牛和人交vide欧美xx00,久久久久久国产精品免费免费

-- NO.11 --

這是Becomewiser的第11篇文章

全文約7373字，建議先收藏再看

數(shù)據(jù)分析的下限，取決于邏輯歸納。與其說(shuō)提高分析質(zhì)量，不如說(shuō)提升邏輯歸納能力。

邏輯歸納，需要擁有良好的邏輯思維，并結(jié)合領(lǐng)域知識(shí)形成該領(lǐng)域的分析方法。而領(lǐng)域方法，進(jìn)一步歸納則能夠成為通用了方法論。

關(guān)于數(shù)據(jù)分析，本文將從邏輯思維和分析方法2個(gè)角度進(jìn)行解讀，其中分析方**介紹數(shù)據(jù)分析前的準(zhǔn)備以及數(shù)據(jù)如何為我們創(chuàng)造長(zhǎng)期價(jià)值。

一、數(shù)據(jù)分析應(yīng)有的邏輯思維

邏輯思維，是在認(rèn)識(shí)事物的過(guò)程中借助概念、判斷、推理等思維形式反映客觀現(xiàn)實(shí)的理性認(rèn)識(shí)過(guò)程。借助邏輯思維，能夠確立執(zhí)行方向，減少方向的偏移度以及分析的誤差。

原始的數(shù)據(jù)并沒(méi)有太多的價(jià)值，它是已經(jīng)發(fā)生的事實(shí)或者結(jié)果。從中發(fā)掘價(jià)值則是數(shù)據(jù)分析的目的。

在數(shù)據(jù)分析中，其過(guò)程是與邏輯歸納相近的，過(guò)程如下：

提出問(wèn)題?分析問(wèn)題?提出假設(shè)?驗(yàn)證假設(shè)?輸出結(jié)論

只有具備了良好邏輯思維，才能更好的幫助我們數(shù)據(jù)分析。

認(rèn)識(shí)邏輯，先從邏輯論證的三要素開(kāi)始，如下圖所示：

在訓(xùn)練自己邏輯思維時(shí)，首先要保證信息的完整性，其次才是討論準(zhǔn)確性。如果陳述和提問(wèn)不夠清晰，后續(xù)論證是沒(méi)有意義的。

初步了解了邏輯，接下來(lái)將與各位分享4種思維方式以及其運(yùn)用方法，分別是目標(biāo)、結(jié)構(gòu)化、推理、逆向思維。

01 目標(biāo)思維

目標(biāo)思維，作用是明確目標(biāo)的定義及完整性，校準(zhǔn)執(zhí)行的方向。

從邏輯論證的要素來(lái)看，目標(biāo)只是一個(gè)論點(diǎn)，而判斷論點(diǎn)是否有效、正確，則需要細(xì)究其論據(jù)和論證方式。

將目標(biāo)映射至三要素并進(jìn)行結(jié)構(gòu)化拆解，會(huì)變成我們熟悉的需求4要素，再次延伸又會(huì)變成5W2H法。

熟練運(yùn)用目標(biāo)思維，不僅能幫助我們分析問(wèn)題，還能運(yùn)用于生活的許多方面。

在陳述問(wèn)題時(shí)所使用的KWIC方法，其實(shí)也是邏輯要素的延伸：

1）K（KEY）：核心觀點(diǎn)

2）W（Widen）：擴(kuò)展核心觀點(diǎn)包含的內(nèi)容

3）I（Illustrate）：舉例說(shuō)明佐證觀點(diǎn)

4）C（Conclude）：總結(jié)

信息越全面，溝通的成本越低，后續(xù)的論證質(zhì)量才能更高。

02 結(jié)構(gòu)化思維

目標(biāo)思維強(qiáng)調(diào)的是方向，結(jié)構(gòu)化思維強(qiáng)調(diào)的是拆解和延伸。

在上一節(jié)中目標(biāo)的拆解和延伸使用的就是結(jié)構(gòu)化的思維，它能夠幫助我們將無(wú)序、散亂的信息進(jìn)行聚焦、歸納、分類。

2-1、問(wèn)題樹(shù)

問(wèn)題樹(shù)，是大家較為熟悉的方法，也是我們常使用的“腦圖”。它是一種以樹(shù)狀圖形來(lái)分析存在的問(wèn)題及其相互關(guān)系的方法，也是邏輯樹(shù)的一種類型。

