chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

DMP有三大核心業(yè)務(wù)模塊：標(biāo)簽、人群、分析。我將從以下3個(gè)部分進(jìn)行闡述：分析模塊的作用、構(gòu)建分析體系、分析應(yīng)用與呈現(xiàn)

我們通過(guò)“人群”模塊可以精準(zhǔn)定位到用戶(hù)群，業(yè)務(wù)方可以對(duì)人群進(jìn)行畫(huà)像分析、活動(dòng)精準(zhǔn)觸達(dá)和對(duì)外輸出變現(xiàn)，而這三塊最終都以“人群”全面分析得出達(dá)成一致的業(yè)務(wù)結(jié)論而結(jié)束。

所以，從產(chǎn)品完整性角度來(lái)說(shuō)，分析模塊是系統(tǒng)閉環(huán)的關(guān)鍵。

（圖1：人群模塊3大應(yīng)用場(chǎng)景）

而從業(yè)務(wù)價(jià)值來(lái)說(shuō)，分析的作用主要分為以下兩塊：

1、檢驗(yàn)活動(dòng)效果

日常運(yùn)營(yíng)過(guò)程中，業(yè)務(wù)方會(huì)通過(guò)DMP系統(tǒng)進(jìn)行精準(zhǔn)圈人做活動(dòng)，如果活動(dòng)結(jié)果無(wú)法高效清晰地展示信息，系統(tǒng)業(yè)務(wù)價(jià)值則大打折扣。

所以，我們需要搭建完整的數(shù)據(jù)指標(biāo)體系來(lái)衡量工作成果。比如：活動(dòng)KPI達(dá)成率、人群目標(biāo)符合程度等。

同時(shí)，業(yè)務(wù)方也可以通過(guò)分析模塊發(fā)現(xiàn)問(wèn)題，以便快速調(diào)整運(yùn)營(yíng)策略。

2、挖掘增長(zhǎng)價(jià)值

除了幫助快速發(fā)現(xiàn)問(wèn)題，我們也希望能預(yù)測(cè)未來(lái)，挖掘出更多價(jià)值。

當(dāng)我們采集下所有用戶(hù)在任何時(shí)間、任何地點(diǎn)，發(fā)生的任何行為數(shù)據(jù)，然后進(jìn)行數(shù)據(jù)處理（清洗、抽取和整合等），最后利用算法和模型進(jìn)行預(yù)測(cè)分析。

那么，具體用戶(hù)個(gè)人未來(lái)行為軌跡將大概率能夠被預(yù)測(cè)到，既而驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)。

從新零售人，貨，場(chǎng)角度出發(fā)，DMP的核心是對(duì)“人”進(jìn)行分析，而“貨”和“場(chǎng)”都需要圍繞人發(fā)生的行為分析。

構(gòu)建分析體系本質(zhì)思維是“拆解”再“整合”。即通過(guò)拆解業(yè)務(wù)場(chǎng)景獲取需要采集的數(shù)據(jù)，再基于采集的數(shù)據(jù)給用戶(hù)賦予標(biāo)簽，最后基于業(yè)務(wù)場(chǎng)景搭建供各個(gè)業(yè)務(wù)方查看的分析維度。

（圖2：構(gòu)建分析體系的步驟）

1、采集數(shù)據(jù)

在保證用戶(hù)隱私的前提下，盡可能全的采集用戶(hù)行為數(shù)據(jù)。

1.1 從哪里采集數(shù)據(jù)？

新零售的行為數(shù)據(jù)多而雜，需要從不同的源頭終端進(jìn)行采集，大致分為以下5類(lèi)：

（1）線上自有終端。e.g. App、H5等；

（2）線下自有終端。e.g. 線下CPC、掃碼購(gòu)、自助收銀機(jī)等；

（3）社交傳播渠道。e.g.微信公眾號(hào)、微信小程序、企業(yè)微信、微博、抖音、支付寶等；

（4） 內(nèi)部系統(tǒng)數(shù)據(jù)同步。e.g. 客服系統(tǒng)、社群管理系統(tǒng)、倉(cāng)儲(chǔ)配送系統(tǒng)等；

