用户在线行为学,从点击数据背后说起
在国内,消费者在线行为学领域找不到腕儿的原因有多种:
碍于实践及专注问题,传统行为学(消费者心理学)领域就没有出现专家;
互联网数据分析技术(GA/Ominture等)工具使用,关注度低。
用户在线行为学,如果不使用用户浏览行为、使用数据、点击数据、交互数据、眼动图等,那就无异于盲人摸象。但是非常可怜,这个领域连摸的人都不多,都忙着上炒作,融资,忽悠去了。
周末受老朋友宋星邀请,参加WAW网站分析年度聚会,看到一群小伙伴在很低调地从微观数据、定量角度分析网民行为,DSP、互联网广告投放的数据解析。结合他们思考,也触发我的思考,下面将会议碎片思考与大家交流。(编者注:下文序号不因标题改变原有次序)
1、国内互联网营销、电商、金融等行业数据分析的现状是:极致追求对数据的处理,用数学模型、工具等想渴望完美,然而上帝是不会让这些基于西方科学实证主义的家伙得逞。满嘴实证主义的数据,其实数据背后意义的诠释还缺天才级的洞察和框架。定性VS定量,争论将永存。
2、Cookie作为在线用户访问标识,是行业垂直重度使用的一个技术和维度。现状是经常被定期清除,比例很高,周期上接近48%清除。Cookie的接近38%是在国内公用电脑上的问题,也会给精准数据追求带来挑战,只能采取变通的方法,继续垂直分类,或者刻画区别用户。
3、当下在线行为学领域擅长的冲动是:打标签。给用户的不同维度贴上标签,从之前的人口属性标签,走向行为标签,兴趣标签,更精细的标签。人物画像,是个不错的思考角度和方向。
4、行为碎片化、跨屏化,User ID监测难度加大。传统互联网数据分析,都是块状、连贯性、多屏互动的时代,如何有效评估一个用户前后顺序、访问行为,销售转换效果评估等?行业解决的思路是打通数据,尤其是规模性的(淘宝ID、微信ID、微博ID、百度ID等)资源方的合作。
5、未来的世界,数据将成为各家企业互相PK的资源,谁掌握DT,谁就拥有未来资源的财产权。当然这样的财产权也是有期限的,例如当微博引爆时,微博上的用户及行为数据的价值是爆棚的,随着微博的衰落,数据资源价值下降。BAT手里掌握的用户在线行为数据量是个诱惑的金矿,但开采水平很低。
跨屏行为数据的分析,目前业界转向和运营商合作(移动、电信),通过多维度的流量使用、手机账号、家庭宽带数据等综合解析被低估,重来没有开放使用好的资源。
6、DSP程序化购买热门背后,是互联网正在形成一张密织的网,网与网开始连接,通过ID或数据匹配来打通,形成用户互联网上浏览的闭环。给我们很好地从群体或围观个体来看用户在线行为。
7、百度指数:搜索指数;淘宝指数:购买指数;天气预报指数、赛况指数、路况指数以及消极指数——积极指数场景;通过数据变化来进行精准投放和引导。通过大的数据趋势,来把握大方向及变化。如果我们可以通过分析社交网络上的群体消费者情绪,我们就可以针对性投放不同角度(积极/消极)的广告。
未来即时性的反馈和要求越来越明显,灵活是王道
8、如何刻画,描述在线情绪?“调节游戏节奏,改善情绪旅途”很酷的观点。游戏忒简单,没兴趣,游戏忒难,玩家就会有焦虑。如何平衡焦虑和爽?通过心流(Flow)来调整游戏难度,背后也是数据的支持。例如在某些游戏中功能分为2个范畴:
9、客户留存率、新客获得、平均生命周期数据问题,培养用户生命周期及分层对待的思维。从行为学及互联网数据来刻画用户行为路线图,找出用户热情消减、变迁的模型,以此来干预客户流失问题。
10、我们如何在日常工作、学习中培养自己的数据思维?国人一直没有数据导向的习惯,从现在开始不妨养成习惯数据化。
11、场景越来越性感,用户行为学的核心问题是:场景感知和用户行为动机的融合。大数据,带来场景感知的时代,微观、宏观都有较大幅度的创新。
记录思考,一起碰撞!
数据分析咨询请扫描二维码
数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21