在邏輯樹(shù)中，每一層都是下一層的總結(jié)概括，同樹(shù)干內(nèi)的延伸范圍相同，不同樹(shù)干的延伸范圍相互獨(dú)立。

在使用問(wèn)題樹(shù)時(shí)將一個(gè)已知問(wèn)題當(dāng)成樹(shù)干，然后根據(jù)相關(guān)問(wèn)題增加樹(shù)干或樹(shù)枝，它能夠幫助我們更全面的找到相關(guān)項(xiàng)。

設(shè)置第一條樹(shù)干時(shí)有兩種方式，自上而下以及自下而上。

自上而下其實(shí)是以終為始，通過(guò)最終的目標(biāo)進(jìn)行拆解；自下而上則常見(jiàn)于頭腦風(fēng)暴，當(dāng)缺少拆解思路時(shí)，我們可以將信息完全羅列，并對(duì)其進(jìn)行歸類逐層向上聚合。

在拆解時(shí)，我們應(yīng)注意樹(shù)干間的平衡，假設(shè)某個(gè)樹(shù)干上的樹(shù)枝過(guò)多或過(guò)長(zhǎng)，其上層的拆解維度可能是不正確的。

2-2、公式法及過(guò)程法

公式法，是問(wèn)題樹(shù)的一種延伸。

公式在橫向表示時(shí)，我們也稱為金字塔原理。

在邏輯樹(shù)的使用場(chǎng)景下，公式法不太關(guān)注細(xì)分場(chǎng)景以及整體漏斗。在進(jìn)行細(xì)化分析時(shí)結(jié)合場(chǎng)景、操作流程，對(duì)公式進(jìn)行進(jìn)一步的細(xì)化。

在結(jié)合過(guò)程法時(shí)，須注意的點(diǎn)是完全窮舉。

舉個(gè)例子：

在活動(dòng)中分析成交時(shí)，會(huì)使用訪問(wèn)人數(shù)、點(diǎn)擊購(gòu)買(mǎi)按鈕人數(shù)、成交人數(shù)去分析漏斗。但漏斗數(shù)據(jù)往往是不完整的，這會(huì)影響推斷的準(zhǔn)確性。

結(jié)合場(chǎng)景、操作流程并輸出公式進(jìn)行數(shù)據(jù)分析，會(huì)比漏斗更為直觀。

以下載app后用戶的注冊(cè)流程為例，通過(guò)上圖，可以拆解出以下公式：

a、app注冊(cè)人數(shù)=手機(jī)號(hào)注冊(cè)人數(shù)+微信注冊(cè)人數(shù)

b、微信注冊(cè)人數(shù)=進(jìn)入注冊(cè)頁(yè)面人數(shù)+瀏覽其他頁(yè)面引流進(jìn)入人數(shù)-進(jìn)入注冊(cè)頁(yè)面人數(shù)*跳失率-登錄人數(shù)-點(diǎn)擊手機(jī)號(hào)登錄注冊(cè)人數(shù)

c、手機(jī)號(hào)注冊(cè)人數(shù)=進(jìn)入注冊(cè)頁(yè)面人數(shù)+瀏覽其他頁(yè)面引流進(jìn)入人數(shù)-進(jìn)入注冊(cè)頁(yè)面人數(shù)*跳失率-登錄人數(shù)-點(diǎn)擊微信登錄注冊(cè)人數(shù)-進(jìn)入手機(jī)號(hào)登錄頁(yè)面人數(shù)*跳失率-輸入手機(jī)號(hào)未獲取驗(yàn)證碼人數(shù)-獲取驗(yàn)證碼未輸入人數(shù)-輸入驗(yàn)證碼未登錄人數(shù)

公式羅列清楚后，代入數(shù)據(jù)就能夠了解是哪個(gè)數(shù)據(jù)和我們的預(yù)期不同，然后再根據(jù)數(shù)據(jù)優(yōu)化我們的交互。

2-3、二分法及矩陣法

這兩種結(jié)構(gòu)化方式，其實(shí)不太適合用于數(shù)據(jù)分析，但能夠幫助我們梳理思路便于全局思考。

二分法不適用于數(shù)據(jù)分析的原因是，世界不是非黑即白的，它很難將某個(gè)數(shù)據(jù)指標(biāo)的值枚舉完畢。

而矩陣法所呈現(xiàn)的是結(jié)果數(shù)據(jù)，難以細(xì)化。

以時(shí)間管理中的四象限法為例：

四個(gè)象限能夠很好的用于任務(wù)分類，關(guān)于“重要”和“緊急”的程度，我們也可以使用坐標(biāo)軸的值進(jìn)行標(biāo)記，但如果要細(xì)究哪個(gè)元素影響了”重要“和”緊急“的值，矩陣法就難以承載了。

