如何用Firebase做預測分析?

2021-02-16 觸脈諮詢

很多營銷、運營者都清楚預測的重要性,但卻沒有掌握有效的方法。今天的文章將為大家分享使用Firbase進行預測的技巧。

文丨方晨晨

觸脈諮詢數據分析師

為什麼我們需要預測分析?

在進行App運營維護的時候,為了防止用戶流失或者提高應用內的購買率,我們通常需要知道以下相似問題的答案:

「哪些用戶最有可能卸載我的App?」

「哪些用戶可能會在應用程式內購買?」

……

這就是預測的作用。

如果進行預測,就可以提前制定有效的營銷策略,以提高優化營銷效果。

但是怎麼高效的做到這一點?

Firbase大家都不陌生,用它就可以進行預測分析。

如何使用呢?

Firebase預測會將機器學習應用於數據進行分析,從而根據預測的用戶行為創建動態用戶細分。

這些預測結果可自動用於Firebase遠程配置、通知編輯器、Firebase應用內消息以及A/B測試。

除此之外,還可以將應用程式的預測數據導出到BigQuery做更進一步的分析,或者將數據推送到第三方工具中,包含Google Analytics SDK的iOS、Android、Unity和C++應用都可以使用Firebase預測。

Firebase預測提供了兩種預定義預測:

·流失,指用戶不會重新使用應用程式的可能性(即不再打開應用程式或應用程式相關的通知);

·支出,指用戶將進行應用程式內購買的可能性。

如果想根據自己的需求創建預測,應該如何操作?

可以根據在應用程式中收集的Google Analytics自定義轉化事件來創建。

具體的操作步驟如下:

1.將Google Analytics添加到應用程式

可以對應用程式中的一些關鍵事件和互動情況進行監測,並將這些事件標記為轉化。

2.啟用Google Analytics數據共享和Firebase預測

a.打開Firebase控制臺的集成頁面。

b.如果尚未啟用Google Analytics集成,請將其啟用。

c.在「集成」頁面中的Google Analytics卡片上,點擊管理,然後確保與所有Firebase功能共享Google Analytics數據設置處於啟用狀態。如果需要詳細了解共享設置,可以查看管理數據共享。

d.在Firebase控制臺中,打開預測部分。如果尚未同意Firebase預測服務條款,請確認同意。

在啟用數據共享並同意服務條款後,系統就會為項目啟用Firebase預測。之後隨時都可以在此頁面中停止與其共享數據來中止預測。

3.創建自定義預測

選擇Google Analytics的事件來進行創建,Firebase預測會預測哪些用戶將觸發相關事件。

4.在應用程式中使用預測

在啟用Firebase預測或創建自定義預測後,相關服務會開始準備模型,以便針對相應用戶進行預測。

a.點擊探索和使用預測,選擇需要定位的用戶細分。

b.用戶細分由指定的百分位數值範圍內的用戶組成。用戶的百分位數值表示與所有用戶相比,該用戶執行某項操作(流失、支出等)的相對可能性。

系統根據用戶執行預測操作的可能性對用戶排序,然後將排序後的列表分為100個大小相等的組,來分配每位用戶的百分位數值。

c.選擇要用於預測的產品(遠程配置、FCM 或Firebase應用程式內消息),然後點擊繼續。相關產品的配置頁面隨即將打開,其中目標部分已預先填充了所選擇的用戶細分。

使用遠程配置從應用程式訪問預測結果時,需要先在Firebase控制臺定義用戶細分,然後配置遠程配置,為用戶細分的成員設置遠程參數。

也可以使用通知編輯器或Firebase應用程式內消息覆蓋特定預測細分中的用戶,比如可以根據流失預測的結果,向很可能流失或停止使用應用程式的新用戶自動發送通知消息。

當然,上述的只是分享給大家的一些文字理論,想要將其應用在業務上有所幫助,還需要進行實操才可以。

(添加客服,可加入交流群)

