业务分析主题系列：常见的业务场景

常见的业务场景
场景1：数据涨跌异常如何处理？
场景2：如何评估渠道质量，确定投放优先级？
场景3：一个功能/内容上线后，如何评估其价值？
场景4：如何了解数字背后的用户？
场景5：对于羊毛党，如何查出谁在薅？

 
场景1：solution

对比分析，多维度拆解

常见假设：

活动影响：查对应活动页面对应动作的数据波动，关注活动是否有地域属性

版本发布：将版本号作为维度，区分查看

渠道投放：查看渠道来源变化

策略调整：策略上线时间节点，区分前后关键指标波动

服务故障：明确故障时间，按时间维度进行小时/分钟级别拆解

另外维度拆解可以叠加
场景2：solution

常见的渠道划分方式：

  渠道质量跟踪：

①选择关键事件

选择反映产品目标人群会做的行为的数据

例如：

√ (电商)购买，(社区)发帖(可衡量各渠道的用户是否为目标用户)

Χ 完成为期3个月的课程(门槛太高/流程太深，转化率极低，无区分度)

Χ 打开APP,访问首页(门槛太低，同样缺乏区分度)

②查看产生关键事件的用户来源是哪
场景3：solution

    上线后的目标与价值清晰明确

借助漏斗分析对比（转化关系明确时）

借助用户分群对比（转化关系较复杂时）

    上线后关注其对产品价值的提升

借助精准留存对比

    上线后探索更长期的产品潜力

借助分布情况分析，对比其是否优化了使用频次/场景的分布

①产品核心功能使用频次的分布

②使用场景（如时间段）的使用
场景4：solution

高质量拉新：

①“真正的用户”： 高留存，核心行为频次、完成率高

②“真正的用户”的特征：

    是谁（如图书网站，通过用户买卖的书籍推断用户的年龄、受教育程度、地域、消费能力）
    从哪儿来（通过电话访谈等方式，发现很多来自朋友推荐的用户）

③按此特征，找到类似的用户：

    用户画像（倾向社科类书籍；高校，科研所，知识密集型区域）
    渠道来源（用人拉人而非广撒网地投放）

精准运营推送：

①运营资源盘活

[千人一面]整个公司的内部营销资源存在上限

[千人十面]往往就能解决80%的问题，对应7~8个标签足矣

[千人千面]人力运营往往难以企及，自动化后或许可以

②推送内容与用户有关

向我说话 x 由我触发 x 和我有关

辅助产品设计：

    谁：用户画像
    在什么情况下：行为序列的属性
    干什么&遇到什么问题：行为序列or屏幕录像