03 推理思維

確認(rèn)論點(diǎn)，結(jié)構(gòu)化論據(jù)，下一步是論證。在論證中運(yùn)用推理思維能夠幫助我們迅速找到問(wèn)題的異同點(diǎn)，從而發(fā)現(xiàn)它們的規(guī)律。

推理主要使用的方法是歸納、演繹、類比法，而在推理過(guò)程中還貫穿著對(duì)因果的辯證。

3-1、歸納法

歸納法，指從特殊（部分樣本）到一般（全量樣本）的過(guò)程，通俗的說(shuō)是從個(gè)別的經(jīng)驗(yàn)歸納出普遍規(guī)律的方法。它更偏感性思維，其推理方式不夠嚴(yán)謹(jǐn)，常用于開(kāi)拓思路。

在產(chǎn)品工作中我們會(huì)遇見(jiàn)許多使用歸納法的情景，如：“很多用戶都需要這個(gè)功能，所以我們應(yīng)該盡快實(shí)現(xiàn)?！?/span>

通過(guò)歸納法拆解后如下圖所示：

這實(shí)質(zhì)上是以偏概全的方法，一旦有一個(gè)用戶不滿足這個(gè)前提，這個(gè)結(jié)論就無(wú)法成立。

這里并不是說(shuō)如果有用戶不需要這個(gè)功能需求就不承接了，而是要增加更多的衡量維度，如樣本數(shù)量、樣本占比、投入產(chǎn)出比等。

在輸出結(jié)論之前需要判斷樣本是否足夠有代表性，判斷是必然事件還是隨機(jī)事件。

這也是為什么數(shù)據(jù)分析需要長(zhǎng)時(shí)間的收集樣本并觀察數(shù)據(jù)，樣本量太小會(huì)使其代表性不足，觀察周期太短會(huì)被數(shù)據(jù)的波動(dòng)所迷惑，很容易讓我們做出錯(cuò)誤的判斷。

3-2、演繹法

演繹法則與歸納法相反,是從既有經(jīng)證實(shí)的普遍性結(jié)論，推導(dǎo)出個(gè)別性結(jié)論的一種方法，常見(jiàn)的表現(xiàn)形式是邏輯三段論。

邏輯三段論的格式為：大前提、小前提、結(jié)論。

假設(shè)大前提為真，小前提為真，那結(jié)論一定為真。演繹法追求的是前后一致，不自相矛盾，但大部分人都倒在了第一步，即大前提本身是不成立的。

不成立的原因是，大前提并非經(jīng)證實(shí)的普遍性結(jié)論，而是通過(guò)歸納法輸出的結(jié)論。要避開(kāi)歸納法的陷阱，我們則需要對(duì)其因果進(jìn)行辯證。

3-3、因果關(guān)系分析法

因果辯證，同時(shí)適用于演繹和歸納法，它們都是由因及果的過(guò)程。

近期互聯(lián)網(wǎng)保險(xiǎn)的營(yíng)銷活動(dòng)由于監(jiān)管原因，無(wú)法使用現(xiàn)金及優(yōu)惠券獎(jiǎng)品促進(jìn)成交，一定程度上減少了活動(dòng)的數(shù)量。

我們?cè)囍鸾獬隹赡艿囊蚬P(guān)系：

拆解完畢后先不進(jìn)行辯證，而是先對(duì)因果關(guān)系進(jìn)行枚舉：

枚舉完畢后，辯證時(shí)提問(wèn)3個(gè)問(wèn)題：

1）原因是否真實(shí)？

2）結(jié)果是否真實(shí)