備註:暱稱-地區-公司-職位

GA使用、數據學習、行業交流、乾貨分享……

相關焦點

  • Google I/O 2019 上的 Firebase 新功能速遞
    ML Kit 附帶一套即用型 API(同時支持設備端和雲平臺),可支持自定義模型,因此無論您對機器學習 (ML) 了解多少,均可在自己的應用中使用機器學習的強大功能。在過去幾個月中,我們已通過添加用於自然語言處理的解決方案(如 Language Identification API 和 Smart Reply API https://firebase.googleblog.com/2019/04/ml-kit-expands-into-nlp.html),針對 ML Kit 進行了擴展。
  • Firebase Analytics與Google Analytics:哪個更適合您?
    利用Google Analytics,您可以分析受眾群體並了解如何為受眾群體製作更好的廣告系列。在app端Google Analytics for Firebase也可以達到同樣效果。3什麼是Google Analytics for Firebase?
  • 乾貨推薦 | Starbase,你的 miRNA 靶標預測必備神器
    作為預測 miRNA 與 mRNA 結合的資料庫,很多實驗外包公司都用它,這樣一款科研明星產品,你確定不來了解一下? 安排,今天就為大家介紹這款很火的資料庫 ——Starbase。
  • 如何用EXCEL線性回歸分析法快速做數據分析預測
    回歸分析法,即二元一次線性回歸分析預測法先以一個小故事開始本文的介紹。十三多年前,筆者就職於深圳F集團時,曾就做年度庫存預測報告,與筆者新入職一臺籍高管Edwin分別按不同的方法模擬預測下一個年度公司總存貨庫存。令我吃驚的是,本人以完整的數據推算做依據,做出的報告結果居然與僅入職數周,數據不齊全的Edwin制定的報告結果吻合度達到99%以上。仍清楚記得,筆者曾用得是標準的周轉天數計算公式反推法,而Edwin用的正是本文重點介紹的二元一次線性回歸分析法。
  • 谷歌在I/O平臺首次推出新型移動應用Firebase
    下一代產品現在,谷歌正在創建Firebase,作為免費服務對外開放, 為移動應用開發者拓寬了基礎。需要補充的一點是,新Firebase分析服務將作為所有Firebasec存儲的配套產品,此外還有用戶推送通知,購買跟蹤等服務。該分析服務需要開發者衡量其安裝流程,採購方式以及其他十幾個客戶的操作。
  • 如何用Excel進行預測分析?
    請使用Excel進行分析。【分析思路】第1日(次日)留存用戶數=第1日新增用戶數*次日留存率第2日活躍用戶數=第2日新增用戶數+第1日留存用戶數第3日活躍用戶數=第3日新增用戶數+第2日留存用戶數(第2日新增用戶數*第2日留存率)+第1日留存用戶數...
  • Google發布聊天機器人分析平臺Chatbase
    Chatbase 雲服務的理念是,提供工具以更輕鬆地分析和優化聊天機器人。這包括讓機器人構建者了解,哪些工作可以提高客戶轉化率,提高機器人的準確性,並創造更好的用戶體驗。「就像其他許多領域一樣,機器學習和自然語言處理為機器人分析開闢了新的機遇。讓 Google 的一些機器學習功能為我們的用戶工作,這將帶來明顯的區別,我們的用戶真的很興奮,」他補充說。 樂天旗下的即時通訊軟體 Viber 在 193 個國家擁有超過 9 億用戶,它詳細介紹了 Chatbase 公司運行的貼紙聊天機器人的成功。
  • mmdetection最小復刻版(七):anchor-base和anchor-free差異分析
    本文通俗易懂,正如本文標題Bridging the Gap所示,為了清楚理解anchor-base和anchor-free特點,本文是非常值得分析的一篇目標檢測算法。其中從point回歸就是指的每個點預測距離4條邊的距離模式,而從anchor回歸是指的retinanet那種基於anchor回歸的模式。
  • 幫助提高業務效率的9種預測分析工具
    利用數據驅動的預測模型可能是一種有效的方法,因為它們可以幫助公司以新的方式解決持久的問題。大多數具有遠見卓識的企業都使用預測分析,數據驅動的解決方案和統計技術,這些技術可以評估大型數據集以查找模式,提取新見解並設想未來的結果。
