麦肯锡给大数据定义:

“一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。“

大数据特征可总结为:Volumn规模大;Variety类型多样化;Value有价值;Volacity处理大数据快

大数据分析就是,将获取的数据,打通,整合,找寻规律,立即得出决策信息

数据分析的报告思路(本文从移动端的角度进行切入)

基于我对数据分析的理解,我将数据报告会分成三大类:市场分析、运营分析、用户行为分析。

市场分析

由于市场分析一般而言是定性、定量分析,最近热播剧《我的前半生》贺函和唐晶的职业就是来去咨询公司的一般会以访谈、问卷调查来一份市场分析报告去告诉客户他们的市场占有量,消费者观点等。

这里,我们以移动互联网数据的市场分析为例,通常来说,数据源是公开数据,或者在第三方数据。正如我们所讲,将sdk嵌入开发者应用,就可以收集到安装以及使用列表,那么开发者使用的sdk越多,我们能收集的数据源也越多,这样就可以形成安装app排名,使用app排名,这里面所说的覆盖率、活跃率也是这个意思,例如:即此款应用安装量、使用量在整体金融类的安装量、使用量占比。

那么,这些市场分析的作用呢,一般而言,是对公司市场营销的总结,比如某金融公司kpi是为了获客,他们做了一系列营销,下个月排名我们可以查询到此款应用的安装量,是否较上个月上升呢? 那么我们的竞品表现呢,他们是不是也做了一些列的营销活动排名上升下降?我们都可以通过市场分析,竞品分析来观测,但是这部分的观点由于是市场数据,我们只能通过大量的搜寻官网活动,或者互联网广告推测营销来推测是否竞争对手排名上升和这些营销活动有关。

同时,根据市场的走势图,我们能发现潜在的竞争对手,例如:我们能看出下图中的工商银行由于手机属于高覆盖高活跃组,即安装xxapp活跃人群也是最高的,因此,无疑xx银行是所有银行组潜在竞争对手。需要更加注意他们的市场策略

运营分析

移动互联网提出的方法论:3A3R,笔者之前在做咨询的时候,此方法论也可以将网站分析套用,总结来说3A3R就是:

感知 → 获取 → 活跃 → 获取 → 营收 → 传播 → 感知

这里需要注明下,运营分析只是一个公司的baseline,让产品经理,运营人员,市场人员根据自己本公司的数据参考做出合理的决定同时,运营的数据只是参考或者叫警示,若要具体,需要特定细节的分析,例如是否app改版,怎么改?需要增加哪家渠道合作?

(1)Awareness 感知

根据广告投放数据进行分析,目的判断渠道广告页对app 或者网站引流情况,同时可以帮助广告主设计监测表格,以数字角度衡量广告投放效果

但是,广告数据一般而言在广告监测公司手中,或者公开的使用工具上例如GA,我们需要依靠广告公司设计营销环节,例如活动页,加监测代码,或者在媒体,app应用商店加入代码便于监测广告表现,而往往这样的数据很难加载,一般是由应用商店,或者媒体提供,同时,以上数据,监测公司数据一般而言也不会提供给广告主,只是会提供统计值,这部分的分析我会在之后详细写出,欢迎大家关注我的运营号

言归正传,我们看感知数据其实目的就是想衡量我们的大量的营销投放钱花的对不对,广告的展示量,点击量等是最好衡量一个公司的广告市场部门绩效,没有广告投放,就无法带来获客,因此钱花的值不值,能带来多少客人,才会有下一步 acquisition。

(2)Acquisition 获客

获客是第一步广告投放拓展,用户点击广告后到达应用商店或者着陆页后去下载app,访问网页后,登陆app后的数据是广告公司或者应用商店提供不了的数据,因此获客其实有两重目的。

  • 目的1:衡量第一步提供的数据是否准确,即是否渠道作弊
  • 目的2:判断渠道是否好坏
  • 目的3:判断营销活动是否有效

例如下图中,我们发现4成用户是搜索流量较上个月增加了6%,是不是我们需要增加和sem的合作呢?而在媒体引荐渠道中,我们通过渠道衡量客户转化率,点击-用户激活的,激活的注册转化,可否重点对某应用商店增加合作