3）這個(gè)原因一定會(huì)引起這個(gè)結(jié)果嗎？是否有其他的原因？

在上述的案例中假設(shè)原因和結(jié)果都為真，套入第3點(diǎn)做出以下提問(wèn)：

1）使用現(xiàn)金及優(yōu)惠券獎(jiǎng)品，一定會(huì)使成交效果更好嗎，是否有其他的方式？

2）不使用這2種獎(jiǎng)品，活動(dòng)一定不能做嗎，是否有其他的獎(jiǎng)品？

3）活動(dòng)沒(méi)法做，一定不能促進(jìn)成交嗎，是否有其他的方式？

看到這里，我們會(huì)發(fā)現(xiàn)這些原因只是結(jié)果的必要不充分條件。

在推理中，論證完畢也不應(yīng)蓋棺定論。

我們應(yīng)先對(duì)結(jié)論提出假設(shè)，并設(shè)計(jì)實(shí)驗(yàn)或采取其他的手段驗(yàn)證假設(shè)，最終驗(yàn)證后的結(jié)果才是真正的結(jié)論。

04 逆向思維法

”反過(guò)來(lái)想，總是反過(guò)來(lái)想。“

— — 查理·芒格

逆向思維，同時(shí)具有聚焦和發(fā)散兩種作用。

聚焦，是以終為始，問(wèn)題樹(shù)中的“自上而下”拆解是其表現(xiàn)形式之一。

發(fā)散，是因?yàn)?span >從正向思考變?yōu)槟嫦蛩伎?/span>，思考習(xí)慣的改變能夠開(kāi)拓我們的思路，并幫助我們補(bǔ)全邏輯。

在數(shù)據(jù)分析中，我們能夠怎么使用逆向思維呢？

個(gè)人總結(jié)的逆向方法如下：

1）主賓反轉(zhuǎn)

正向：用戶購(gòu)買(mǎi)商品數(shù)量提升了，為什么？

逆向：商品被用戶購(gòu)買(mǎi)的數(shù)量提升了，為什么？

從用戶出發(fā)并沒(méi)有錯(cuò)誤，從商品出發(fā)能幫助我們補(bǔ)全分析的維度。

2）謂語(yǔ)反轉(zhuǎn)

正向：活躍度降低了，分析用戶進(jìn)入活動(dòng)入口

逆向：活躍度降低了，分析用戶的跳出原因

同樣是活躍度降低，”進(jìn)入“這個(gè)詞會(huì)從入口出發(fā)，分析其流量情況。從”跳出“出發(fā)，則會(huì)從交互、設(shè)計(jì)層面出發(fā)分析。

3）次序反轉(zhuǎn)

正向：引導(dǎo)用戶成交，捐款后獲得獎(jiǎng)品

逆向：給予用戶獎(jiǎng)品后，引導(dǎo)用戶成交

這里的逆向主要是為了開(kāi)拓思路，并不是說(shuō)要直接給予用戶獎(jiǎng)品。在開(kāi)拓思路后進(jìn)一步延伸，方案可以調(diào)整為，給予用戶部分獎(jiǎng)品，成交后再給予另一部分。

小結(jié)

校正方向，使用目標(biāo)思維；分解問(wèn)題和提出假設(shè)，使用結(jié)構(gòu)化思維；邏輯推理用于論證，而逆向思維則用于補(bǔ)全我們的邏輯。

良好的邏輯思維，結(jié)合領(lǐng)域知識(shí)能夠幫助我們快速形成不同領(lǐng)域的方法，并解決問(wèn)題。

二、數(shù)據(jù)分析的方法

01 數(shù)據(jù)分析前的準(zhǔn)備

數(shù)據(jù)分析前的準(zhǔn)備過(guò)程，在我看來(lái)比實(shí)際的分析更為重要。

假設(shè)目標(biāo)是錯(cuò)的，我們就不應(yīng)該執(zhí)行。而目標(biāo)不同，分析類型和分析內(nèi)容也不同，同時(shí)執(zhí)行多個(gè)方向，很容易使自己陷入混亂。

1-1、分清楚目標(biāo)和指標(biāo)

數(shù)據(jù)分析，能幫助我們了解業(yè)務(wù)運(yùn)行狀況，并從中發(fā)現(xiàn)問(wèn)題、優(yōu)化問(wèn)題。其次，還能夠幫助洞察下一個(gè)增長(zhǎng)點(diǎn)。

但數(shù)據(jù)分析的意義，往往在數(shù)據(jù)產(chǎn)生之前。我們應(yīng)圍繞產(chǎn)品目標(biāo)，進(jìn)行產(chǎn)品設(shè)計(jì)以及運(yùn)營(yíng)策劃。如果最開(kāi)始的目標(biāo)及指標(biāo)設(shè)置錯(cuò)誤，后續(xù)的工作將難以為繼。