（5）第三方銷(xiāo)售渠道。e.g.天貓、京東、拼多多等。

2.2 采集哪些數(shù)據(jù)？

參考小學(xué)語(yǔ)文寫(xiě)作五要素：人物、時(shí)間、地點(diǎn)、事件、事件對(duì)象（物），數(shù)據(jù)也可以按照此五要素進(jìn)行采集。采集的數(shù)據(jù)通常以客觀事實(shí)數(shù)據(jù)為主。

一句話總結(jié)：某人在某個(gè)具體時(shí)間/地點(diǎn)下，針對(duì)某物產(chǎn)生具體某個(gè)（些）行為。

人物：某人是誰(shuí)？相當(dāng)于新零售“人”的概念。通常是用戶(hù)的基礎(chǔ)屬性，一般不會(huì)隨著時(shí)間發(fā)生變化。

（1）姓名、性別、年齡、家庭/公司地址、用戶(hù)興趣等

（2）使用手機(jī)號(hào)、唯一識(shí)別ID（device id、union id、open id、IMEI、手機(jī)號(hào)等，可用于定位并觸達(dá)到該用戶(hù)）、手機(jī)型號(hào)、系統(tǒng)類(lèi)型、網(wǎng)絡(luò)等

時(shí)間/地點(diǎn)：某人行為發(fā)生場(chǎng)景，相當(dāng)于新零售“場(chǎng)”的概念。

場(chǎng)景作為人群事件發(fā)生特性，具有豐富性和多變性，通常很難全面定義。以下是新零售行業(yè)采集數(shù)據(jù)主要考慮的3個(gè)方向：

（1）時(shí)間：記錄用戶(hù)行為發(fā)生的時(shí)間戳，基于時(shí)間戳后續(xù)可獲得具體日期、年份、月份、星期X、618大促、春運(yùn)期間、工作日/周末等時(shí)間類(lèi)標(biāo)簽

（2）物理地址：即用戶(hù)的物理地址，一般以經(jīng)度、緯度表示。經(jīng)緯度具有唯一值，且可轉(zhuǎn)化成中文地址名稱(chēng)。對(duì)于具備線上線下零售企業(yè)，基于用戶(hù)地址后續(xù)又可以映射獲取到用戶(hù)所在門(mén)店，大區(qū)（東/南/西/北/中）等地理位置類(lèi)標(biāo)簽

（3）終端：即用戶(hù)發(fā)生行為的終端。新零售基本上可劃分為：APP、H5、小程序、線下門(mén)店（掃碼購(gòu)、自助收銀機(jī)、CPC等）。對(duì)于精細(xì)化運(yùn)營(yíng)團(tuán)隊(duì)，還可記錄頁(yè)面上具體位置

事件：某人產(chǎn)生了某個(gè)（些）行為。即人在產(chǎn)品內(nèi)主動(dòng)/被動(dòng)觸發(fā)的動(dòng)作，會(huì)隨著時(shí)間發(fā)生變化。

（1）決策行為：用戶(hù)最感興趣，付出成本最大的行為。e.g. 購(gòu)買(mǎi)、下單；

（2）主動(dòng)行為：用戶(hù)意圖明確下產(chǎn)生的行為，量最大。e.g. 點(diǎn)擊、加購(gòu)、收藏、領(lǐng)券、用券、獲得積分、兌換積分、搜索、關(guān)注、回復(fù)等；

