司帶來了100億美元的收益。

A/B測試的方法非常有效，但國內互聯網公司應用不普遍，主要和應用A/B測試的復雜性有關，

數極客擁有完整的A/B測試工具，業務人員可以在網站和APP上自助使用可視化試驗編輯工具，創建并運行試驗，通過自動解讀測試報告，使得A/B測試門檻大大降低。

圖：網站端可視化編輯試驗工具

3.分析的自動化

用戶行為分析有一定專業性，不僅需要掌握不同的分析方法，還要熟悉業務，結合業務才能給出有價值的分析結果。 如果能像360安全衛士一樣，只需要加載SDK，就能自動診斷和分析，并給出解決方案，這是數據分析的未來方向，數極客在這方面也有積極的嘗試，并有了初步成果，目前擁有數據自動預警、自動報表等功能。

用戶行為分析是一門科學，善于獲取數據、分析數據、應用數據，是每個人做好工作的基本功，每家企業都應該加強對用戶行為分析大數據的應用，從數據中找出規律，用數據驅動企業增長。

數極客是國內新一代用戶行為分析平臺，是增長黑客必備的大數據分析工具，支持APP數據分析和網站分析，獨創了6大轉化率分析模型，是用戶行為分析領域首家應用定量分析與定性分析方法的數據分析產品，并且基于用戶行為分析系統，提供了會員營銷系統和A/B測試工具兩大數據智能應用解決方案，使得企業可以快速的實現數據驅動增長。

本文由數極客CEO謝榮生原創，歡迎轉載，轉載請保留全文和作者信息。

怎樣理解互聯網行業“數據分析”的意義

本文通過以下七部分拆解數據分析：

一、什么場景和行業需要數據分析

二、數據分析會騙人嗎？

三、怎樣排除虛假流量？

四、PC端數據分析指標&方法論

五、電商、金融行業數據分析

六、數據分析的趨勢

七、怎么培養數據分析的能力？

第二部分拆解六、七部分

六、數據分析的趨勢

第三個趨勢，我認為數據分析的崗位可能慢慢就會消失了。數據分析崗位的消失在近幾年不會出現，但未來十年內不好說。我認為數據分析的技能對所有互聯網從業者來說，就像對于辦公軟件以及語言的掌握一樣，會成為人人必備的技能。

第四個趨勢，機器學習的發展將最大限度實現程序化數據應用。

目前數據應用的很多環節都在應用機器學習，比如程序化購買、自動化廣告素材優化、智能商品推薦等等，但相互之間是割裂的，還需要人去做各個環節的串聯。機器學習會慢慢替代人來串聯一個一個的程序化模塊，程序化的整體數據應用方案將會覆蓋互聯網領域。

這四個趨勢我認為是我們很快就能夠看得到的。

七、怎么培養數據分析的能力？

第一個建議，方向比努力還要重要。

數據分析并不是一個特別細分的領域，它里面包含了很多的方向。作為一個數據分析的入門者，當你了解了數據分析行業概況之后，你要做的一件事情就是了解這個行業有哪些方向，選擇一個方向深挖。數據分析有三個常見的發展方向。一是數據挖掘；二是數據建模和數據應用；三是商業數據分析。每個方向都不容易到達巔峰，所以盡快確定主攻方向，盡快扎進去有助于迅速成長為一個領域的專家，和其它專家共同協作攻克數據分析領域更前沿的課題。

第二個建議，懂生意比懂數據重要。

一開始我們就談到數據的價值是要最終服務于某個具體業務的，所以要想讓數據發揮更高價值，對于業務知識的掌握是需要重視的，否則數據分析結果和業務存在距離或不能落地，不能實現商業增值，數據就會因此貶值了。

第三個建議，在場景里做分析比理論分析更重要。

第二方面，用戶體驗輸出。你面向的是用戶，所以更重要的是你的內容如何跟用戶產生共鳴。并不是說你設計的多漂亮、運行的多流暢，而是涉及到用戶情感和用戶感受層面，這也是量化指標難以駕馭的，需要加入人腦對于場景的理解才能做好。

第四個建議，注重人機協作。

對剛入門的數據分析師，我非常建議把人機協作這件事情提上日程，作為重點學習的方面，善于利用機器的力量代替人的力量，把人解放出來做人更擅長做的事情，人機配合最大化。機器擅長數據清洗、數據建模、數據預警、數據可視化等，所以提升數據分析能力一定是面向未來的，善于讓機器去做它更擅長的事情，人去彌補機器的不足，更高效地完成分析工作，節省下來的時間就用來提升人獨有的能力。

