
文 | Stephen Nichols
編譯 | Kimmy
來源 | 科克網
互聯(lián)網+大數據已離不開我們的生活,在企業(yè)運作中也是同理。要想讓企業(yè)快速發(fā)展起來,學會利用數據是必備基礎之一。本文來源于科技博客VentureBeat,作者是游戲開發(fā)平臺GameSalad CEO Stephen Nichols,通過分享自己的企業(yè)在數據利用上的經驗,提醒眾多的創(chuàng)業(yè)者不能只憑感覺行走,要用數據說話。
不管是多么小型的創(chuàng)業(yè)公司,對于數據挖掘這塊都必須要不斷擴大、不斷深入。擁有越多的數據來源,有更多的數據可以分析,進而得出更準確完美的結論,最終才能更成功地為特定客戶群服務。
我們公司在做自己的數據驅動工作時學到的最大教訓是——在建立產品之前先努力做好數據和情報的收集分析,并且,從第一天開始就把高度注意力放到用戶上。以下是對待數據需要注意的5個要點,或將有助于你從數據中挖掘有價值的信息。
1.先收集用戶數據
做數據驅動前,先做好對用戶的數據收集。不斷挑戰(zhàn)自己的假設:用戶會是誰?你希望他們是誰?雖然可能先是簡單地對網站的訪客進行調查,例如詢問“是什么促使您來到我們的網站?”但這其中也蘊含著你很有可能忽略的重要信息。
利用有效的工具(如實際用戶行為的錄像記錄)去分析人們從一開始到最終買單的瀏覽過程是怎么變化的,是什么讓他們訪問這個頁面,而不是其他頁面?衡量用戶在做什么,并確定哪些關鍵績效指標(KPI)需要提高。產品的迭代和用戶體驗的提升都是讓KPI往正確方向前進的因素。
在這里也可以一提很受歡迎的A/B測試(A/B測試是一種新興的網頁優(yōu)化方法,可以用于增加轉化率注冊率等網頁指標),但我并不依賴于它去做任何決定。它需要消耗大量的流量和耐心去完成統(tǒng)計、驗證假設。在大多數情況下,最好選擇忽略它,而是專注于KPI以及產品迭代。
2.一開始就從數據出發(fā)
在設計產品之初,要考慮用戶群體的反饋。通過數據分析工具去分析、設計產品,多維度利用和分析這些數據,可以在以后的改造中節(jié)省很多力氣。這樣一來,初期的產品也可以讓你和用戶更近,從而觀察用戶和產品是如何相互影響的,而不是單純拿一堆調查問題覆蓋他們。
3.學會整理數據和管理客戶流量
在我們公司,對于不同的功能我們會用不同的供應商,包括數據路徑、客戶支持和市場營銷自動化等。Mixpanel(一家數據跟蹤和分析公司)有著我們的所有原生數據,它監(jiān)控用戶流量,進行留存分析,并建立了轉化渠道分析。Segment.io(為移動開發(fā)者提供便利的分析數據分發(fā)服務的公司)可識別用戶,跟蹤用戶的活動,和路由數據到合適的地址。內部通訊可觸發(fā)基于事件的消息以及處理自動化留存信息并參與到營銷當中。這讓我們可以確定用戶的喜好,比如他們是從哪里登錄的,是怎么來到這個網頁,以及他們將要去哪些網頁。我們還使用了自定義路由系統(tǒng),讓數據保持干凈,這對于成千上萬的用戶產生的大量事件而言是特別重要的。
4.通過有效的策略以簡化流程
我們一早就明白快速迭代的真理:宏大繁雜的設計并不可行。通過快速敏捷的模式,我們不但做到從系統(tǒng)上滿足業(yè)務的日常需求,還騰出時間和精力去思考新的選擇、探索更多的可能替代策略。
我們不斷地衡量,檢討,改正,以及重復。按月或季度來計劃,有助于提高靈活性。我們每天都不停地關注每個部分、每個細節(jié),去發(fā)現我們所知道的和不知道的,一步一步解決那些最困難,最重要的問題,然后迭代產品。
在確立最適合業(yè)務發(fā)展的用戶原型時,使用智能的策略避免陷入尋找原型的怪圈中。找出誰在使用你的產品,這看起來很簡單,但它也涉及到查找原生數據以及找出相關性等問題。這些程序和數據包都存在于R和Physon(數據分析主流編程語言)中,它可以幫助你決定需要哪些以及多少用戶原型。
5.賦予員工更多的權限
從“用戶的支持”到“用戶的成功”的轉變看似簡單微小,但對員工的態(tài)度以及用戶的滿意度會產生巨大的影響?!爸С帧币馕吨环N負擔,是你必須做的事情。而“成功”意味著分享,是你想要做的事情?!白層脩舫晒Α笔敲總€員工的職責,因此他們需要被授予權利去代表客戶提出建議,被授權的員工也代表著被授權的用戶。
在過去,我們沒有工具可以去了解我們的用戶行為。現在我們可以看到他們在點擊什么,他們是從哪里登錄進來的。這樣子我們就可以與每一位用戶接觸,不管是通過某種渠道還是為了處理個別問題。既然我們知道了誰在訪問我們的網站,那么,我們也可以通過他們來接觸更廣泛的人群。更重要的是,我們可以根據這些數據繼續(xù)調整產品、滿足用戶的需求,而不是只靠單純的假設。
在2016年或往后的時間里,這(數據利用)將會是所有企業(yè)的一個基本能力,那些仍沉浸于靠猜測來順應發(fā)展的都將被淘汰。
end
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數據生態(tài)中兩類核心工具的差異與協(xié)同 在數字化轉型加速的今天,企業(yè)對數據的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數據分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數據分析的 “基礎語言”—— 從描述數據分布的 “均 ...
2025-09-19CDA 數據分析師:表結構數據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數據(如數據庫表、Excel 表、CSV 文件)是企業(yè)數字 ...
2025-09-19SQL Server 中 CONVERT 函數的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數據分析師:解鎖表結構數據特征價值的專業(yè)核心 表結構數據(以 “行 - 列” 規(guī)范存儲的結構化數據,如數據庫表、Excel 表、 ...
2025-09-17Excel 導入數據含缺失值?詳解 dropna 函數的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數據差異是否 “ ...
2025-09-16CDA 數據分析師:掌控表格結構數據全功能周期的專業(yè)操盤手 表格結構數據(以 “行 - 列” 存儲的結構化數據,如 Excel 表、數據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數據分析師:激活表格結構數據價值的核心操盤手 表格結構數據(如 Excel 表格、數據庫表)是企業(yè)最基礎、最核心的數據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數據的科學計數法問題 為幫助 Python 數據從業(yè)者解決pd.read_csv讀取長浮點數據時的科學計數法問題 ...
2025-09-12CDA 數據分析師:業(yè)務數據分析步驟的落地者與價值優(yōu)化者 業(yè)務數據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數據把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11