數據「高階神器」【友盟+】U-Dplus:輕鬆將業務數據做「活」

2021-01-10 站長之家

隨著我們對業務的場景越來越清晰,對數據的個性化要求也越來越明顯,能貼近業務的數據才能幫助我們把業務做活。那麼,數據到底應該如何獲取?哪些維度的數據可以結合在一起用?在日前U-Time 杭州站活動中,【友盟++】智能分析U-Dplus產品負責人,為我們分享了日常運營中數據配合場景使用的典型性案例。

一、數據服務需求的個性化、精細化必不可少

1、個性化表現

行業不同、業務不同,每一個不同業務需要不同數據。職能不同,市場同學關注推廣、產品同學關注流程與設計、運營同學關注內容流量!

2、精細化的表現

做決策時,需要精細維度提供數據佐證。例如做推廣渠道的決策時,需要判斷來源好不好?不僅僅看來源報表數據、還要考察渠道留存,渠道轉化。

另一個是,行業新動向。很多做智能電器上大屏產品的人,希望能通過採集到網站、APP端興趣數據,針對個人在其家中的電器上個性化的投放其感興趣的菜譜、食材。這就需要對我們有能力對每一個用戶有分析能力,即精細化。

二、【友盟+】智能分析U-Dplus:精細化數據運營良方

U-Dplus背靠【友盟+】數據。基於100萬APP和500萬網站,挖掘出各種維度的人群標籤,在U-Dplus裡實現人群畫像、分群的結合。

U-Dplus如何工作?

1、數據接入

2、前端產品做相關數據處理以及重建

數據接入,提供一套HTTPS數據傳輸協議,允許拼裝行為數據包傳入系統。並提供多平臺SDK,包括網站上JS、應用端的安卓,iOS等等,通過這些方法標準化傳輸個性化採集埋點數據。在分析呈現上提供了計算查詢模塊,看板的定義模塊。對接精細化分群,分群可以對接畫像,以及推送、在線參數服務。

應用案例解析

在案例之前先提兩個功能:

1、細分

針對採集到的用戶行為,按照行為維度做精細化拆解。行為可以理解成用戶做的事情,包括瀏覽、註冊、下單,這個都屬於行為。

2、漏鬥工具,就是轉化率分析

這個功能聚焦在行為間的轉化,漏鬥的結果還可以按照維度再進行下鑽。

案例一:找到「站內搜索詞」,評估搜索情況,以作為內容運營的數據支持

1、首先統計出都有哪些站內搜索詞。

2、找到有很多搜索量,但沒有搜索結果的詞。

3、找到有很多搜索量,但點擊結果頁面卻很少的詞。

部署代碼

在搜索結果頁埋點,記錄搜索詞和結果條數。然後,在點擊搜索結果條目時埋點,記錄觸發該點擊的搜索詞、被點擊的條目頁面名稱。

1、站內搜索詞(區分有結果、無結果)獲取實時熱搜詞

在「細分」功能裡,選擇搜索結果頁所埋點的事件,按照「搜索詞」屬性細分。就可以拿到每個搜索詞的搜索量。

2、找到搜索多,但無結果的詞,用以補充內容

現在搜索詞,在這些詞裡,是不是都有搜索結果條目呢?在觸發搜索,得到搜索結果頁的時候,搜索結果頁前端已經可以讀取到搜索結果條目明細和條目數量,故埋點時可以按照條目數量是否為0,寫入一個「屬性」,在分析時,就可以在「細分」中,把「是否有結果」當做細分的附加條件,得到這樣的結果。

如圖所示,屠呦呦沒有搜索結果,這個熱點你要補充內容進去。

3、 找到搜索多,但「點擊情況少」的詞,補充內容

搜索與點擊結果是一個過程,可以把它設定成一個漏鬥,觀察整體站內搜索轉化情況,再按照搜索詞細分漏鬥,就能得到每個搜索詞從被觸發搜索到點擊搜索結果的轉化率:

下圖中喝三年豆漿患癌,搜索16次,但轉化情況並不好,那你可能就需要去看一下相關的結果是什麼。分析一下內容是不是有問題,進行針對性調整。

像這個愛滋病,轉化情況也不樂觀,同樣可以關注並分析一下

案例二:購買者地區和商品產地之間的傾向關係分析

想知道不同購買者地區更傾向於什麼商品品類、商品產地,以便優化我針對購買者地區的推廣方案,我要怎麼分析呢?首先,按地區查看每一個地區的用戶購買的商品品類情況,第二,按地區查看該地區用戶重點關注的商品產地

