1. 首頁 > 生活百科 > >

介紹一個通用的數據分析方法論 如何運營分析？( 三 )

小知識運營分析


比如， 我們繼續使用前面提到的案例——用戶**依次**點擊了ABCD四個位置才產生了GMV：

  1. **首次互動歸因模型**：也就是用戶第一次做某件事， 在數據中通常表現為時間最早、順序號最小等等 。 那么我們給A記100%， B、C和D記0% 。
  2. **最終互動歸因模型**：也就是用戶最后一次做某件事， 對應的在數據中就表現為時間最近、順序號最大等等 。 那么我們給D記100%， A、B和C記0% 。
  3. **線性歸因模型**：也就是平均分 。 那么我們給ABCD分別記25% 。
  4. **加權歸因模型**：也就是給多個促成因素分配一定的權重， 例如A和B各記30%， C和D各記20% 。 正因為多出來一個權重的維度， 需要一定的設計；并且計算權重也可以作為一種分析的過程 。 關于權重也有幾種常見的設置辦法， 比如首末兩項最重要而其它向中間遞減， 或者按時遞減等等 。
當然， 在選擇歸因方式的時候， 也會結合具體業務的特征， 來考慮行為的先后順序、停留時間長短等情況， 對于分析目標的貢獻或影響 。
1.1.5 決策
最后就可以決策了 。 但經過了前面的幾個步驟逐漸消除了不確定性， 決策反而是最簡單的一步了——就是找出那個表現最好的版本、表現最好的位置、表現最好的拉新方法而已 。
而當我們有一些新的idea時， 同樣可以作為A/B Test中的一個版本， 加入到這套評價體系中， 進行綜合評價 。
1.2 應用案例這套方法論不僅針對日常工作中的專項分析， 在一些已經固化成型的方法論中， 也可以找到這套基礎方法論的影子 。
我們來看幾個已經成型方法論案例：
1.2.1 A/B Test實驗
首先我們要看的案例就是A/B Test 。 在A/B Test的過程中， 首先我們要確定實驗的目的， 也就是我們要通過實驗提高和優化的是哪個指標 。 之后， 我們以實驗中的不同版本作為細分維度， 以指標是否實現作為評價標準， 對實驗結果進行評價 。 如果在實驗的過程中確實遇到了需要歸因的問題， 則還需要考慮如何進行歸因 。
當然， 隨著業務的復雜度不斷發展， A/B Test的難點已經不在于比較和得出結論的過程， 而在于如何設計實驗才能在更短的時間內、耗費更少的用戶流量、進行更多的實驗并得到有效的結論 。 這也是所有這方面的平臺和工具的起點——Google的著名論文《Overlapping Experiment Infrastructure: More, Better, Faster Experimentation》論述的核心內容 。
1.2.2 用戶分群
用戶分群是一個常見的運營手段， 但如何確定分群的準確度， 以及如何在后續的使用中持續地維持準確度， 確是一個數據分析問題 。 在基于特征的用戶分群過程中， 首先要確認的是， 我們希望獲得具備怎樣特征的用戶群體 。
之后， 當我們想找到符合這個特征的用戶時， 就可以使用TGI（Target Group Index， 目標群體指數）來衡量找到的用戶群體是否對這個特征有傾向性 。 例如：如果我們想找到喜歡搞笑短視頻的用戶， 并且以點贊行為作為“喜歡”的定義， 就可以使用TGI的大小來評價我們找到的用戶群體是否確實對搞笑短視頻有所偏好 。
具備了這種分析機制之后， 我們就可以通過各種手段來對用戶進行分群了， 之后針對不同的分群方式就可以計算出多組TGI值， 我們需要的就是那個TGI值最大的子群， 并選擇那個得到這個子群的分群方式 。
反過來說， 關于用戶分群還有另外一種場景：我們已經得到了一個用戶群體， 并想要研究這個群體具備怎樣的特征 。 這時， 同樣可以使用TGI作為目標， 以TGI的大小來衡量分群對各種特征的傾向性 。
1.2.3 經典管理模型：BCG矩陣
在經典的BCG矩陣中， 隱含的一個關注目標是整體利益， 而手段是資源的優化配置——也就是要將企業中有限的資源， 投給更具潛力的業務， 以便獲得企業層面的整體利益最大化 。
為了對這個目標進行深入研究， 在BCG矩陣中， 按照兩個維度對這個指標進行了拆分， 形成了一個二維矩陣 。 在通常的畫法中， 橫向代表相對市場占有率的高低（通常是指相對于行業Top 3）， 而縱向代表了市場增長率的高低 。 相對市場占有率和市場增長率， 就是創造利益的手段了， 占有率高且增長迅速， 自然能更多獲利， 而利益自然是最終目標 。
因此， 由于手段帶來的利益是不同的， 在拆分出的四個象限中， 不同的業務就有了自己的“宿命”——有的維持， 有的追加資源， 有的減少資源， 有的直接放棄 。
二、方法論的優化根據前面對于方法論的整體描述， 有三個點， 可以對這套方法論進行優化 。

推薦閱讀