ホームページ よくある問題 効果的なデータ分析を行う方法

効果的なデータ分析を行う方法

Jul 22, 2019 am 11:44 AM
ビッグデータ

効果的なデータ分析を行う方法

推奨チュートリアル: Python チュートリアル

後半洗練されたオペレーションの文脈において、プロダクトマネージャーはもはや感情に頼って製品を作るだけでなく、データ認識を養い、製品を継続的に改善するための基礎としてデータを使用できるようにする必要もあります。

同社のプロのデータ アナリストとは異なり、プロダクト マネージャーはユーザー レベルとビジネス レベルからデータを確認し、データ変化の理由をより迅速かつ徹底的に見つけることができます。

それでは、データが効果的に記録されているという前提の下で、データを効果的に分析するにはどうすればよいでしょうか?

#1. データ分析の目的を明確にする

## 1. データ分析の目的がページの比較である場合改訂前と改訂後 ページのクリック率や直帰率などからメリット・デメリットを判断する必要がある 電子商取引アプリケーションの場合は注文コンバージョン率も観察する必要がある ソーシャルアプリケーションの場合は注意を払う必要があるユーザーの訪問時間、いいね、インタラクションの転送など。

多くの新人が独自の製品を設計するとき、製品自体の設計には多くの時間を費やすかもしれませんが、製品の成功を測定する方法について考えることにエネルギーを費やすことはありません。製品ドキュメント内 「ユーザー エクスペリエンスが向上しました」のような空虚なフレーズを書いても、製品設計レビューをスムーズに通過することはできませんし、製品の KPI 指標をより効果的に迅速に改善することもできません。

2. データ分析の目的が、特定のモジュールにおける異常なデータ変動の原因を調査することである場合、分析手法は、バージョン->というピラミッド原則に従って徐々に解体される必要があります。時間→混雑。

たとえば、ホームページ上の「Guess You Like」モジュールのクリックスルー率が最近 40% から 35% に低下し、5% も急激に低下したことがわかった場合、このとき、まずどのバージョンのデータが発生したかを確認し、その変動が新バージョンの立ち上げ漏れやミスによるものかどうかを確認します。

バージョン変動データが一貫している場合は、データがいつ変化し始めたかを確認してください。ページ上の他のモジュールがオンラインになっているのは、クリスマスと元旦の休暇の影響ですか? ? 新しいアクティビティは、推測コンバージョンに影響を与えました。

そうでない場合は、トラフィック ソースの構成が変化したかどうか、また、その原因が露出される新規ユーザーの数の増加であるかどうかを分析して確認します。

プロダクト マネージャーは、明確な目的を持ってデータを分析し、目標を達成するために検証するためにどのようなディメンションを構築する必要があるかを考える必要があります。ほとんどの場合、プロダクト マネージャーは非常に忍耐強く、細分化された部分を段階的に解体して理由を調査する必要があります。

# 2. マルチチャネルデータ収集

収集方法は大きく分けて 4 種類あります。

1.

Analysys や iResearch などの外部の業界データ分析レポートから

を入手し、慎重な姿勢でデータを観察し、有効かつ正確な情報を抽出する必要があります。 、水が入っている可能性のあるデータの一部を剥がしてください、そして他人によって加工された二次データには常に注意する必要があります。 2.

AppStore、カスタマーサービスフィードバック、Weibo、その他のコミュニティフォーラムからユーザーフィードバックを積極的に収集します

。私は暇なときはよくコミュニティ フォーラムにアクセスしてユーザーのステータス コメントを読みます。一般に、そのようなコメントはとても良いコメントだったり、叱責したりする非常に極端なものですが、それでも自分の製品設計の改善に非常に有益です。はい、ユーザーがその瞬間になぜそのような感情を抱いたのかを推測してみることができます。 3.

アンケート設計やユーザーインタビューなどの調査に自ら参加し、ユーザーと直接向き合って生のデータを収集し、ユーザーが利用時に直面する問題や感情を観察する製品###。アンケートは核となる質問を絞り込み、質問の数を減らす必要があり、リサイクル結果からは非効果的でおざなりなアンケートを排除する必要があります。ユーザーインタビューでは、ユーザーの自然な感情を偏らせるような誘導的な言葉や質問を使用しないように注意する必要があります。

4. 記録されたユーザーの行動軌跡からの 調査データ

。大企業は通常、オンライン ユーザー データに関する毎日またはリアルタイムのフィードバックを提供するための固定レポート/電子メールを備えています。また、プロダクト マネージャーやデータ アナリストがより詳細にデータを探索および比較できるように、SQL クエリ プラットフォームも提供しています。やり方。