目標(biāo)是結(jié)果，而指標(biāo)是對(duì)結(jié)果分拆的具體要求，是對(duì)目標(biāo)的衡量。

假設(shè)我們的目標(biāo)是提升年度成交金額，那衡量這個(gè)目標(biāo)的方法是什么呢？

根據(jù)衡量的方法我們才能定向的設(shè)置調(diào)整產(chǎn)品設(shè)計(jì)及運(yùn)營(yíng)策略。如果缺少可衡量目標(biāo)的單位和方法，目標(biāo)會(huì)難以達(dá)成。

而圍繞目標(biāo)設(shè)置數(shù)據(jù)的采集方案，可以大大節(jié)省數(shù)據(jù)過(guò)濾和清洗的時(shí)間。

甚至于在明確指標(biāo)后再最開(kāi)始就設(shè)置好分析模型，通過(guò)監(jiān)測(cè)模型中的數(shù)據(jù)情況更及時(shí)的發(fā)現(xiàn)問(wèn)題，做出更高質(zhì)、高效的決策。

1-2、辨別指標(biāo)的目的

辨別了目標(biāo)和指標(biāo)，下一步則是運(yùn)用結(jié)構(gòu)化思維進(jìn)行拆解、延伸。

在拆解之前，需要對(duì)自己提問(wèn)：拆解出的指標(biāo)目的是什么？根據(jù)目的我們才能有傾向性的分析。

根據(jù)指標(biāo)目的，可以分為結(jié)果指標(biāo)、過(guò)程指標(biāo)以及觀察指標(biāo)。

結(jié)果指標(biāo)用于衡量目標(biāo)，過(guò)程指標(biāo)用于體現(xiàn)如何完成。觀察指標(biāo)則指的受影響指標(biāo)，其是否會(huì)受到自變量（結(jié)果指標(biāo)）的影響，導(dǎo)致上升或下降。

在上圖中，基于成交訂單數(shù)，設(shè)置過(guò)程指標(biāo)為訂單平均金額及商品分布能幫助我們了解完成的方式。

而觀察指標(biāo)的設(shè)置，是為了跳出框架思考。

上圖的用戶付費(fèi)率，可以監(jiān)測(cè)成交訂單數(shù)上升，是否帶動(dòng)用戶付費(fèi)率的上升，從而判斷是局部還是整體上升；而成交深度及ARPU/LTV則可以幫助我們考察下一個(gè)增長(zhǎng)點(diǎn)是什么。

在設(shè)置結(jié)果指標(biāo)時(shí)，除了核心指標(biāo)，還應(yīng)輔以制衡性指標(biāo)，它的目的是希望核心指標(biāo)完成的更為健康。

核心指標(biāo)和制衡性指標(biāo)所延展的過(guò)程、觀察指標(biāo)是不同的。

1-3、確認(rèn)分析類型

完成了目標(biāo)和指標(biāo)的設(shè)置，接下來(lái)是對(duì)每個(gè)指標(biāo)進(jìn)行細(xì)化分析，分析類型包含：描述性分析、預(yù)測(cè)性分析和規(guī)范性分析。類型不同，作用也不同。

1）描述性分析

表現(xiàn)形式：數(shù)據(jù)報(bào)表

數(shù)據(jù)報(bào)表能夠幫助我們描述事件發(fā)展的情況，但很難解釋某種結(jié)果發(fā)生的原因和未來(lái)可能的趨勢(shì)。

它更偏向結(jié)果性的描述，此前的結(jié)果對(duì)此后是不具備太多參考意義的。

2）預(yù)測(cè)性分析

表現(xiàn)形式：用戶相似度及物品相似度計(jì)算、用戶購(gòu)買(mǎi)飽和度、用戶成交影響因子

預(yù)測(cè)性分析可以理解為對(duì)結(jié)果和變量的關(guān)系進(jìn)行預(yù)測(cè)的過(guò)程，包含相似度、相關(guān)性分析、回歸分析等。

相似度多用于推薦算法，通過(guò)計(jì)算用戶的相似度和商品相似度從而推薦給用戶。而相關(guān)分析用于預(yù)測(cè)變量的關(guān)聯(lián)性，如用戶的成交會(huì)受什么因素影響。

3）實(shí)證性分析及規(guī)范性分析

表現(xiàn)形式：A/B實(shí)驗(yàn)