如何利用大數據思維來進行用戶調研

如何利用大數據思維來進行用戶調研

傳統的產品調研，通常需要先行選定用戶樣本，之后耗費大量人力物力采用不同的調研方法，進行用戶調研。如果把大數據應用到用戶調研當中，憑借著海量的歷史數據樣本，對于調研問題，可以借助大數據進行預分析處理，之后再進行人工選擇性介入處理，不僅可以提高用戶調研的效率，以最快的速度響應用戶需求，而且可以極大的降低用戶調研的成本。基于此，本文試圖利用大數據思維，來解讀大數據時代下用戶調研的新變化。

說明：本文提供的僅僅是大數據時代下，用戶調研的思路。如果有具體的用戶調研需求，歡迎向筆者提出，筆者將在下篇推文中，進行具體案例的探討。

大數據作為一種生產資料，正在越來越深入的影響著人類社會。現在，大數據在電商領域，通過根據相似消費者的商品偏好，向顧客推薦更符合其個人喜好的商品，這一推薦方式不僅僅省去了消費者尋找商品的時間，更是提高了電商平臺的收入。

同理，在音樂、電視劇、電影，廣告投放、用戶調研等領域，大數據的可用武之地也越來越廣。那么，大數據時代給用戶調研方式帶來了哪些改變呢？

大數據被廣泛應用以前，傳統的用戶調研方式，通常需要經過界定調研問題、制定調研計劃、綜合調研方法、設計調研問卷、總結調研結果這5個步驟。

但是，大數據被廣泛應用以后，憑借著海量的歷史數據樣本，對于調研問題，可以借助多種公開的大數據工具進行預分析處理，之后再進行人工選擇性介入處理，將二者進行比對，進行多輪TEST，幫助產品人員發現問題的真相。

一、設置出優秀的調研問題，調研便成功了一半

設置調研問題，處于整個調研的第一個環節，其重要性自然不言而喻。比如某些產品經理可能會提出“用戶為什么不接受視頻付費”，或者“是否有足夠的用戶愿意支付15元/月來觀看正版高清視頻，如果是更低或者更高的價格呢？”前一個調研問題過于寬泛，而后一個調研問題卻又界定的過于單一。

如果將調研問題界定為：

哪一類用戶最有可能使用視頻網站的付費服務？視頻網站不同檔位的價格，分別會有多少用戶愿意支付？所有視頻網站中，會有多少用戶會因為這項服務而選擇該視頻網站？相對于視頻付費，如廣告主贊助，這一方式的價值何在？

當然，并非所有調研的調研內容都能如此具體明了：

有些屬于探索性研究，這類調研的目的在于找出問題的真相，提出可能的答案，或新的創意；

有些屬于描述性研究，這類調研重在描述項目內容的某些數量特征；

還有一些是因果性研究，這種調研的目的是檢測現象之間是否存在因果關系。

二、根據調研問題，進行大數據預分析處理

大數據的魅力在于采集的不是樣本數據，而是全部數據。例如滴滴推出滴滴外賣服務、美團推出美團打車業務，得益于現代社交網絡的發達程度，滴滴和美團幾乎可以對微博、買粉絲等社交媒體上的對于新推出服務的議論進行統計分析，從而提供更好的服務。

例如，可以通過百度指數了解網友對于此項服務的搜索行為，同時進行跟蹤分析：

當然并不是所有的網友都會使用百度搜索，他們也有可能使用360搜索，這時就要借助360指數：

又或者用戶采取其他方式來表達情緒和想法，比如社交媒體微博、買粉絲，可能就會用到微博指數，第三方輿情監測和口碑分析工具，借助新浪微輿情進行口碑分析和文本挖掘：

說明：以上的大數據工具，僅列舉了常用的3種。在實際操作中，大數據工具的選擇，還需要根據用戶具體的調研問題來確定。

三、人工介入，對調研問題進行針對性處理

可以根據大數據分析結果，人工介入到調研問題上來，進行有針對性的調研處理，這時候可以采用傳統的調研方法。但是與以往不同的是，在采用這些調研方法時，不需再耗費大量成本進行種種調研。選擇人工介入的目的，是為了更真實的感受調研過程，參與調研問題的處理上來。

傳統的調研方法，通常有以下4種方式：

1.觀察法

這種方法是采取不引人注目的方式，來觀察消費者使用產品的情形，以收集最新數據資料。某些戰略買粉絲公司在做

很赞哦!（199）