下图是目的3的应用,来衡量三个月内的新增用户,活跃用户是否受活动营销、广告投放、版本更迭等影响。例如:7月28日的版本更迭,增加新用户的利器,那么产品经理需要分析下这个版本到底哪里的改变,让用户增长这么快,而8月份的营销活动会唤醒沉睡用户,反应考核运营人员的绩效,那么,是否我们在做促活时候可以借鉴8月的成功经验呢?而这个成功经验需要进一步做专题分析

(3)Activities 活跃

获客后,我们想看看我们的新增、活跃用户的表现情况,那么就到了第三步 活跃,其实就是为产品经理改版app或者页面提供数据支持

活跃分析可参考以下三个步骤:

第一:从页面浏览次数,独立访问人数,来圈定主要页面分析。

例如某款app首页是pv,uv最高,我们会重点分析首页。

第二:根据圈定页面,制作点击热力图,便于产品经理对后续页面改造提供数据支持,例如我们可以将点击量小的按钮在下次改版删除,对点击量大的重新排序

第三:根据圈定页面,制作点击热力图,便于产品经理对后续页面改造提供数据支持,例如我们可以将点击量小的按钮在下次改版删除,对点击量大的重新排序

(4)Retention留存分析& Revenue & Refer

这几个实际上在企业运用的并不多,这里简要说明下。

① Retention

用户积累到一定数量后,我们想看下用户粘性,那么我们就来到retention,一般是衡量活动效果时候运用的比较多,来看此次活动过后,是否用户依旧会使用我们的app,但是由于金融app属性不会像游戏应用每天进行访问,因此Retention 在实际应用中不会太多,下面的例子是个展示,不做赘述

② Revenue

这些留下来的客户给公司贡献多少现金呢?会看收入步骤, 一般公司不会将现金流数据放入在统计平台中,但是我们需要提出用户贡献的流水金额数据供我们使用,便于人群划分,例如下面简要分析:

Refer 传播:

最后,我们想让这些客户进行传播;核心是口碑营销,即用户自发的转发给其他用户链接,让他们下载app或者参与活动,因此传播的下一个环节又会转换营销,但是传播会受到很多限制,例如没有奖励机制的口碑传播,几乎转发量为0,同时,传播若要衡量比较困难,尤其在大量互联网用户基础上,这样会造成资源代码叠加,系统负担,因此一般企业也不会设计这样活动让营销人员参考

用户分析

若说大数据分析的核心,其实就是在于用户分析,正如我们前面所讲,用户分析的步骤流程如下:

即在力所能及的搜集数据范围内,打通数据,客户用户,精准营销。

第一,我们可以筛选的条件列表,我们可以通过应用条件,位置,标签条件将数据整合,整合的目的就是刻画客户,定出营销策略。

例如:我们想筛选金融客户(应用条件筛选),出现在五星级酒店(位置条件),且为母婴人群(标签)

但是需要注意的是,条件越多,用户轮廓越清晰,人群会越少。

第二,根据筛选的人群,我们将线上/线上统计化,或者建模多维度分析。

例如,我们根据筛选的人群,发现男性多于女性,苹果手机属性最高,常手机工具使用,那么我们可以将这部分目标人群用增加手机工具合作、或者和苹果合作获客或者促活。

第三,整合以上数据分析,形成人群画像。

移动端的角度浅谈数据分析报告相关推荐

  1. python爬虫实践报告_Python 爬虫实践:浅谈数据分析岗位

    原标题:Python 爬虫实践:浅谈数据分析岗位 转自:法纳斯特 讲道理,pyspider确实是一款优秀的爬虫框架,我们可以利用它快速方便地实现一个页面的抓取. 不过带来便捷性的同时,也有它的局限性, ...

  2. 浅谈数据分析中的“暗物质”

    浅谈数据分析中的"暗物质" 我们分析数据,更重要的是看到数据中所隐藏的暗物质,即数据图中你看不见的数据\逻辑\知识. 开门见山,以下是某新闻媒体WAP\APP\PC三端的分周中和周 ...