實(shí)證性分析，指是什么，偏向于客觀；規(guī)范性分析指應(yīng)當(dāng)做什么，偏向于主觀。

在實(shí)際使用過(guò)程，上述的4種分析類型常常會(huì)被混合使用，混合使用時(shí)應(yīng)明確不同類型我們應(yīng)采取的分析維度。

數(shù)據(jù)分析是有順承關(guān)系的，先采集事實(shí)，再根據(jù)事實(shí)或者預(yù)測(cè)，提出我們的假設(shè)。逐步灰度地驗(yàn)證假設(shè)，最終才輸出我們的結(jié)論。

不能將主觀猜測(cè)強(qiáng)加于事實(shí)之上，已經(jīng)發(fā)生的結(jié)果并不一定是未來(lái)的結(jié)果

02 數(shù)據(jù)分析如何帶來(lái)長(zhǎng)期價(jià)值

學(xué)習(xí)了方法，做好了準(zhǔn)備，終于進(jìn)入了分析的環(huán)節(jié)。

筆者此前面向的數(shù)據(jù)分析，常常是“一錘子買(mǎi)賣(mài)”，花了很大的力氣采集數(shù)據(jù)卻沒(méi)有了下文。

為了使有用功更多，下文將從用戶和收益2個(gè)維度分享數(shù)據(jù)如何為我們沉淀長(zhǎng)期價(jià)值。

2-1、了解我們的用戶

這一步是為了讓我們知道完成指標(biāo)的用戶是誰(shuí)，常常以產(chǎn)品的會(huì)員體系作為切入點(diǎn)。會(huì)員體系越清晰，分析效果越好。

本節(jié)將以電商產(chǎn)品為例，和各位分享如何基于用戶的延伸分析。

1）基礎(chǔ)信息

基礎(chǔ)信息，指用戶本身的屬性。

身份特征，可以從自然屬性、社會(huì)屬性向下細(xì)分，包含用戶的性別、年齡、職業(yè)、教育等。

渠道屬性，指用戶的注冊(cè)時(shí)間、注冊(cè)平臺(tái)、注冊(cè)來(lái)源等。

2）決策類型

決策類型，主要分為決策周期、品類偏好、促銷偏好、對(duì)象偏好，這是用戶分析中常常被忽略的一方面。

決策周期中的首次訪問(wèn)，指的首次觸及該商品的時(shí)間。結(jié)合次數(shù)、時(shí)長(zhǎng)以及成交時(shí)間，從而了解用戶的決策周期。

品類偏好，結(jié)合品牌和歷史成交單數(shù)，能夠幫助我們獲悉品牌、價(jià)格綜合對(duì)用戶的影響。

而成交品類、商品、單數(shù)則是幫助我們理解其品類購(gòu)買(mǎi)深度及路徑，用于進(jìn)行關(guān)聯(lián)推薦和評(píng)判用戶的價(jià)值。

促銷偏好，結(jié)合品類和折扣金額了解用戶的敏感度，能更好的提高其轉(zhuǎn)化率。對(duì)象偏好，同樣是了解購(gòu)買(mǎi)深度及路徑，不過(guò)維度不同。

在用戶層面的分析，此前接觸的一些朋友都非常熱衷于使用RFM模型，在使用過(guò)程中也應(yīng)“因地制宜”。

3）購(gòu)買(mǎi)路徑

品類深度、對(duì)象深度是影響決策類型的因子，當(dāng)它們?cè)谫?gòu)買(mǎi)路徑時(shí)則聚焦于次序。

根據(jù)次序，制定運(yùn)營(yíng)的發(fā)力點(diǎn)，再遵循用戶的購(gòu)買(mǎi)路徑制定轉(zhuǎn)化路徑。

在用戶分布相對(duì)穩(wěn)定的前提下，應(yīng)順從用戶的購(gòu)買(mǎi)規(guī)律而非傾力于另一條主線。

一專多強(qiáng)的前提是專，只有聚焦優(yōu)勢(shì)品類或主題建立了優(yōu)勢(shì)，才能為其他的方向供應(yīng)炮彈。

4）增長(zhǎng)觀察

前面解決的問(wèn)題是：他是誰(shuí)，買(mǎi)什么以及怎么買(mǎi)。最后一點(diǎn)，則是增長(zhǎng)觀察。

購(gòu)買(mǎi)路徑聚焦于次序，增長(zhǎng)觀察聚焦于深度。購(gòu)買(mǎi)的次序是運(yùn)營(yíng)的主線，購(gòu)買(mǎi)的深度用于精細(xì)化運(yùn)營(yíng)。