#3. 干渉データを効果的に排除します

1. 正しいサンプル数を選択し、極端なデータや偶発的なデータの影響を排除するのに十分な数を選択します。 2008年のオリンピックではヤオ・ミンの3ポイントシュート成功率が100%、コービーの3ポイントシュート成功率が32%でしたが、ということはヤオ・ミンの3ポイントシュート成功率はコービーよりも高かったということでしょうか?表示に問題があるのは、オリンピックでヤオ・ミンが3ポイントシュートを1本しか打たなかったのに対し、コービーは53本を打ったからだ。

2. 同じサンプリング ルールを開発して、分析結論の偏りを軽減します。たとえば、2 つの Push コピーライティングです。1 つ目は「心温まるお持ち帰り用の赤い封筒をまだ受け取っていません。一番大きな赤い封筒は、食べるのが一番上手なあなただけに用意されています。クリックして入ってください」、2 つ目は「心温まるお持ち帰り用の赤い封筒をまだ受け取っていません。」 「家から出なくてもお持ち帰り低温特典を差し上げます。ご家庭で温かくて美味しいお料理が食べられます。クリックして集めてください。」実験データによると、2 番目のプッシュ コピーのクリックスルー率は最初のプッシュ コピーのクリックスルー率より 30% 高いことが示されています。では、本当に魅力的なのは 2 枚目なのでしょうか? 2 番目のプッシュ コピーの受信者のアクティビティは、最初のプッシュ コピーの受信者のアクティビティよりも大幅に高いことが判明しました。

3. バージョンの干渉や休日要因を除く, 新しいバージョンが最初に起動されたときのデータパフォーマンスは、多くの場合非常に良好です。一般に非常にアクティブなユーザー。週末や大型連休が近づくとユーザーの消費ニーズが刺激され、ECアプリケーションの注文変換率も急激に上昇します。したがって、データを比較する場合、実験グループと対照グループのデータは時間次元で一貫性を保つ必要があります。

4. 過去のデータを忘れる。人間はデータ テクノロジーとは異なります。データ テクノロジーの記憶能力は 100% ですが、アホビンスの忘却の法則によれば、人間は 1 日後に 33%、6 日後に 25%、31 日後に 21% しか思い出せません。したがって、上映期間は合理的に選択する必要があります。たとえば、Guess You Like モジュールは、興味のあるタグのスコアリングに特定の重み付けプロセスを実行するだけでなく、製品のライフサイクルなどの要因に基づいて一連の回帰実験を実行して、視聴者のさまざまな視聴者の減少曲線を取得します。興味や購入傾向を定期的に変更して古いデータを効果的に削除し、モジュールのクリックスルー率を向上させます。

5. 実験では A1 グループを分割する必要があります。つまり、別のグループ A1 を実験グループ B と対照グループ A に追加します。A1 と A1 のルールは一貫している必要があります。データの変動を AA1 と比較すると、 はデータの自然/異常な変動の影響を排除します。実際の A/B 実験では、A1 グループの設定が非常に重要かつ必要であることがわかりました。データの大きさがどんなに大きくても、同じ実験ルールを持つ 2 つのグループのデータには一定の小さな変動があり、これは微小な変動は調整中です。 本日の運用により、当社の判断に大きな干渉バイアスが生じる可能性があります。

4. データを合理的かつ客観的に調査する

##1. サイレント ユーザーを無視しない

プロダクト マネージャーは一部のユーザーからのフィードバックを聞いて意思決定を行い、対応する機能の開発に多くの時間を費やします。その結果、これらの機能はユーザーにとって緊急のニーズにすぎない場合があります。ユーザーの数は非常に少なく、ほとんどのユーザーは気にしません。コアユーザーの要求に反して、製品の新バージョンの発売後にデータが急減する可能性さえあります。

サイレント ユーザーを無視し、製品の対象ユーザーのほとんどの中核となるニーズを包括的に考慮しないと、人的資源や物的資源の無駄、さらにはビジネス チャンスを逃してしまう可能性があります。

2. データ結果を包括的に理解する

## 実験結果の期待と期待との間に明らかな違いがある場合私たちの経験と認知バイアスについては、盲目的に結論を急ぎ、自分の直観を疑うのではなく、データをより徹底的に分析するようにしてください。

たとえば、私はかつてホームページ上のユーザーにアクティブなポップアップを配信する実験を行ったことがありますが、実験グループのデータはホームページのクリック率が向上したことがわかりました。 、注文コンバージョン率、さらには 7 日間のリテンション率さえも、コントロール グループをはるかに上回っており、ホームページ上の各モジュールのコンバージョン率は大幅に向上しており、予想をはるかに上回っています。では、これは本当にユーザーの興味を刺激するアクティブなポップアップなのでしょうか?変換速度?