部署代碼

在用戶進入APP時,APP會提示用戶選擇所在地區,用戶進行選擇後,埋點,為用戶打上所在地區相關屬性。

第二:在商品付款時,埋點採集付款行為,並且把付款商品的產地,商品名稱以及金額作為屬性。

進入細分看一下數據:

1、按地區查看,每一個地區的用戶購買的商品品類情況

在「商品付款成功」行為裡,按地區和品類細分統計結果。

可以看到,北京地區的用戶更喜歡進口水果。山東地區用戶卻截然不同,海鮮並未上榜,他們更傾向於購買國產水果,通過這個數據,如果我原本準備為山東地區用戶人推送海鮮廣告活動,那其實這個推送方案可能就需要做一些調整了。

2、按地區查看,該地區用戶重點關注的商品產地

從上面的統計結果,我們了解到北京用戶更傾向於購買進口水果,那對於「進口水果」這個品類,進口水果的產地用戶又有什麼傾向性呢?

在「商品付款成功」行為裡,我們用篩選功能指定僅查看「進口水果」這個品類的數據,然後按購買者地區和產地來細分數據。得到這樣的結果。

我們發現泰國,海南,越南,比較受北京用戶的喜歡。可以針對北京用戶做有針對性的運營推廣。

案例三:P2P網站

對於P2P網站的推廣效果監控,市場人員最關注的是引入用戶的投資情況,怎麼做?

1、首先,獲得「到達量」數據,

2、其次,統計不同渠道的「投資額」

部署代碼

1、標記廣告渠道,【友盟+】智能分析U-Dplus支持按照landing page頁面URL中的utm參數自動解析出渠道標記,utm大家做推廣都知道,就是業內記錄廣告渠道信息的通用參數,包括渠道,廣告計劃,購買的關鍵詞等等,共五個位置。我們只需要在投放廣告時在到達頁做好utm標記,就能夠由U-Dplus自動為訪客身上打上渠道標記了。

2、在用戶瀏覽landing page頁面時,埋點採集一下到達行為。

3、在用戶完成投資操作後,埋點記錄一下投資的產品名,以及投資金額!

進入「細分」

1、選擇「廣告到達」行為 ,按utm_source來細分查看,這樣就獲取到了每個廣告的到達量。

2、要看某一個渠道引入用戶所產生的投資金額,要怎麼處理額?在細分裡面U-Dplus提供一些「計算模式」,可以把某一個屬性值做累加、平均等計算,在這個場景中,我們需要把「投資額」這個屬性做累加操作,再按照渠道細分來看,最後就拿到了每個渠道引入用戶的總投資額。

U-Dplus中針對來源的utm屬性是自動標記在人身上,所以廣告用戶的所有後續行為都會待有該標籤,於是我們觀察廣告的投資轉化效果就不再需要限制在某個固定的時間段裡,只要投資產生了,就可以記錄下來。這樣的數據,對於我們分析轉化效果更準確,比較符合實際情況。

【友盟+】智能分析U-Dplus產品已經上線了,如果有一些個性化的需求,有一些想分析的點,進入【友盟+】官網,申請試用智能分析U-Dplus,我們會有專門的同學進行審批!

免責聲明:「站長之家」的傳媒資訊頁面文章、圖片、音頻、視頻等稿件均為自媒體人、第三方機構發布或轉載。如稿件涉及版權等問題,請與我們聯繫刪除或處理。稿件內容僅為傳遞更多信息之目的,不代表本網觀點,亦不代表本網站贊同其觀點或證實其內容的真實性,更不對您的投資構成建議。我們不鼓勵任何形式的投資行為、購買使用行為。