（3）被動(dòng)（半主動(dòng)）行為：用戶(hù)意圖較弱，價(jià)值一般。收到券、收到推送、廣告/商品曝光、評(píng)論、分享等。

事件對(duì)象：某人行為發(fā)生的對(duì)象，相當(dāng)于新零售“貨”的概念

通常按照以下3類(lèi)進(jìn)行采集：

（1）實(shí)物商品：采集商品ID、商品名稱(chēng)、售賣(mài)價(jià)、成本價(jià)、上架時(shí)間等。為了保證商品信息的全面性，具備條件的大型零售或者電商公司，還卷入賣(mài)家為平臺(tái)商品打標(biāo)簽。除常見(jiàn)的品牌、品類(lèi)（1/2/3/4級(jí)）外，還會(huì)基于商品特性聚合。比如：大小、品類(lèi)特性（比如奶粉：脫脂/全脂）

（2）虛擬商品：優(yōu)惠券/代金券/購(gòu)物卡等。通常會(huì)采集其ID、名稱(chēng)和有效期等；

（3）特殊對(duì)象：關(guān)鍵詞/廣告位/訂單等。通常會(huì)采集其ID、名稱(chēng)等。

2、標(biāo)簽計(jì)算

采集到用戶(hù)基礎(chǔ)行為數(shù)據(jù)后，部分?jǐn)?shù)據(jù)可以直接構(gòu)建具備價(jià)值的分析表，比如：用戶(hù)基礎(chǔ)屬性。但大部分?jǐn)?shù)據(jù)，需要提煉加工成有意義的標(biāo)簽，才會(huì)產(chǎn)生價(jià)值。

通常分為以下3類(lèi)標(biāo)簽：

（1）平臺(tái)賦予的識(shí)別ID，通常具備唯一性，且不隨時(shí)間變化。e.g.會(huì)員卡號(hào)、積分碼、uid碼等；

（2）平臺(tái)賦予用戶(hù)的身份屬性，需要結(jié)合用戶(hù)過(guò)去行為進(jìn)行判斷。具體劃分規(guī)則需要根據(jù)業(yè)務(wù)情況和使用方式，進(jìn)行不斷調(diào)整和優(yōu)化。e.g. 新客、老客、活躍/沉默/流失用戶(hù)、高級(jí)/普通會(huì)員，母嬰人群，白領(lǐng)人群等；

（3）平臺(tái)賦予用戶(hù)的偏好屬性，需要結(jié)合用戶(hù)過(guò)去行為進(jìn)行判斷。打標(biāo)需要根據(jù)業(yè)務(wù)情況，利用算法模型進(jìn)行不斷調(diào)整和優(yōu)化，詳情請(qǐng)查看下方表格。

3、搭建數(shù)據(jù)指標(biāo)體系

基于采集好的數(shù)據(jù)和標(biāo)簽，結(jié)合業(yè)務(wù)目標(biāo)及達(dá)成情況構(gòu)建數(shù)據(jù)指標(biāo)體系，并按照類(lèi)型劃分維度。

我根據(jù)所在的新零售行業(yè)，舉例以下常用分析維度，需要根據(jù)實(shí)際公司性質(zhì)和業(yè)務(wù)場(chǎng)景進(jìn)行調(diào)整。

（1）用戶(hù)畫(huà)像分析

基礎(chǔ)事實(shí)信息和預(yù)測(cè)信息的集合，無(wú)活動(dòng)時(shí)間概念。可用于對(duì)人群進(jìn)行精細(xì)化洞察分析，通常用于幫助業(yè)務(wù)做決策，也是個(gè)性化推薦的前端應(yīng)用。

e.g1. 人群性別/年齡/地域/人生階段/興趣愛(ài)好分布，使用手機(jī)型號(hào)分布

e.g2. 用戶(hù)生命周期分布，新客來(lái)源渠道分布（新零售新客定義通常以首次購(gòu)買(mǎi)為準(zhǔn)）

e.g3. 品類(lèi)/品牌/商品偏好top分布，偏好渠道分布

（2）整體分析

通常為KPI相關(guān)指標(biāo)。

e.g. 人群活動(dòng)期間的ROI=增加銷(xiāo)售額/增加活動(dòng)投入、銷(xiāo)售額、訂單數(shù)、客單價(jià)、引入新客數(shù)、關(guān)注公眾號(hào)人數(shù)等

