《浅谈用户分析方法 by 饼干哥哥.pdf》由会员分享,可在线阅读,更多相关《浅谈用户分析方法 by 饼干哥哥.pdf(27页珍藏版)》请在三个皮匠报告上搜索。
1、DataFunSummitDataFunSummit#20232023浅谈用户分析方法论饼干哥哥饼干哥哥某大厂在职数据分析师 负责围绕用户价值提升的数据分析项目在业务的落地。曾搭建用户数据中台CDP、企业级数据中心、商业智能(BI BI)决策系统等,开发商品推荐、门店选址等模型并部署至业务系统实现业务增长。擅于洞察底层思维、搭建业务模型,在数据挖掘方面具有丰富落地经验自我介绍什么是用户运营用户分群常见用户分析方法用户的Aha时刻 魔法数字目录 CONTENTDataFunSummitDataFunSummit#2023202301什么是用户运营潜在用户拉新注册用户活跃/留存首单用户转化重购用户
2、转化/复购流失用户促活曝光量曝光量获客成本获客成本召回DAUDAU活跃率活跃率在线时长在线时长付费率流失率召回率复购率首购金额首购金额首购人数首购人数7 7日留存日留存重购金额重购金额重购人数重购人数累计金额累计金额累计次数累计次数付费 付费率转化率流失人数流失人数新客客单新客客单转化率转化率买更多买更多买更贵买更贵产出值产出值用户全生命周期模型DataFunSummitDataFunSummit#2023202302常见用户分析方法顾客是谁?顾客是谁?圈人群圈人群打广告打广告顾客是谁?顾客是谁?圈人群圈人群打广告打广告顾客是谁?顾客是谁?圈人群圈人群打广告打广告谁在多长时间做多少次什么行为谁
3、在多长时间做多少次什么行为用户属性分析用户行为分析常见用户分析方法谁在多长时间做多少次什么行为用户属性分析用户行为分析常见用户分析方法谁在多长时间做多少次什么行为用户属性分析用户行为分析常见用户分析方法分析场景解决的业务问题分析方法用户特征XX人群有什么特点对比分析&可视化决策树用户画像用我产品的人是谁TGI指标用户分群促销资源怎么分配业务逻辑与算法聚类用户分层哪些用户可以插队标准思维&帕累托法则分析场景解决的业务问题分析方法用户的Aha时刻边际效用最大的地方在哪魔法数字用户留存新用户留存提升同期群分析用户流失老用户流失预测与原因分析、召回回归分析用户生命周期用户接下来还会买多少ARPU与CL
4、V解决问题:用户到底是谁?有限资源如何分配?解决问题:用户运营的策略该如何制定?DataFunSummitDataFunSummit#2023202303用户分群:业务逻辑与算法聚类用户分群来源:贝恩与天猫发布的八大策略人群用户分群来源:贝恩与天猫发布的八大策略人群用户分群特征TGI30%10570%35420%99新锐白领小镇青年精致妈妈1.品牌用户群3.人群划分4.反向看人群特征5.结合业务场景定性年龄性别月均消费金额城市等级月均消费频次是否有孩子2.业务标签 问题在于业务含义。消费频次F Frequence消费金额M MonetaryA用户B用户bac2=a2+b2人群一人群一人群二消费
5、频次F Frequence消费金额M Monetary用户分群工具之KMeans聚类算法年龄高中低35岁及以上25-34岁18-24岁0- 以上职场穿搭XX系列黄金PC情侣送礼ZZ系列城市等级1-2线下沉市场3线及以下职场穿搭约会穿搭情侣送礼一二线城市情侣送礼1200 以上黄金PC消费力消费频次消费金额高低黄金PC 以上黄金PC职场穿搭XX系列将人群标签 和 产品标签 做交叉,可以得到在不同人群标签下匹配的产品标签,例如18-24岁人群更偏好购买FUN趣产品XX系列用户分群工具之业务逻辑细分人群画像大服饰人群 以上职
6、场穿搭AA系列高阶时尚品质生活情侣送礼大众实用XX系列YY系列1200 以上AA系列黄金PC低价有颜低价实惠ZZ系列大快消人群 以上黄金PC职场穿搭AA系列新锐白领资深白领情侣送礼Z时代/小镇青年ZZ系列将人群标签(策略人群)和 产品标签 做交叉,可以得到在不同人群标签下匹配的产品标签,例如新锐白领人群正在消费黄金PC、情侣送礼场景的耳饰产品。ZZ系列YY系列精致妈妈YY系列用户分群工具之业务逻辑细分人群画像聚类示意对人群画像标签进行聚类,例如 产品标签黄金PC与场景标签情侣送礼,在多个人群标签下共同出现,则认为它们是高度匹配的。用户分群工具之业务逻辑细分人群画像:最终
7、对相似标签进行聚类,形成如下人货场方案。人群分层货品匹配人、货沟通场景核心人群Z时代偏好低价小镇Z时代悦己小资高阶白领下沉市场大众实用18-29岁35及以上资深白领高消费力高阶时尚25-29岁新锐白领品质生活1-2线城市ZZ系列YY系列 以上黄金PC约会穿搭职场穿搭情侣送礼使用场景示例:后续可针对高阶白领人群,在职场穿搭场景下,推荐真我/御范系列、800元以上的耳饰产品。XX系列用户分群工具之业务逻辑DataFunSummitDataFunSummit#2023202304用户的Aha时刻 魔法数字谁在多长时间做多少次什么行为魔法数字戳中用户Aha时刻的工具魔法数字 解
8、决的是标准阈值的问题。次日留存率=(某日新增的用户中,在注册的第2天还进行登录的用户数)/该日新增用户数3日留存率=(某日新增用户中,在注册的第3天还进行登录的用户数)/该日新增用户数用户留存率计算日期新增用户数次日3日4日5日6日7日8日9日10日11日12日13日2023.08.00523.08.02594660753434630022023.08.0321212023.08.041301107
9、788372465551332023.08.0520494984422023.08.06267023290922828543当日注册的用户数当日注册的用户数在第2天有多少人回来当日注册的用户数在第3天有多少人回来次日留存率=1435/1692=84.9%X:关注人数Y:7天留存率魔法数字目标拐点戳中用户Aha时刻的工具魔法数字 条件概率的逻辑。问题在于相关与因果。关键在于测试验证因果性。技巧:可以借助 Pythonython 中的kneedkneed包找拐点戳中用户Aha时刻的工具魔法数字 应用案例:价格要做到多少,客户满意度才能达标?计算魔法数字假设我们目标是综合满意度是90分,代入y值,就有公式 90=-103.35x+180.55换位后解得:X=0.876,也就是说只有当价格与市场均价比做到0.876时,才能达到目标。感谢观看饼干哥哥某大厂在职数据分析师 负责围绕用户价值提升的数据分析项目在业务的落地。曾搭建用户数据中台CDP、企业级数据中心、商业智能(BI BI)决策系统等,开发商品推荐、门店选址等模型并部署至业务系统实现业务增长。擅于洞察底层思维、搭建业务模型,在数据挖掘方面具有丰富落地经验与我交流