その後、ホームページ上でアクティブなポップアップを表示できるユーザーは、その環境を使用する際のネットワーク状態が良い傾向にあることがわかりました。Wi-Fi 環境では、ポップアップを表示しないユーザーは、バス、地下鉄、ショッピング モールなどのモバイル シナリオでは、ネットワーク通信が悪く、A/B 実験の結果に影響を与える可能性があります。

3. データに頼りすぎない

# 一方で、データへの過度の依存、データ分析などの価値のない多くのことを行うことになりますが、その一方で、プロダクト マネージャーが持つべきインスピレーションや創造性も制限されてしまいます。

羅振宇がFriends of Timeの大晦日のスピーチで述べたとおりです。ユーザーが望むものは何でも与えます。ユーザーが言う前からそれを推測できます。これは母性愛アルゴリズムと呼ばれています。コンテンツ配信の分野では Toutiao より優れたアルゴリズムを実行する人はいません。しかし、母性愛アルゴリズムには大きな欠点があります。おすすめ 時間が経つとどんどん狭くなっていきます。

その反対側には、高く立って遠くを見渡す、父親の愛のアルゴリズムがあります。ユーザーに伝えてください、くだらないことは手放してください、私が良いことを教えます、私に従ってください。当時、Qiao Bangzhu が作成した iPhone シリーズ製品と同様に、彼はユーザーの期待を超える製品を作成するために市場分析やユーザー調査を検討しませんでした。

##5. 概要

米国で最も成功した動画 Web サイトである Netflix は、ビッグデータを使用してユーザーを分析していますこの分析は、アメリカの人気ドラマ「ハウス・オブ・カード」を形作った映画の制作プロセスに深くまで入り込んでいます。しかし、Netflix のスタッフは、ビッグデータに執着すべきではないと言いました。

スコア 9 のテレビシリーズが高品質の作品であるとみなされるのであれば、ビッグデータが私たちを救ってくれるでしょう。 6 点以下の低いスコアのリスクはありますが、それはまた、大部分が 7 ~ 8 点の間にある凡庸な状態へと一歩ずつ私たちを導くことになります。

以上が効果的なデータ分析を行う方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

PHPのビッグデータ構造処理スキル PHPのビッグデータ構造処理スキル May 08, 2024 am 10:24 AM

ビッグ データ構造の処理スキル: チャンキング: データ セットを分割してチャンクに処理し、メモリ消費を削減します。ジェネレーター: データ セット全体をロードせずにデータ項目を 1 つずつ生成します。無制限のデータ セットに適しています。ストリーミング: ファイルやクエリ結果を 1 行ずつ読み取ります。大きなファイルやリモート データに適しています。外部ストレージ: 非常に大規模なデータ セットの場合は、データをデータベースまたは NoSQL に保存します。

2024 年の AEC/O 業界の 5 つの主要な開発トレンド 2024 年の AEC/O 業界の 5 つの主要な開発トレンド Apr 19, 2024 pm 02:50 PM

AEC/O(Architecture, Engineering & Construction/Operation)とは、建設業界における建築設計、工学設計、建設、運営を提供する総合的なサービスを指します。 2024 年、AEC/O 業界は技術の進歩の中で変化する課題に直面しています。今年は先進技術の統合が見込まれ、設計、建設、運用におけるパラダイムシフトが到来すると予想されています。これらの変化に対応して、業界は急速に変化する世界のニーズに適応するために、作業プロセスを再定義し、優先順位を調整し、コラボレーションを強化しています。 AEC/O 業界の次の 5 つの主要なトレンドが 2024 年の主要テーマとなり、より統合され、応答性が高く、持続可能な未来に向けて進むことが推奨されます: 統合サプライ チェーン、スマート製造

C++開発経験の共有:C++ビッグデータプログラミングの実践経験 C++開発経験の共有:C++ビッグデータプログラミングの実践経験 Nov 22, 2023 am 09:14 AM

インターネット時代においてビッグデータは新たなリソースとなり、ビッグデータ分析技術の継続的な向上に伴い、ビッグデータプログラミングの需要がますます高まっています。広く使用されているプログラミング言語として、ビッグ データ プログラミングにおける C++ の独自の利点がますます顕著になってきています。以下では、C++ ビッグ データ プログラミングにおける私の実践的な経験を共有します。 1. 適切なデータ構造の選択 適切なデータ構造を選択することは、効率的なビッグ データ プログラムを作成する上で重要です。 C++ には、配列、リンク リスト、ツリー、ハッシュ テーブルなど、使用できるさまざまなデータ構造があります。

