社区
客服专区
帖子详情
请问一下 我的总技术分 每天都在增加 为何 排名却没有上升
ou_yangpengfei
2008-11-22 10:24:05
等级:
可用分等级:贫农
总技术分:124
总技术分排名:322578
...全文
62
4
打赏
收藏
请问一下 我的总技术分 每天都在增加 为何 排名却没有上升
等级: 可用分等级:贫农 总技术分:124 总技术分排名:322578
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
4 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
ou_yangpengfei
2008-11-23
打赏
举报
回复
哎 我的帖子怎么这么冷啊
哎...
结了算了
ouyang20080512
2008-11-23
打赏
举报
回复
最好 问问版主
ouyang20080512
2008-11-23
打赏
举报
回复
期待早日升级
tianshangfei
2008-11-22
打赏
举报
回复
...
一款可拒绝被K的优化软件《fhyseo引擎系统》
给各位推荐一个免费最牛的网站优化软件,3到10天可到百度相关搜索、下拉框,自然
排名
稳定飙升绝不被K(各位可以
每天
观察
排名
就知道我说的是不是真的)! FHYSEO引擎系统是一款方便、快捷、安全,高效的网络营销工具,快速实现百度下拉搜索框及百度底部相关搜索位置的
排名
,和各大搜索引擎的自然
排名
提升!业界形容它是超竞价营销高手,搜索引擎(百度)底层营销专家,搜索引擎(百度)营销法宝,它可以让您的公司的产品品牌信息在竞价还
没有
出来前就可以让潜在客户接纳,无任何点击费用,快速提升品牌曝光率、产品增值、促进交易,节约企业推广成本。 主要功能: 1、搜索引擎下拉框(如:百度搜索用户联想区),让您公司占领最火爆、最抢眼的下拉位置,让客户被动接受产品最强势的营销。 2、刷搜索引擎相关搜索(如:百度底层相关搜索);可以让搜索某一个行业关键词时,出现你的项目品牌词,比如:搜索“东风车”时,出现“东风车十堰嘉莉源” 同时也可以搜索某一个品牌词时,相关搜索都出现你的品牌词。 3、删除压挤负面信息 删除挤压企业任何不健康的负面信息新闻。fhyseo引擎系统具有国内最强悍的耐挤压能量,它可以让那些恶意制造负面的对手现形,并让对手望风兴叹。 4、搜索引擎自然
排名
上升
,可以让您需要推广的公司产品关键词,迅速
排名
提升展现在各大搜索引擎上。 我们与众不同的最大优势就是:多个搜索引擎不定时的搜索相关关键词来提升流量,这样让搜索引擎更觉得人性化,认为是纯真人为的搜索关键词到搜素引擎的操作……所以流量是大幅度
上升
,且绝对不会被K! 本软件最初本来是要积
分
制的,后来考虑初期大家对本软件的可信度欠佳,所以官方后来经再三考虑,决定于2011年08月01日起对所以先使用本软件的用户全部免费让其刷一组关键词,让您真正的免费享受我们软件强悍的优化效果! 本免费期限为1个月,一月后官方将继续使用积
分
制跟VIP,但是这一月内注册的用户我们将对其永久性免费使用!!这样也是为了软件的互刷IP流量
增加
,(一IP内只能挂机一个用户,请勿徒劳重复注册!)这样方便了既大家了,也方便了我们自己!望各位多多合作配合!!! 绝对优势: 本系统所刷的相关网站基本可以排除被搜索引擎k掉的现象!(因为本系统所刷算法是连本公司
技术
本身都不可能知道的,完全是人工跟随机2大操作流程!)。 官方下载地址:http://www.fanghuayuan.com/html/90/525.htm QQ2群:145195322
2019数据运营思维导图
数据运营 作用&意义 知错能改,善莫大焉 —错在哪里,数据
分
析告诉你 运筹帷幄,决胜千里 —怎么做好“运筹”,数据
分
析告诉你 以往鉴来,未卜先知 —怎么发现历史的规律以预测未来,数据
分
析告诉你 工作思维 对业务的透彻理解是数据
分
析的前提 数据
分