（3）行為分析

根據(jù)事件和事件對(duì)象的不同，主要區(qū)分以下4類(lèi)分析：

1）人群BY品類(lèi)/門(mén)店/品牌/商品購(gòu)買(mǎi)分析。e.g. 人群在活動(dòng)期間購(gòu)買(mǎi)topx品類(lèi)、購(gòu)買(mǎi)topy品牌、購(gòu)買(mǎi)topz商品、購(gòu)買(mǎi)topw門(mén)店/省/市/大區(qū)、購(gòu)買(mǎi)渠道，可支持按照銷(xiāo)售額、訂單數(shù)、購(gòu)買(mǎi)人數(shù)、ROI排序。

2）人群BY品類(lèi)/門(mén)店/品牌/商品的非購(gòu)買(mǎi)行為分析。e.g.人群在活動(dòng)期間加購(gòu)/點(diǎn)擊/分享/評(píng)論topx品類(lèi)、topy品牌、topz商品、topw門(mén)店/省/市/大區(qū)、可支持按照商品金額額、互動(dòng)人數(shù)/次數(shù)排序

3）人群BY關(guān)鍵詞的搜索行為分析。e.g.人群在活動(dòng)期間搜索人數(shù)、搜索次數(shù)、歸因成交訂單數(shù)、歸因成交金額，關(guān)于歸因的解釋可以查看part3部分

4）人群社交互動(dòng)行為。e.g.人群在活動(dòng)期間公眾號(hào)回復(fù)關(guān)鍵詞人/次數(shù)、關(guān)注公眾號(hào)人數(shù)、關(guān)注來(lái)源分布等

（4）優(yōu)惠券分析

人群BY優(yōu)惠券領(lǐng)取使用分析。

e.g. 人群在活動(dòng)期間關(guān)于指定優(yōu)惠券的領(lǐng)取張數(shù)、使用張數(shù)、引入銷(xiāo)售金額、引入購(gòu)買(mǎi)訂單數(shù)、引入購(gòu)買(mǎi)商品數(shù)、ROI、券使用品類(lèi)/品牌/商品/門(mén)店分布，可支持按照領(lǐng)取張數(shù)、使用張數(shù)排序。

（5）用戶(hù)增長(zhǎng)分析

人群屬性活動(dòng)前后變化，一般跟用戶(hù)運(yùn)營(yíng)KPI強(qiáng)相關(guān)。

e.g. 人群活動(dòng)期間引入的新客數(shù)、引入關(guān)注公眾號(hào)人數(shù)、引入的高級(jí)會(huì)員數(shù)、流失用戶(hù)召回?cái)?shù)、沉默用戶(hù)喚醒數(shù)，用戶(hù)生命周期前后分布等

（6）積分分析

人群活動(dòng)期間BY積分獲得/兌換分析。

e.g. 人群活動(dòng)期間獲取積分?jǐn)?shù)、兌換積分?jǐn)?shù)、積分兌換獎(jiǎng)品分布，可支持按照兌換次數(shù)、兌換人數(shù)排序

基于part2部分，已經(jīng)完成了分析模塊的基礎(chǔ)搭建。

由于B端產(chǎn)品，主要目的是為了提效降本。所以，如何基于業(yè)務(wù)場(chǎng)景靈活清晰呈現(xiàn)給業(yè)務(wù)方成為DMP分析模塊不可或缺的一部分。

