神策应用-数据基础(二)

导读:因涉及其他平台,并包含部分行业敏感信息,故该系列文章不设置全开放,敬请见谅!

 

2.数据基础

  • 因为前面并没有说到神策的底层数据逻辑,该章节会涉及

2.1 什么是用户分析

回过头来,我们要重新学习一下数据底层

日常工作中,您可能会遇到如下问题:

  • 新上线的产品功能,每天有用户在使用?新设计后的订单页面成交比率有没有提高?
  • 运营刚上线的活动,用户参与情况怎么样?用户是在哪一步发生流失的?
  • 渠道投放的广告,有多少用户点击了?这些用户后来有在落地页上发生注册吗?

 

在做行为分析需要经历的3个步骤:

1.提出业务问题

2.定义问题的分析对象,具体是哪几个行为

3.对行为进行统计和分析

 

2.2 如何描述用户行为

在神策分析中,我们使用“事件模型(Event 模型)”来描述用户的各种行为,事件模型包括事件(Event)和用户(User)两个核心实体。

2.2.1 Event 实体

一个完整的事件(Event),包含如下的几个关键因素:

Who:即参与这个事件的用户是谁。

When:即这个事件发生的实际时间。

Where:即事件发生的地点。

How:即用户从事这个事件的方式。

  • 这个概念就比较广了,包括用户使用的设备、使用的浏览器、使用的 App 版本、操作系统版本、进入的渠道、跳转过来时的 referer 等,目前,神策分析预置了如下字段用来描述这类信息,使用者也可以根据自己的需要来增加相应的自定义字段。
  • 也比如是使用支付宝还是微信支付等

What:以字段的方式记录用户所做的事件的具体内容。

  • 买的是什么,电脑衣服背包?等
  • 不同的事件需要记录的信息不同,下面给出一些典型的例子:
$app_
version:应用版本
$city: 城市
$manufacturer: 设备制造商,字符串类型,如"Apple"
$model: 设备型号,字符串类型,如"iphone6"
$os: 操作系统,字符串类型,如"iOS"
$os_version: 操作系统版本,字符串类型,如"8.1.1"
$screen_height: 屏幕高度,数字类型,如1920
$screen_width: 屏幕宽度,数字类型,如1080
$wifi: 是否 WIFI,BOOL类型,如true

 

2.2.2 User 实体

  • 每个 User 实体对应一个真实的用户,每个用户有各种属性
  • 常见的属性例如:年龄、性别
  • 和业务相关的属性则可能有:会员等级、当前积分、好友数等等
  • 这些描述用户的字段,就是用户属性

 

技术背景:

【关系存储的数据库和链式存储的数据库】

“神策”使用的是链式存储数据库,从大数据角度这种宽表的运算速率要远高于关系型数据库

  • 在菜单栏上“分析”找到“自定义查询”,输入SQL语句可查询events表格和users表格

 

2.3 埋点方案的制定——事件设计

采集用户行为数据,首先需要根据业务分析需求明确采集的目标行为,进一步搞清楚应该在哪些地方埋什么样的点。这个环节的输出物一般被称之为“埋点需求文档(DRD)”。在大部分互联网公司,规范的产品迭代流程是,业务侧产品经理在输出“产品需求文档(PRD)”的同时,数据产品经理或分析师等角色需要同步输出 DRD,双方的需求同步进入开发和测试验收。

由于神策的底层数据模型是 Event + User 的事件模型,因此埋点在神策分析里被称之为“事件”,埋点需求文档则被统称为“采集方案设计”,本节的工作需要借助神策方提供的《数据采集方案》模板来完成。

 

2.3.1. 采集方案思路

采集方案设计的核心思路,大体来说分为如下几点:

1. 将用户指标拆解为单个或多个行为动作;

2. 将需要分析的目标动作抽象为“事件”,添加事件维度;

3. 根据业务需求,整体完善采集方案设计;

 

例子模板:

内容媒体-事件设计模版.xlsx

神策&内容媒体事件梳理-.xlsx

 

2.3.2. 不同事件设计

行为颗粒度

  • 对于相似场景,比如,提交门票订单,提交机票订单,在设计事件时是针对每个场景单独设计还是合并成一个事件?有两种设计思路共参考:

A.设计为同一事件,适用场景:各事件所需属性相差不大;平时分析场景多整体分析。

B.设计为不同事件,适用场景:各事件所需属性相差很大;分析场景多分别分析。如果采用本思路,也建议在一些相同属性上用一样的属性名称,便于今后使用“虚拟事件功能”来整体分析。

  • 例 : 简单 的统计三个按钮 A、B、C 的点击情况时,不需要做成 “点击 A 按钮”、“点击 B 按钮”、“点击 C按钮” 三个事件,而是做成 “点击按钮” 事件,将 A、B、C 三个按钮以属性 “按钮名称” 进行传递。

 

被动事件

被动事件:由于神策分析中的漏斗分析、留存分析等都需要事件的触发主体是同一个人,所以在一些场景下需要给用户触发被动事件,如用户提交认证后,需要审核,审核并不是由用户主动触发,可设置为被动事件。

 

User表注意

  • 单边,双边用户
    • 单双边是针对产品有多个身份使用用户时才会进行区分。
    • 单边用户,即仅有一 类用户的产品,如健身产品Keep,聊天工具 QQ 等 ;
    • 双边用户如 O2O 产品,用户可能是普通消费者,也可能是商家用户。
    • 需要根据产品的不同,提前对用 户识别和相应属性进行设计。
  • 缓慢变化维
    • 如果遇到一些会发生变化的属性,比如用户的 VIP 等级,不能只作为用户属性传进用户表中,还需在事件表中,记录一个“当前发生事件 VIP 等级” 这个属性。
    • 因为当前会员等级的统计,和发生事件时用户的会员等级统计是两种情况。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
数据是一家专注于数据分析和数据挖掘领域的公司,为各行业提供数据分析解决方案。他们发布的《数据 十大数据分析模型详解 pdf》是一本介绍十种常用的数据分析模型的电子书。 这本电子书详细介绍了常见的数据分析模型,包括但不限于:线性回归模型、逻辑回归模型、决策树模型、聚类分析模型、关联规则模型等。它不仅解释了每种模型的原理和算法,还提供了实际案例和应用场景。 线性回归模型是一种用来预测数值型变量的模型,通过分析自变量和因变量的线性关系来进行预测。逻辑回归模型则是用来预测二分类或多分类问题,例如判断一个顾客是否会购买某个产品。决策树模型是一种用来做决策的模型,通过设置多个决策节点和叶节点来进行有序的判断。 聚类分析模型用于将对象按照相似性进行分组,一般用于市场细分分析。关联规则模型则是探索事物之间的关联关系,例如购物篮分析就是一种常见的关联规则挖掘应用。 这本电子书的目的是帮助读者了解各种数据分析模型,并且学会在实际应用中选择合适的模型。通过阅读这本电子书,读者可以学习到如何进行数据分析,如何选择合适的模型,以及如何解读和应用模型的结果。 总之,《数据 十大数据分析模型详解 pdf》是一本实用的电子书,对于想要学习和应用数据分析模型的人来说是一份很好的参考资料。无论是数据分析师、市场营销人员还是对数据分析感兴趣的人,都可以从中获得很多知识和实用技巧。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值