YJ语

最近接触到一个很有意思的东西 - 商品毛利 - 代表商品的正负盈亏状况：商品毛利 = （商品售价-商品成本）/商品售价

抖音电商作为新一代内容电商（也可以称为兴趣电商），与传统电商（淘宝等）和社交电商（拼多多等）存在一定的差异。作为内容电商，抖音电商主要从两方面去创造用户感兴趣的内容从而吸引消费者。一是通过创造视频端的内容去获取精准粉丝，二是通过创造匹配用户的商品端内容去吸引精准用户。运营抖音号就是内容电商的主要运营方式，那抖音平台如何帮助抖音电商解决市场，效率和品牌三大问题？一方面，通过多元化的内容场景让抖音电商的品牌有更多机会出现在用户眼前，激发用户购买需求。另一方面，抖音平台通过简化了购买路径

在对产品进行学习的时候，看到一个有趣的题目，特此记录下来进行学习其中然我感触最深的是2.2问的思路，对于一个活动的成效，单纯只是看指标是不可以接受的，需要考虑其它的因素问题下载星巴克APP,并基于该产品并阐述以下问题1.请为该产品搭建一个完整的指标体系2.假设以下场景：我们所在的应用团队希望促进用户充值，并鼓励使用余额消费，请你为它涉及一个运营活动，其中包括：①如何策划该活动②如何评估该活动的活动效果针对问题1针对问题2.1针对问题2.2完整的思维导图如下：参考：htt

写在前面：今天阅读了一个有趣的文章~原来漏斗分析可以这么使用！它最主要的思想如下:一共进来了多少流量，表达意图的流量占比如何，占比大小可能代表存在什么样的问题，实现意图的流量是多少，多少是否反映我们这个功能的好坏？核心观点是，因为漏斗分析是纵向的分析，但是在每一个漏斗模块可以横向进行分析，细扣流量的变化以及意图。原文如下:Original 胖里 胖里的日常 Today朋友们好呀，我是胖里，欢迎来到我的每周一更。今天算是有感而发，聊点跟漏斗分析相关的内容。这两天在数据管道公众

有些时候建议，也仅仅是建议！而最好的结果是将建议转化为产品！成体系！输出分析建议的人太多，沉淀数据思维做成数据产品的人太少！

1 什么是广告归因广告归因是一个比较特定的业务场景，其定义为“用户旅程中所经历的不同营销渠道的不同接触点对达成转化目标的贡献价值评估。”听起来比较绕，但如果结合一个具体的例子，理解起来就比较明确。某天，你在刷抖音，刷出了一条淘宝的广告（1），卖的是三只松鼠的零食。你点了一下，跳转到了淘宝的购买详情页（2），但感觉这款零食并不符合你的口味，于是点了一下店铺链接，进入了三只松鼠的旗舰店（3）。在首页上，发现了有一款核桃的广告比较不错（4），价格很便宜，你点了进去（5），点击了购买（6）。在刚才的过程描述里

1.CPM（Cost Per Mille） ：展现成本，或者叫千人展现成本2.CPC（Cost Per Click） 点击成本，即每产生一次点击所花费的成本3.CPA（Cost Per Action）：每行动成本。即按行动收费参考：https://www.zhihu.com/question/20416888...

在实习的过程中，常遇到一些指标的定义不清晰地问题（虽然之前学过），现在在对应的场景中进行巩固+理解!今天我们看看SPU和SKU：什么是SPU？SPU=Standard Product Unit（标准化产品单位），通用的SPU是商品信息聚合的最小单位，是一组可复用、易检索的标准化信息的集合，该集合描述了一个产品的特性。通俗点讲，属性值、特性相同的商品就可以称为一个SPU。例如：iPhone XR就是一个SPU，路虎车也是一个SPU，贝拉米是一个SPU，这个与商家无关，与颜色、款式、套餐也无关。什么

在实习的过程中，常遇到一些指标的定义不清晰地问题（虽然之前学过），现在在对应的场景中进行巩固+理解!TGI指数：TGI（Target Group Index）指数，是反映目标群体在特定研究范围(如地理区域、人口统计领域、媒体受众、产品消费者)内的强势或弱势的指数。举例：TGI指数= [目标群体中具有某一特征的群体所占比例/总体中具有相同特征的群体所占比例]*标准数100。例如：将某地区15-24岁的人作为目标群体，将去[电影网站A]看电影作为相同特征；若该地区15-24岁的人中，有8.9%的人去

1. 因果推断的简单介绍本文大概从以下两个方面展开学习：因果性和相关性的定义以及区别。结合日常和业务上的例子有更直观的感受因果推断的常用方法介绍，以及在不同场景下如何应用为什么需要研究因果性？在花小猪的很多场景中，我们是希望能够做决策，来得到我们想要的结果。比如通过对哪些乘客发券，对哪些司机发任务来提高平台的呼叫和tsh。如果只知道相关关系而不知道因果关系，很多场景下达不到我们想要的效果。下面举几个比较典型的混淆因果和相关关系的case来说明这几个问题这就是误用相关性的第一种CA

沃德教授针对联军的轰炸机遭受攻击后返回营地的轰炸机数据，进行研究后发现：机翼是最容易被击中的位置,机尾则是最少被击中的位置。沃德教授的结论是“我们应该强化机尾的防护”，而军方指挥官认为“应该加强机翼的防护，因为这是最容易被击中的位置”。沃德教授坚持认为：(1)统计的样本，只涵盖平安返回的轰炸机；(2)被多次击中机翼的轰炸机，似乎还是能够安全返航；(3)并非是机尾不易被击中，而是因为机尾被击中的飞机早已无法返航，寥寥几架返航的飞机都依赖相同的救命稻草— 引擎尚好。实际上沃德教授的结论才是对的总结

辛普森悖论就像是欲比赛100场篮球以总胜率评价好坏，于是有A专找高手挑战20 场而胜1场，另外80场找平手挑战而胜40场，结果胜率41%，有B则专挑高手挑战80场而胜8场，而剩下20场平手打个全胜，结果胜率为28%，A的胜率远大于B的胜率但仔细观察挑战对象，B明显较有实力。总结：辛普森悖论其实是总体指标的反映情况和组内指标反映情况的一个差异...