58 ポートレート プラットフォームの構築におけるアルゴリズムの適用 58 ポートレート プラットフォームの構築におけるアルゴリズムの適用 May 09, 2024 am 09:01 AM

1. 58 Portraits プラットフォーム構築の背景 まず、58 Portraits プラットフォーム構築の背景についてお話ししたいと思います。 1. 従来のプロファイリング プラットフォームの従来の考え方ではもはや十分ではありません。ユーザー プロファイリング プラットフォームを構築するには、複数のビジネス分野からのデータを統合して、ユーザーの行動や関心を理解するためのデータ マイニングも必要です。最後に、ユーザー プロファイル データを効率的に保存、クエリ、共有し、プロファイル サービスを提供するためのデータ プラットフォーム機能も必要です。自社構築のビジネス プロファイリング プラットフォームとミドルオフィス プロファイリング プラットフォームの主な違いは、自社構築のプロファイリング プラットフォームは単一のビジネス ラインにサービスを提供し、オンデマンドでカスタマイズできることです。ミッドオフィス プラットフォームは複数のビジネス ラインにサービスを提供し、複雑な機能を備えていることです。モデリングを提供し、より一般的な機能を提供します。 2.58 中間プラットフォームのポートレート構築の背景のユーザーのポートレート 58

Go言語にビッグデータフレームワークがない理由と解決策についてのディスカッション Go言語にビッグデータフレームワークがない理由と解決策についてのディスカッション Mar 29, 2024 pm 12:24 PM

今日のビッグデータ時代において、データの処理と分析はさまざまな産業の発展を支える重要な役割を果たしています。 Go言語は、開発効率が高くパフォーマンスに優れたプログラミング言語として、ビッグデータ分野で徐々に注目を集めています。しかし、Go 言語は Java や Python などの他の言語と比較してビッグ データ フレームワークのサポートが比較的不十分であり、一部の開発者に問題を引き起こしていました。この記事では、Go 言語にビッグ データ フレームワークが存在しない主な理由を調査し、対応する解決策を提案し、具体的なコード例で説明します。 1.Go言語

AI、デジタルツイン、ビジュアライゼーション...2023 Yizhiwei 秋の製品発表会のハイライト! AI、デジタルツイン、ビジュアライゼーション...2023 Yizhiwei 秋の製品発表会のハイライト! Nov 14, 2023 pm 05:29 PM

Yizhiweiの2023年秋の新製品発表会は無事終了しました!カンファレンスのハイライトを一緒に振り返りましょう! 1. インテリジェントで包括的なオープン性がデジタルツインの生産性を高める Kangaroo Cloud の共同創設者で Yizhiwei の CEO である Ning Haiyuan 氏は開会の挨拶で次のように述べました: 「3 つのコア機能」「インテリジェントで包括的なオープン性」という 3 つのコアキーワードに焦点を当て、さらに「デジタルツインを生産力にする」という開発目標を提案しました。 2. EasyTwin: より使いやすい新しいデジタル ツイン エンジンを探索します。 1. 0.1 から 1.0 まで、デジタル ツイン フュージョン レンダリング エンジンを探索し続け、成熟した 3D 編集モード、便利なインタラクティブ ブループリント、大規模なモデル アセットを備えたより良いソリューションを実現します。

入門ガイド: Go 言語を使用したビッグデータの処理 入門ガイド: Go 言語を使用したビッグデータの処理 Feb 25, 2024 pm 09:51 PM

オープンソースのプログラミング言語として、Go 言語は近年徐々に注目を集め、使用されるようになりました。そのシンプルさ、効率性、強力な同時処理機能によりプログラマーに好まれています。ビッグ データ処理の分野でも、Go 言語は大きな可能性を秘めており、大量のデータを処理し、パフォーマンスを最適化し、さまざまなビッグ データ処理ツールやフレームワークとうまく統合できます。この記事では、Go 言語によるビッグデータ処理の基本的な概念とテクニックをいくつか紹介し、具体的なコード例を通して Go 言語の使用方法を示します。

C++ テクノロジーでのビッグ データ処理: インメモリ データベースを使用してビッグ データのパフォーマンスを最適化するには? C++ テクノロジーでのビッグ データ処理: インメモリ データベースを使用してビッグ データのパフォーマンスを最適化するには? May 31, 2024 pm 07:34 PM

ビッグ データ処理では、インメモリ データベース (Aerospike など) を使用すると、データがコンピュータ メモリに保存され、ディスク I/O ボトルネックが解消され、データ アクセス速度が大幅に向上するため、C++ アプリケーションのパフォーマンスが向上します。実際のケースでは、インメモリ データベースを使用した場合のクエリ速度が、ハードディスク データベースを使用した場合よりも数桁速いことが示されています。