1、模型分析

1）漏斗分析

指定多個(gè)事件和指標(biāo)組成漏斗節(jié)點(diǎn)，查看整體漏斗人群轉(zhuǎn)化以及圍繞漏斗路徑節(jié)點(diǎn)下的人群分析

e.g1.以曝光-點(diǎn)擊-加購(gòu)-下單-購(gòu)買(mǎi)為節(jié)點(diǎn)，可按照人數(shù)/次數(shù)呈現(xiàn)漏斗轉(zhuǎn)化，并支持查看漏斗節(jié)點(diǎn)人群part2的表現(xiàn)情況

e.g2.以領(lǐng)券-用券為節(jié)點(diǎn)，可按照人數(shù)/張數(shù)呈現(xiàn)漏斗轉(zhuǎn)化，并支持查看節(jié)點(diǎn)人群part2的表現(xiàn)情況

2）歸因模型分析

指定發(fā)生非直接購(gòu)買(mǎi)事件人群為對(duì)象，將其發(fā)生的購(gòu)買(mǎi)成交歸因成該事件成交

e.g. 搜索行為本身不能帶來(lái)成交，但通過(guò)程序賦予搜索過(guò)指定關(guān)鍵詞，且在其響應(yīng)搜索結(jié)果頁(yè)發(fā)生過(guò)加車(chē)行為的人群24h內(nèi)成交即算搜索該關(guān)鍵詞帶來(lái)的成交。同樣的形式可用于廣告位成交歸因分析。

3）交叉對(duì)比分析

指定1個(gè)人群在不同時(shí)間段指定指標(biāo)對(duì)比分析，或者多個(gè)人群在同一個(gè)時(shí)間段指定指標(biāo)對(duì)比分析。

某個(gè)人群在不同時(shí)間段指定指標(biāo)對(duì)比分析。e.g1. 分析母嬰人群在618和雙11期間，用戶(hù)畫(huà)像具體差異。

設(shè)定某個(gè)人群指定指標(biāo)KPI值，查看活動(dòng)期間的完成度。e.g2.設(shè)定人群618期間的ROI為1.3，活動(dòng)結(jié)束后ROI為1.2，則KPI完成度92.3%。

多個(gè)人群在同一個(gè)時(shí)間段指定指標(biāo)對(duì)比分析。e.g3. 將新客分成3組人群分別進(jìn)行灌券、短信觸達(dá)和不做任何動(dòng)作，對(duì)比3組人群7日內(nèi)購(gòu)買(mǎi)轉(zhuǎn)化

2、數(shù)據(jù)可視化

為了讓業(yè)務(wù)快速發(fā)現(xiàn)問(wèn)題，可支持通過(guò)自定義指標(biāo)搭建可視化報(bào)表，打造業(yè)務(wù)團(tuán)隊(duì)自主自助分析。

數(shù)據(jù)可視化呈現(xiàn)形式，典型的有：表格、折線圖、柱狀圖、環(huán)形圖、餅圖、漏斗圖等。

而新零售分析場(chǎng)景較為復(fù)雜，通常需要多種圖組合分析，并實(shí)現(xiàn)圖形之間的交互聯(lián)動(dòng)。

e.g1. 分析人群A線下門(mén)店購(gòu)買(mǎi)路徑轉(zhuǎn)化。如下圖所示，通過(guò)左側(cè)漏斗轉(zhuǎn)化可知道人群人數(shù)在“店外-店內(nèi)-購(gòu)買(mǎi)-高凈值”節(jié)點(diǎn)轉(zhuǎn)化情況，選擇指定節(jié)點(diǎn)，如“店內(nèi)人數(shù)”，在右側(cè)可呈現(xiàn)該節(jié)點(diǎn)人群畫(huà)像分布

（圖3：數(shù)據(jù)分析可視化案例）

本篇文章是基于新零售行業(yè)，整理關(guān)于【DMP系統(tǒng)之分析體系】搭建的思考，希望能給同行路上的你些許幫助與啟發(fā)。

愿你我在產(chǎn)品汪道路上，做些真正有意義和價(jià)值的事情。