用好数据分析方法挖掘数据意义形成业务洞察——下篇

《用好数据分析方法挖掘数据意义形成业务洞察——上篇》介绍了在业务流程中常用的五种数据分析方法：对比分析、多维度拆解、漏斗分析、分布分析和用户留存分析；本文将继续介绍：用户画像、归因查找、路径挖掘和行为序列。

一，用户画像

用户画像通过标识和标签将用户分成不同群体，以便对不同群体进行差异化的产品和运营操作，以便提高产品和服务的质量和用户体验，是企业数据驱动的产品运营策略的重要组成部分。

标签一般可以分为四类：

• 1. 基础属性：年龄、性别、生日、星座、教育、身高、收入、职业…

• 2. 社会关系：婚姻、有无小孩、有无女孩、家有老人…

• 3. 行为特征：买过优惠商品、曾获优秀学员…

• 4. 业务相关：日均8000步、体脂率、收藏了100+健身计划、高矮胖瘦…

有了用户画像后，即了解数据背后的用户后，我们可以实现：

• 高质量拉新：从现有用户中找到“真正的用户”，然后用这些用户的特征集合，最后按此特征找到类似的新用户。

• 精准运营推送：运营资源是有限的，尽量提升运营资源的ROI，尽量让推送内容与用户有关。

• 辅助产品设计：用户画像和行为序列等工具，在拟真的环境中验证产品设计方案的合理性，避免个人经验局限性导致的产品决策错误。

二，归因查找

归因查找可以用于找出事情发生的主要原因(目标完成的核心原因)，并了解业务流程中各步骤对最终目标的影响程度。常见的归因模型有末次归因、首次归因和多阶段归因等，适用场景不同。通过选择合适的归因模型，可以分析用户行为、发现关键节点和用户需求，为运营策略提供有力支持。

归因查找通常用于统计各业务模块的贡献和找到业务的爆发点：

• 将目标的达成拆分到各个模块，方便统计各模块的贡献；

• 获悉当前指标达成的主要隐私，获得如何提升业务指标的洞见。

三，路径挖掘

通过分析用户行为路径，包括从起点到结果目标的分析，深入挖掘用户动机。在大部分分析工具中，都提供用户行为路径的分析工具。

路径挖掘适合有明确的起始点或者有明确的结果目标的场景。

• 有明确起始点：希望观察用户在起点之后发生了什么；

• 有明确结果目标：希望观察用户是如何达到目标的。

四，行为序列

通过观察单个用户行为序列观察，深入了解用户对产品或服务的兴趣程度、依赖程度、使用频率等，帮助企业判断用户的真实需求和意图，进而优化产品和服务，提高用户转化率和满意度。

例如：A用户通过注册，进入Demo页面，体验目标检测和实例分割两个Demo，然后跳入公司介绍；B用户通过注册，进入Demo页面，长时间反复体验了多个目标检测和实例分割模型，还进行了性能比较。通过行为序列分析，B用户显然是高潜客户，应让销售团队高优跟进。

再者，通过行为序列分析，可以找到来自手机牧场的机刷流量。手机牧场的手机，由于其行为全部由程序控制，其行为序列会高度一致。

五，总结

《用好数据分析方法挖掘数据意义形成业务洞察——上篇》介绍了在业务流程中常用的五种数据分析方法：对比分析、多维度拆解、漏斗分析、分布分析和用户留存分析；本文则介绍了其它四种数据分析方法：用户画像、归因查找、路径挖掘和行为序列。

更好的算力魔方®期待您的意见与建议！