相關焦點

  • 數據產品:簡述渠道溯源方法論
    廣告投放下去,直到用戶,如果沒辦法去追溯投放的真實情況,會導致不少問題:渠道無法優化:難以尋找優質渠道,摒棄劣質渠道;廣告費用的浪費:廣告商刷量、作弊等將數據弄得好看來榨取廣告費;數據監控:渠道數據曝光數據、點擊下載數據、下載數據、應用數據監控。
  • 2018UBDC:友盟+邀請五位專家分享如何藉助DI實現進化
    這是一個數據化的時代,每個人都在創造數據。大量無序的數據正通過數據技術和算法進行融合,並與「人」的各種場景建立連接,讓商業真正的理解人、洞察人、服務人。友盟+認為全域數據*技術算法*商業場景=DI(Data Intelligence,數據智能)。
  • 初識「數據分析」:用戶數據
    雖然定義很簡潔,但是用戶數據並不簡單,其中包含及可深挖的內容有很多,小層次來講包含「日活/月活、留存、新增」等,再大點有「用戶畫像、用戶屬性、用戶層級」等,到後面的「用戶心理、用戶行為習慣」等,深挖到最後,你會發現用戶就活生生的站在你的面前,只是你們互相併不認識。可以說是最熟悉的陌生人,這一切都需要有「用戶數據」的支持。
  • 十年磨一劍,深挖墨跡天氣數據背後的產品與運營邏輯
    成立十年,墨跡天氣是如何做好數據化運營的?又是如何同時服務好C端、B端用戶的?在友盟+和見識科技聯合推出的《Boss說》第二期中,墨跡天氣副總裁、董事會秘書李李對上述問題做了詳細的解答。疫情給墨跡天氣帶來了什麼徐志斌:在疫情期間,墨跡天氣的數據表現怎麼樣?李李:在疫情期間,墨跡天氣整體數據表現不錯,有一些增長。
  • 數據驅動業務 新一代數據中心之靈魂
    新一代數據中心的主要內容     上圖簡單明了地展現了新一代數據中心的流程,可見數據驅動業務是指數據作為一種生產力將數據分析者基於數據產生的分析報告等提供各級業務決策者參考的過程數據作為一種信息載體,貫穿於組織內所有的業務工作,新一代數據中心的任務就是將跨部門、跨領域的數據形成統一資源,以供領導層決策指揮、管理層監測評價、業務層落實工作。 用數據驅動業務是一代數據中心的靈魂,具體包括以下幾方面內容: 構建業務指標體系。業務指標體系是指「數據」和「業務」的橋梁。基於業務目標將業務活動指標化,並標註業務活動之間的直接、間接關係。
  • 數據科學不僅僅是數據:培養業務知識和關係
    業務精明才是關鍵 作為數據科學家,帶來的最重要的好處之一就是她了解技術秘訣如何映射到業務運營的能力,同樣的業務專業知識可幫助她預測人員和流程問題,這些問題和問題將隨著企業嘗試利用分析見解來優化或轉變其運營而產生,當人們看到我的簡歷時,他們知道我可以為他們提供幫助,因為我將技術與業務知識和戰略相結合
  • 有了這個「神級」功能,會Excel就能輕鬆玩轉BI數據可視化分析啦
    計算圖表能幫助使用者可以像用Excel一樣,輕鬆完成指標數據計算和處理,可以顯著降低自助式分析的技術門檻。,執行數據按天每天都有記錄,計算預算執行,需要將預算表和按月聚合之後的執行數進行關聯。對於很多數據分析產品來說,數據只能從業務系統中來。這種做法雖然可以滿足大多數應用場景,但在靈活性上依然有提升的空間。 Wyn Enterprise的計算圖表則將待分析數據的範圍進一步擴大,易用性顯著提升。在設計可視化圖表時,你除了直接用數據集裡加工好的結果,還可以將外部數據錄入或粘貼入計算表格區域,讓這些數據參與計算和可視化。
  • 從公安大數據業務切入,挖掘更多數據價值:明略數據完成 2 億元 B...
    通過前期和各個領域服務的數據模型和業務沉澱,明略數據目前已經開發出相應的大數據存儲和挖掘系統,為企業提供平臺化的服務。主要三大產品分別是:MDP大數據安全平臺,DataInsight分布式大數據挖掘平臺,以及SCOPA大數據關聯關係挖掘系統。 其中MDP大數據安全平臺主要是幫助客戶存儲海量數據,並提供高性能計算框架,和細粒度權限控制的安全保障。
  • 七牛雲零度:乘深耕數據,升值業務,在數據中尋找確定性
    答案是:深耕數據,升值業務,在數據中尋找確定性。利用雲平臺作為基礎支撐,以數據驅動進行精細化運營,滿足用戶的多元化需求。而這一切的前提是需要一個可以承載企業爆發式數據增長的基礎設施。雲計算將算力從零散獨立到中心匯聚並使企業可以按需使用。與此同時,作為數據建設皇冠上的寶石,「資料庫」也將服務能力衍生到了雲端。
  • 值得收藏的7款數據恢復神器