了解用戶在品類和對(duì)象的購(gòu)買(mǎi)深度，再輔以ARPU與LTV的比對(duì)，從用戶的剩余潛力尋找平臺(tái)增長(zhǎng)點(diǎn)的方式。

2-2、建立你的用戶模型

了解用戶的下一步，是建立用戶模型。

在一次交流會(huì)上，前輩阿翹對(duì)我提問(wèn)：“你所負(fù)責(zé)的產(chǎn)品，用戶畫(huà)像是怎么樣的？”

當(dāng)時(shí)我把平臺(tái)用戶的地域、年齡、性別等分布介紹了一番。緊接著他提問(wèn)：“根據(jù)這樣的畫(huà)像你能夠做什么呢？”

再后來(lái)，我才學(xué)會(huì)了把數(shù)據(jù)聚合成特征，把特征集合成模型。

基于對(duì)用戶的認(rèn)識(shí)建立模型，以上一小節(jié)的決策模型為例。

將決策類型、品類偏好、對(duì)象偏好、促銷偏好4個(gè)因子的關(guān)聯(lián)，并輔以用戶的基礎(chǔ)信息進(jìn)行組合。

如：“精打細(xì)算、專注大牌、疼愛(ài)孩子的母親”。

這樣一來(lái)冰冷的數(shù)據(jù)也被賦予了情感化的表達(dá)，無(wú)論是產(chǎn)品設(shè)計(jì)、交互設(shè)計(jì)、產(chǎn)品運(yùn)營(yíng)都會(huì)變得容易的多。

建立起用戶模型，才能夠更好地進(jìn)行情感化設(shè)計(jì)、精細(xì)化運(yùn)營(yíng)。

2-3、分析與收益相關(guān)的行為

收益，常用成交或ROI進(jìn)行衡量。那我們?cè)趺磁袛嗯c收益相關(guān)的行為呢？有關(guān)程度又有多高？

判斷相關(guān)性及其程度時(shí)，使用的方法是：相關(guān)性分析。

相關(guān)性分析主要用于：

a、判斷兩個(gè)或多個(gè)變量之間的統(tǒng)計(jì)學(xué)關(guān)聯(lián)；

b、如果存在關(guān)聯(lián)，進(jìn)一步分析關(guān)聯(lián)強(qiáng)度和方向。

根據(jù)數(shù)據(jù)的類型不同，所采取分析方法不同。

關(guān)于收益及影響收益的行為，二者都屬于無(wú)序分類變量，此類數(shù)據(jù)的分析方法是卡方校驗(yàn)。

卡方檢驗(yàn)，用于統(tǒng)計(jì)樣本的實(shí)際觀測(cè)值與理論推斷值之間的偏離程度，如果卡方值越大，實(shí)際觀測(cè)值與理論推斷值偏差程度越大。

反之，二者偏差越小；若兩個(gè)值完全相等時(shí)，卡方值就為0，表明理論值完全符合。

在實(shí)際分析時(shí)，會(huì)先進(jìn)行假設(shè)，并通過(guò)計(jì)算判定其假設(shè)成立的概率從而反推其不成立的概率。

以判定關(guān)注與成交行為是否有關(guān)為例，介紹卡方校驗(yàn)。

1）提出假設(shè)

假設(shè)：關(guān)注與成交無(wú)關(guān)

2）計(jì)算實(shí)際觀測(cè)數(shù)據(jù)及理論推測(cè)數(shù)據(jù)

將關(guān)注及成交的相關(guān)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，可得出下表：

根據(jù)表格，可計(jì)算出綜合的成交率等于58.3%。

假設(shè)關(guān)注與成交行為無(wú)關(guān)，成交率應(yīng)不隨關(guān)注行為變化而變化，或數(shù)據(jù)抖動(dòng)較小。

將觀測(cè)的成交率代入原表，并得出理論推斷值。

完成了這一步，就可以進(jìn)行卡方檢驗(yàn)的計(jì)算了。

3）卡方校驗(yàn)計(jì)算

繼續(xù)代入公式

當(dāng)我們計(jì)算出卡方值時(shí)，可以初步判定由于卡方值較大，實(shí)際觀測(cè)值與理論推斷值差異較為明顯，原假設(shè)關(guān)注與成交無(wú)關(guān)成立的可能性是比較小的。