  • 商務英語寫作指南:Base on的用法
    1.Base on  EX: Climatologists base their predictions about climate change on computer simulations.  例句:氣象學家關於天氣變化的預測是根據計算機模擬測試得出的。
  • 商務英語寫作輔導:Base on的用法
    base on, based on和on the basis of的用法很多人一直搞不清。   1.Base on   EX: Climatologists base their predictions about climate change on computer simulations.
  • 如何用邏輯回歸做數據分析?
    今天我們將學習邏輯回歸(logistics regression),由於邏輯回歸是基於線性回歸的特殊變化,故還沒有掌握線性回歸的小夥伴,可以先點擊這裡,傳送門:如何用線性回歸做數據分析
  • AWS還是Firebase?在移動應用後端應該使用哪個?
    Firebase和AWS都有其優勢,讓我們看看哪一個可以更好地為你服務?在AWS中,用於開發、測試和生產的不同環境更加簡潔。你也可以在Firebase中執行此操作,但是你將必須設置不同的項目,這需要花費更多時間。
  • 用Excel做一元線性回歸預測分析
    Excel是一個功能強大的數據管理與分析軟體,我們可以用Excel函數與數據分析進行回歸預測分析。回歸分析法是根據事物的因果關係對應的變量的預測方法,是定量預測方法的一種。例如,下表是1-6月每月銷量數據,根據這個數據預測7-12月銷量數據。預測方法:一、運用數據分析工具操作步驟如下:step1:根據原始數據製作折線圖,如下:
  • 用fire 形容事物 「非常火」
    內容簡介 你看了一部很棒的電影;你的朋友穿了一件很酷的體恤衫——如何用 「fire」 來形容電影 「很棒 Feifei 在這期節目中,我們要學習用一個大家都熟悉的單詞來形容事物 「非常棒」。
  • 你知道base可以做動詞嗎?
    說到base這個單詞,很多人都會想到base的意思是基礎,做一個名詞。其實,base還可以做形容詞,意思是不道德的。今天,我們就一起看一下base的用法。首先,我們看一下base做名詞的用法。這句話中base的意思是根據、出發點。3、These policies have a broad base of support.這些政策受到廣泛支持。這句話中base的意思是來源、源泉、基礎,通常指支持、收入、力量等的基礎。通常用單數形式。
  • 如何用線性回歸模型做數據分析?
    編輯導語:在日常工作中,很多時候都會用到數據分析的方法,線性回歸模型看起來非常簡單,但實際上它的十分重要;本文作者分享了關於如何用線性回歸模型做數據分析的方法,我們一起來學習一下。線性回歸應用於數據分析的場景主要有兩種:驅動力分析:某個因變量指標受多個因素所影響,分析不同因素對因變量驅動力的強弱(驅動力指相關性,不是因果性);預測:自變量與因變量呈線性關係的預測;模型數學形式:=0+11+22++
  • 英語語法:fire的用法
    例如:The cottage is on fire.村舍著火了。結構分析:The cottage是主語,is on fire是系表型謂語(is是系動詞,on fire是介詞詞組作表語)。 The girl is learning how to make a fire.
  • 結構化數據信息提取:基於Freebase的問答系統
    信息抽取(IE)社區以不同的方式處理QA:首先執行相對粗糙的信息檢索,從而篩選可能的候選答案集,然後才嘗試執行更深入的分析。語義解析的研究人員最近發布了基於Freebase超越封閉領域的QA(如:GeoQuery)。
  • 時間序列預測方法總結
    spm=5176.12282029.0.0.36241491UUhnZE計算周期因子factors計算base預測=base*factorsb. 觀察序列,當序列存在周期性時,可以用周期因子法做為baseline2. 線性回歸-利用時間特徵做線性回歸a.