  3. 高山仰止-从微分几何角度浅谈陈省身示性类

    转自:http://blog.sciencenet.cn/blog-2472277-929154.html 参考:http://blog.sciencenet.cn/u/CurvatureFlow 图 ...

  4. 【转载】运维角度浅谈MySQL数据库优化

     运维角度浅谈MySQL数据库优化 2015-06-02 14:22:02 标签:mysql优化   mysql分库分表分区 mysql读写分离 mysql主从复制 原创作品,允许转载,转载时请务必以 ...

  5. 浅谈数据分析的魅力和能力要求!

    ↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:戈理秀,安徽财经大学,就职于毕马威 我们生活在一个数据和分析可以为 ...

  6. 从生物学的角度浅谈前端工程化

    导语:看过<人类简史>一书的人都知道,该书从物理学,化学,生物学,政治学等学科角度,对整个人类历史做出了全方位的考察和预测,总结归纳出超越历史层面的规律和深刻意义.同样地,我们能否也从跨学 ...

  7. 从源码角度浅谈IRP

    从源码角度看IRP的构建 一.前言 1.写作目的 2.参考资料 二.文件加解密中的IRP应用 1.概览 2.什么是IRP 3.StackSize.Attached.AttachedTo的分析 4.什么 ...

  8. 站在QA的角度浅谈软件测试流程

    背景 在你们的团队中是否有这样的问题?你们是怎么解决的,希望和大家一起交流. 天天在谈测试技术,回过头来发现,技术背后的基础是测试最本质的内容:测试用例. 从我工作到现在,做了将近 3 年的产品测试, ...

  9. pymysq向mysql写数据 为什么本地无法查看_从运维角度浅谈MySQL数据库优化,中小企业DBA必会...

    原文:http://www.enmotech.com/web/detail/1/712/1.html(复制链接,打开浏览器即可查看原文) 作者:搬砖游击队 一个成熟的数据库架构并不是一开始设计就具备高 ...

最新文章

  1. 想改善风险管理工作吗?做些基础性工作吧
  2. 自动驾驶寒冬与否,关键看“芯”
  3. nginx启动不了_nginx 变量与监控
  4. 输入法注入源码_将注入进行到底:利用Mono注入C#游戏脚本
  5. 揭露:人体十大最佳北京上门×××黄金时间
  6. SAP Gigya(SAP Customer Data Cloud)的数据中心
  7. 2020年云计算的十大新兴趋
  8. python异常处理_Python学习点滴04 - 学会异常处理(2)
  9. zabbix (二)安装
  10. c++计算字符串中浮点数
  11. STM32——库函数版——数码管流动显示程序
  12. 金士顿 DT101 G2 8GU盘量产全过程图解(群联篇)(2)
  13. 信道容量受哪三个要素_连续信道容量与
  14. Choco包管理工具安装
  15. 从零开始学R(三)——基本计算
  16. 软工1816 · 作业(九)团队现场编程实战
  17. 罗赛塔石碑Rosetta Stone安装教程
  18. 利用CUDA流重叠计算和数据传输
  19. 数字信号处理--傅里叶变换
  20. 【阅读笔记】《ParseNet: Looking Wider to See Better》

热门文章

  1. 复数计算器(C/C++)
  2. 今年双十一套路太流弊了!
  3. Python机器学习:corr()探索自变量与因变量的相关性
  4. 435分的高分被刷!复旦大学计算机考研有多残酷
  5. 不是维修计算机常用的工具有哪些,常用维修工具有哪些
  6. 模拟带通滤波器设计的大体思路及相关知识小结(基于滤波器设计手册)
  7. 【行研报告】2021年中国团餐行业研究分析报告—附下载
  8. Mysql要在表s中增加一列可用什么语句_要在基本表S中增加一列CN(课程名),可用语句()_学小易找答案...
  9. Simlab Composer 10中文版
  10. superset使用教程(2)