4）計(jì)算自由度及P值

而到了判定可能性具體的程度，則是根據(jù)P值（用于判斷判定假設(shè)檢驗(yàn)結(jié)果）進(jìn)行校驗(yàn)，P值越小，原假設(shè)關(guān)注與成交無(wú)關(guān)的概率也越小。

由于其自由度等于1，結(jié)合卡方值再查詢卡方分布表可得P＜0.01，所以原假設(shè)成立的可能也越小，即關(guān)注與成交有關(guān)的概率非常大。

在實(shí)際使用時(shí)，同樣的也須兼顧樣本和觀測(cè)時(shí)間周期，樣本包含準(zhǔn)確性和數(shù)量，觀測(cè)時(shí)間周期則用于分辨其抖動(dòng)性。這2者較為基礎(chǔ)也就不過(guò)多描述了。

相關(guān)性分析，用于代表相關(guān)程度，只能說(shuō)明有關(guān)但并不能說(shuō)明因果性。

對(duì)變量之間的依賴關(guān)系進(jìn)行定量關(guān)系及因果關(guān)系的研究，我們還會(huì)使用回歸分析進(jìn)行計(jì)算。但由于計(jì)算方式并非本文的重心，在此也不過(guò)多的贅述了。

本小節(jié)，也有較多的概念并未在本文提及，此部分將附在文末。

小結(jié)

個(gè)人認(rèn)為數(shù)學(xué)方法是非常重要的領(lǐng)域知識(shí)，很多時(shí)候不是不會(huì)數(shù)據(jù)分析，而是不知道使用什么方法分析。因?yàn)椴辉?jiàn)過(guò)，所以也未曾往陌生的方向思考。

遇到這樣的問(wèn)題時(shí)，先運(yùn)用逆向思維確認(rèn)分析目標(biāo)，其次再進(jìn)行結(jié)構(gòu)化的拆解，再逐層學(xué)習(xí)分析時(shí)應(yīng)該使用的方法。

若時(shí)間寬裕，還是建議閱讀統(tǒng)計(jì)學(xué)相關(guān)的書(shū)籍。耐下性子閱讀，工具書(shū)的收益會(huì)比大部分同領(lǐng)域的文章都大。

寫(xiě)在最后

這篇文章寫(xiě)完，前后花了大半年時(shí)間的《產(chǎn)品經(jīng)理的能力模型》專題也就結(jié)束了。

開(kāi)設(shè)公眾號(hào)的初衷是因?yàn)?-2歲的產(chǎn)品經(jīng)理受到的毒害太多了，想寫(xiě)一些比較樸實(shí)的文章。其次也想借著寫(xiě)作提煉自己的知識(shí)，沉淀自己的方法論。

下一個(gè)階段，公眾號(hào)將更垂直于產(chǎn)品運(yùn)營(yíng)。也由于今年的重心是學(xué)習(xí)，本就不快的發(fā)文頻率可能會(huì)再次減緩，也請(qǐng)多多擔(dān)待。

參考資料

1、相關(guān)性分析

https://zhuanlan.zhihu.com/p/94070722

2、數(shù)據(jù)的類型

https://blog.csdn.net/weixin_34203832/article/details/88687669

3、統(tǒng)計(jì)學(xué)——卡方檢驗(yàn)和卡方分布

https://blog.csdn.net/snowdroptulip/article/details/78770088

4、自由度計(jì)算

https://www.cnblogs.com/mahailuo/p/10932026.html

5、什么是P值

https://baike.baidu.com/item/P%E5%80%BC/7083622?fr=aladdin

6、什么是A/B測(cè)試

https://www.zhihu.com/question/20045543

7、回歸分析

https://www.jianshu.com/p/bbe0c702b5ad

本文系作者： Wise Wong 授權(quán)發(fā)表，鳥(niǎo)哥筆記平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。

本文為作者獨(dú)立觀點(diǎn)，不代表鳥(niǎo)哥筆記立場(chǎng)，未經(jīng)允許不得轉(zhuǎn)載。

《鳥(niǎo)哥筆記版權(quán)及免責(zé)申明》如對(duì)文章、圖片、字體等版權(quán)有疑問(wèn)，請(qǐng)點(diǎn)擊反饋舉報(bào)

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