記一次在pmcaff聽的分享講座筆記充择。但是在這里聽講座很痛苦幅骄，類似微信群發(fā)語音和圖片的模式闽晦，講座都是一段一段的扳碍，聽的過程中萌生出以下需求：1 讀完的消息標記為已讀消息；2消息播完之后自動播放下一條仙蛉；3 消息播放時笋敞，控制手機不自動鎖屏；4 放大查看一張講座ppt圖片時荠瘪，播放中的語音可以繼續(xù)播放夯巷。
講師：桑文峰（前百度大數(shù)據(jù)部技術經(jīng)理，Sensors Data 創(chuàng)始人&CEO）大綱
大數(shù)據(jù)思維與數(shù)據(jù)驅動
- 數(shù)據(jù)處理流程
- 數(shù)據(jù)分析方法
- 運營分析實踐
一哀墓、大數(shù)據(jù)思維與數(shù)據(jù)驅動
什么是大數(shù)據(jù)思維趁餐？
例子1：輸入法演化 智能abc→紫光拼音輸入法→搜狗輸入法（基于用戶query、個人詞信息篮绰、新詞等后雷，云管理）
例子2：地圖紙質地圖 vs 百度地圖（位置信息→擁堵情況、車輛數(shù)據(jù)、攝像頭數(shù)據(jù)等）數(shù)據(jù)驅動 vs 因果驅動 vs 拍腦袋不是看幾個數(shù)據(jù)臀突，就是數(shù)據(jù)驅動勉抓。
現(xiàn)在一些公司存在的問題：
情況1：效率低，導致錯過很多機會候学。數(shù)據(jù)工程師資源有限藕筋，需求太多，導致數(shù)據(jù)等待時間太長梳码，最后還是拍腦袋決定隐圾。
情況2：公司有只有儀表盤可看。對市場或運營同學边翁，數(shù)據(jù)不夠詳細翎承，如按地域按渠道按不同方式。理想的數(shù)據(jù)驅動：自助式數(shù)據(jù)分析符匾，強大數(shù)據(jù)源+分析工具，提供效率瘩例。
二啊胶、數(shù)據(jù)處理流程
①數(shù)據(jù)采集→②數(shù)據(jù)建模→③數(shù)據(jù)分析
①數(shù)據(jù)采集數(shù)據(jù)源十分重要垛贤，數(shù)據(jù)全和數(shù)據(jù)細焰坪。
全：多種端（客戶端、服務端聘惦、數(shù)據(jù)庫等）某饰，全量而抽樣
細：多維度。when who where how what
②數(shù)據(jù)建模數(shù)據(jù)模型就是對現(xiàn)實世界的一個抽象化的表示善绎。針對分析的需求黔漂，對數(shù)據(jù)重新進行建模。例如用戶行為數(shù)據(jù)禀酱，即用戶在你產(chǎn)品上做的一系列操作炬守，包括用戶在什么時候瀏覽了什么商品，什么瀏覽器剂跟、瀏覽器版本减途、網(wǎng)絡、看的商品的基本數(shù)據(jù)是什么..
③數(shù)據(jù)分析
三曹洽、數(shù)據(jù)分析方法
-
多維事件分析（事件鳍置、維度、指標）
Paste_Image.png -
漏斗分析（電商送淆，訂單相關產(chǎn)品）
Paste_Image.png -
留存分析
Paste_Image.png -
回訪分析（一段時間內訪問頻次税产、時間段等）
Paste_Image.png
案例：UGC產(chǎn)品數(shù)據(jù)分析
- 訪問量
- 新增用戶數(shù)
- 活躍用戶數(shù)
- 發(fā)帖量
- 檢索量
那么這么多指標中，要找到產(chǎn)品當前階段最需要提高的指標。每個階段需要提高的指標不同砖第。
四撤卢、SaaS運營分析實踐
- 產(chǎn)品發(fā)布評估
- 廣告效果評估
- 流失用戶召喚
以Sensors Data為例，
1 產(chǎn)品發(fā)布——渠道：朋友圈梧兼、微信群放吩、36kr多維度+漏斗數(shù)據(jù)分析：PV→點擊→點擊提交表單→“demo上所有事件”
2 廣告效果評估——廣告渠道：36kr、獵云網(wǎng)羽杰、某職場社交應用紅包渡紫、知乎專欄多維度+漏斗數(shù)據(jù)分析：PV→點擊→點擊提交表單→“demo上所有事件”
3 流失用戶召喚——渠道：郵件、電話多維度+漏斗數(shù)據(jù)分析：PV→點擊→點擊提交表單→“demo上所有事件”
