用户行为分析
- 行为分析模型，是基于分析场景对数据的抽象。
- 例如：常见的留存分析、事件分析、分布分析、漏斗分析等等，本质上是基于用户行为日志+用户属性数据，来对用户从多个分析维度进行分析。
-
直白说就是将分析师常写的分析SQL固化成产品和数据模型来实现，省去人工介入的时间。
- 示例：用户路径分析
- 可以分析不同类型用户的访问路径、停留时长、浏览内容等，基于此可以不断优化页面布局，优化用户访问路径引导策略，提升用户停留时长、或者方便用户快速找到目标信息。
流量渠道分析
- 渠道留存分析
- 例如：对渠道用户质量的评价一般通过留存率来进行，主要指标包括次日留存率、7日留存率、月留存率等。这几个指标的计算口径如下：
- 次日留存率=第一天新增的用户中第二天还登录的用户数/第一天新增用户总数；
- 七日留存率=第一天新增的用户中在往后的7天还有登录的用户数/第一天新增总用户数；
- 月留存率=第一天新增的用户中在往后的30天还有登录的用户数/第一天新增总用户数。
- 例如：对渠道用户质量的评价一般通过留存率来进行，主要指标包括次日留存率、7日留存率、月留存率等。这几个指标的计算口径如下：
- 渠道活动码（裂变营销）
- 例如：用企业微信沉淀顾客，可以在每个渠道都附上带活码的渠道专属二维码，比如：在自己的公众号、朋友圈广告、企业官网以及其他物料上都附上二维码，将前来咨询新来客户都引进到企业微信，这些客户会被随机分配给某个员工，这样既能保证员工工作的公平，又能避免单个号当日加人达到上限的情况。
- 用户在扫码过程中会被自动打上标签，标识渠道来源。
漏斗分析
- 漏斗图是一种外形类似漏斗的可视化图表，使用该方法可以直观地追踪产品的整体流程、追踪业务的转化路径、追踪不同生命周期阶段下的用户群体表现。
- 通过一系列转化率的分析，可以迅速定位问题，方便运营人员及时调整运营策略
人群洞察
- 用户人群特征分析可以通过组合标签来自定义人群，然后对自定义人群从各个维度进行透视分析或建立对照组人群做人群对比分析。
- 根据分析经验，在做人群分析时一定要去做对比，单纯看单个人群的分布没有太多信息含量，不对比看不出差异。
- 借助画像产品形态，可以分析圈定的用户群在各个维度上的特征情况。
精准推送
- APP Push
- 短信推送
- 邮件推送
精准营销
- 当画像系统做成产品形态后，业务人员可以根据业务规则组合标签圈定相应人群，将该批人群推送到对应的业务系统中进行运营。
- 营销卖货
- 短信/邮件/电话/微信等各种渠道的营销来卖货。
- 营销促活
- 同样是各种渠道的营销来把用户拉/引到平台上，有人活跃的地方就有流量就有生意。
风控预警
- 基于不同行业不同应用场景来设计预警管控的模型，实现对潜在风险的预警与预防。
- 比如：
- 识别潜在的风险账号，把账号直接拉黑名单；
- 直接识别出风险用户，直接做人工的干预管控，基本是基于实时数据对前方风险去做预防。
营销效果评估
-
精准营销是数据价值的一个重要出口，但如何评估效果好坏，不同业务线的人员有不同的关注重点。总体来看，可分为流量提升导向和GMV提升导向两种情况。
-
有的业务线人员背的KPI指标是流量，因此关注的重点是流量提升，如负责Push业务线的人员。这种情况下，对效果的分析会对比使用圈定人群进行精准推送方式带来的点击率，与没有使用用户画像进行无差别普通推送带来的点击率相比是否有所提升、提升了多少个百分点。
-
有的业务线人员背的KPI指标是GMV，因此关注的重点是ROI的转化，如短信营销、外呼营销的业务线人员。这种情况下，对效果的分析会关注营销活动中营销了多少用户、实际触达了多少用户、有多少用户实际付费以及带来的GMV，对比实际营销成本（短信、外呼电话的成本）分析营销的ROI。
个性化推荐系统
- 在用户画像的开发过程中不仅会开发用户标签维度的数据，同时也会开发用户行为特征库、商品特征库、商家特征库等相关数据。为算法开发人员做用户相关商品、内容的个性化推荐提供底层数据支持。
- 另外，基于画像标签系统可以为用户的个性化服务提供支持。例如，针对高质量用户提供VIP专人客服，可以让该部分头部用户享受到高质量服务，有效提升用户体验。
- 对于业务人员从经营分析的多个维度分析了解用户特征，可进一步通过消息推送、短信、邮件等多渠道触达、运营用户，有效帮助流量增长和GMV转化，提升用户体验。
- 同时画像标签数据、用户行为特征库的构建为个性化推荐相关人员进行数据挖掘提供了底层支持。