    不小心誤刪或者弄丟了重要文件數據怎麼辦?不要慌不要亂,這裡告訴你還有得救!不用找代價高昂的專業數據恢復商,因為有很多數據恢復軟體都可以幫助你找回誤刪的文件。以下精心挑選6款好用的恢復神器分享給你們~1.EasyReceovery這是一款操作簡單操作、價格便宜、用戶自主操作的數據恢復軟體。安裝完成後,界面會指引你選擇恢復過程中的每一步。它將存儲介質分為5種媒體類型:硬碟驅動器、內存設備或記憶棒、光學媒體、多媒體/行動裝置和RAID系統,然後你可以選擇恢復已刪除的文件或者恢復被格式化的媒體。
  • 風雲四號氣象衛星首批圖像和數據公布
    經地面應用系統調試處理,已獲取了全部儀器的觀測數據,標誌著在軌測試工作進展順利並取得了初步成果。它標誌我國靜止氣象衛星觀測系統實現了更新換代,對於保證我國靜止氣象觀測業務的連續、可靠和穩定具有重要意義。衛星設計壽命7年,共搭載四臺有效載荷。這四大「神器」分別為:神器01  靜止軌道多通道掃描成像輻射計靜止軌道多通道掃描成像輻射計。它就像是風雲四號的「千裡眼」,能看清地表和雲層的細微變化,為天氣預報提供觀測數據。東半球高清雲圖,就是由它「拍攝」的。
  • dfuse 開源區塊鏈開發堆棧,提供高階區塊鏈數據服務
    蒙特婁,2020年3月19日——區塊鏈 API 公司 dfuse,今天宣布開源其區塊鏈數據棧,同時 EOSIO 協議的創建者及行業領導者 Block.one 主動結合 dfuse 的解決方案。dfuse 堆棧中的 EOSIO 核心組件將首先被開源,許可為 Apache 2.0,其他鏈的代碼將在後續階段中發布。
  • 多活元數據技術,讓浪潮軟體定義存儲管理EB級數據
    再如,中國公共安全領域的「雪亮工程」等關係國計民生視頻監控項目的開展,使得公共安全視頻監控覆蓋範圍從原來的城市中心地帶擴展到了鄉村,這也將產生大量的數據。而在網際網路+商業領域,對用戶信息的掌握,更成為網際網路企業生存的根本,之前大量不需要存儲的用戶網絡瀏覽軌跡等中間信息,如今由於成為大數據分析的數據來源,也需要進行數據存儲。
  • 天文大數據都能做什麼? 虛擬天文臺讓天文數據活起來
    美國學者預測:到2025年,全球天文數據採集量為每年250億TB,而我們身邊比較常見的U盤及移動硬碟,U盤容量有16GB、32GB、64GB,移動硬碟數據容量有500GB、1TB、2TB,想想看,這樣怎樣的海量的數據? 虛擬天文臺 讓天文數據活起來作為寶貴的科研資料,天文數據成為人類了解和研究宇宙奧秘的第一手素材。
  • XRD數據分析不會做?試試這個神器吧!
    它能幫助用戶輕鬆的進行物相定性與定量分析,輕鬆完成百分九十五以上分析工程,全面提升工作效率。還可以判斷分辨出材料的構造,知道材料的成分、內部原子、分子的結構形態等等,對於剛走上科研的用戶來說,是非常不錯的選擇。
  • 百億+ 年數據量的運營商,如何通過神策數據實現業務增長?
    如今,智能語音技術的發展越來越成熟,它將成為人機互動的全新方式,持續影響著運營商企業內部服務模式的更迭,創新的業務內容和形式將會是提升運營商企業實力與競爭力的關鍵。企業 A 在接入智能語音客服系統之後,人工話務佔比有效降低,充分調動了客戶積極性,但智能語音客服的首解率難以提升,客戶對服務的滿意度也略有下降。
  • 數位化轉型,數據人應該關注什麼
    埋點不是某個人的開發工作,而是需要業務鏈路上下遊的協同來完成,從埋點需求的評審,到埋點方案的制定,再到埋點應用的開發,最後是埋點數據的統計,PD、數據開發、BI、前端、後端、測試同學都會有參與。因此,我們在做一個產品的初期,就需要考慮好埋點的問題,如果等到產品上線之後,再進行開發,早期版本的數據就無法採集到的,而且對業務的侵入性也會更強。
  • 基於OMTM方法,如何進行精益的數據分析
    通過觀測和分析數據能夠發現用戶真實的需求,以數據驅動產品方案策劃的模式是當前行業最普遍的一種策劃思路。但是現狀卻並不樂觀,有的產品經理不了解數據的價值而對數據不予理睬,有的產品經理雖明白數據的重要性面對數據卻不知如何下手,有的產品經理在數據分析的一開始就追求大而全,最終迷失在數據的叢林中無功而返。如此等等,問題不一而足。其實,我們缺少一套行之有效的數據分析方法。
  • 數據中臺建設四步方法論:採、存、通、用
    「中」就是中心化,中臺是公司的業務中心,也是數據中心,通過業務中臺支持起公司內所有產品線的業務,通過數據中臺幫助公司各條產品線做數據化的運營,實現數據智能。採集用戶的行為數據和業務數據。 存儲什麼?通過分層建模的方式將數據更加科學、有效的存儲起來,形成數據資產。 怎麼打通數據?一方面要打通用戶的行為數據以及業務數據形成更加立體的用戶畫像,另外一方面要打通產品線之間的數據。 怎麼應用?