指标体系+诊断归因
未来的数据产品设计应该尝试建立完整的决策模型和执行路径,突破图表反应数据价值的局限,尽量介入决策环节,朝着解决问题前进. 指标体系,包含看数、归因、预测、辅助决策四个层级 该平台是数据指标体系的产品化实现,其目的是为了了解现状、定位问题、预测未来,最终做到辅助决策。 起源项目地址 指标体系https://www.blublu.site/stkbox/metric-sys/
未来的数据产品设计应该尝试建立完整的决策模型和执行路径,突破图表反应数据价值的局限,尽量介入决策环节,朝着解决问题前进. 指标体系,包含看数、归因、预测、辅助决策四个层级 该平台是数据指标体系的产品化实现,其目的是为了了解现状、定位问题、预测未来,最终做到辅助决策。 起源项目地址 指标体系https://www.blublu.site/stkbox/metric-sys/
流量的归因存在多种模型,比如首次归因、末次归因、平均归因、马尔科夫链流量归因等等,在电商场景下对流量的归因主要应用于流量入口归因,以及具体页面的转化归因,主要解决的问题是以下两个: 首屏放置了多个不同板块的流量入口,需要评估具体的流量效率,哪个入口的流量转化率最高 整个app上有非常多的页面,每个页面都会涉及到流量的转化,那每个页面的转化率如何计算
spm和scm是埋点中定义传入参数的一种模型,其本质还是埋点的属性通过一定的规范进行传输,只是一种传参模式。那么如何搭建SPM方案呢? 以及如何更有效的体现其业务价值呢?
在数据分析的技能方面,优秀的数据产品已经将常用的数据分析思路抽象为了几种分析模式,结合日常工作种的内容,这里分别写下我对这几种分析模式的想法与实践。 数据分析的器术道,这里是术。 在数据分析的思路方面,业界领先的数据产品已经将常用的数据分析思路抽象为了几种分析模式,结合日常工作种的内容,这里分别写下我对这几种分析模式的看法与实践。 常用分析思路:事件、留存、漏斗、分布、归因、用户分群,在日常工作中的大部分分析内容无非是以上几种分析思路的组合。
以前在追踪用户来源的时候,只是简单的在链接上添加source=xx这个参数,全靠这一个参数来标识来源,虽然当时也了解到了utm参数,但是由于不懂其含义且当时场景有限,觉得source参数就足够了,直到最近,才真正了解了这套标识框架的含义,瞬间觉得这套标识框架太好用了,这里把知乎上GrowingIO的文章记录下。
数据驱动四个步骤,数据采集、数据建模、数据分析、指标体系,这里对应的是数据建模。目前数据开发中最常用的数据建模其实就是维度建模,本文中所参考的神策分析的数据建模也不例外,其架构就是简化了的维度建模,其中event表存储的是用户的一个个行为,是一张事实表,user表和item表是维度表,存储的是事实表中user对象和item对象的扩展信息,在进行分析时通过join进行关联查询分析。
神策数据创始人桑文锋的《数据驱动:从方法到实践》读书笔记,每读一个章节,都能有所收获,特别是作者还穿插了大量的案例,结合案例,相信你会对书中所讲内容有更加深入的思考。如果你工作中恰好有着类似疑问、遇到类似问题,那么,这本书能够带来的,就不仅仅是收获,还有实实在在的问题解决方案。强烈推荐!!!
埋点是数据的来源,埋点数据是分析的原材料,无论从哪方面来看,确保埋点的准确性合理性都至关重要。
最近太注重于工程实现,忽略了作为一个分析师最重要的职责:分析业务,so,在此重新整理下分析报告的写作逻辑,开始深入参与业务,分析业务。
说是读书笔记,其实就是拆书,这本书全是干货,这里把一些重点的内容单独摘取出来,既是学习,也是对整个数据知识体系的梳理。