析是精细化运营,要建立起体系化思维(金字塔思维) 自上而下 目标—维度拆解—数据
分
析模型—发现问题—优化策略 自下而上 异常数据 影响因素 影响因素与问题数据之间的相关关系 原因 优化策略 数据化运营7大经典思路 以目标为导向,学会数据拆
分
细
分
到极致 追踪思路 运营的问题,是追踪出来的,不是一次就看出来的 所有的数据都是靠积累和沉淀才能发现问题,单一的数字
没有
任何 意义,只能称为 “数值” 结合/拆
分
思路 追踪数据,多个维度结合
分
析。 从多个维度拆
分
数据 对比思路 大的营销事件作为节点单独标记,数据剔除出来单独进行
分
析 节点思路 如运营活动等 行为标记思路 将大动作的优化,大的项目上线及时标注在数据报表中 培养数据的敏感度 培养数据思维,从
每天
的各种数据报表开始 数据来源 数据埋点 初级 追踪每次用户的行为,统计关键流程的使用程度 中级 在产品中植入多段代码追踪用户连续行为,建立用户模型来具体化用户在使用产品中的操作行为 高级 研发团队合作,通过数据埋点还原出用户画像及用户行为 常用数据
分
析工具 友盟、Talkingdata 友盟的页面访问
分
析,对帮助
分
析用户流失有重要指导意义 网站Alexa
排名
查询、爱站网、中国网站
排名
、网络媒体
排名
禅大师、ASO100 各种指数 百度指数、搜狗指数、腾讯浏览指数、360指数、某视频网站指数 数据库、运营后台等 工作内容 数据监控 检测异常指标,发现用户对您产品的”怒点“ 如:多次获取手机验证码,次数剧增 这里需要考虑有一个监控指标 新功能数据
分
析 通过留存曲线检验新功能的效果 通过留存看新功能用户的接受程度 通过用户反馈或调研,了解新功能接受度 数据指标 标记: 红色 整体概况 1、[大盘数据]用户及收入表格+折线图 注册用户(今天、昨日、近3天、近7日、近30天、全部) 新增用户、付费用户、充值
总
额 2、同时在线趋势折线图 在线人数一向是游戏火热程度的最好衡量 需要有同期对比功能,有参照物才能更好的比较 3、付费渗透 日付费率变化折线图 日付费率通常不稳定,一般情况下看周付费率或月付费率 付费率=充值人数/活跃人数*100% ARPU值变化折线图 ARPU值=
总
收入/活跃人数 ARPU值影响因素 活跃人数DAU发生较大变化 运营活动影响 金字塔 大R 是否有大R用户异常波动(大R用户流失或大R用户进入) 中、小R 大量中R、小R用户出现或消失 ARPPU值变化折线图 ARPPU值=
总
收入/付费人数 可以用来监控大R用户异常变化情况 如果该值异常波动,请进一步看鲸鱼用户数据 4、用户留存 新用户留存 次日、3日、7日、14日、30日留存 次日留存是对玩家“第一游戏体验”的最佳印证 与游戏的类型、题材、玩法、美术风格、游戏前期内容吸引度、新手引导有效性有直接的相关性 如果导入的新增玩家群体对游戏题材、玩法、美术风格不予认可,留存将会很差,且可优化的空间较小 优化新手引导和前期的游戏内容则可以有效帮助提升次日留存 7日、30日留存则与游戏难度、持续的活动运营、游戏内奖励机制有密不可
分
的关系 活跃用户留存 一般不
分
析活跃用户留存,而是通过DAU观察活跃用户流失数据 留存是评定游戏综合质量的最佳指标 5、平均使用时长和平均使用次数 可以使用柱状图来展现 两项宏观行为指标可反映出用户对app的依赖程度 如果留存较好,但时长和次数均不高,则可能是因过于强调每日登录奖励,但持续的app内容用户家缺乏吸引力所致 用户
分
析 用户规模 下载数量 新增用户 定义:每日注册并登录游戏的用户数量 ——解决问题 渠道贡献新用户份额
分
布,监控重点渠道 宏观走势,是否需要进行市场投放 判断是否存在渠道作弊行为、渠道包被下架等问题 日一次会话用户数 即新登用户中只有一次会话,且会话时长低于门阀值 ——解决问题 推广渠道是否有刷量作弊行为 渠道推广质量是否合格 用户导入是否存在障碍点,如网络状况和加载时间等 用户获取成本 解决问题 获取有效新登用户成本 如何选择正确的渠道优化投放 需要根据渠道来细
分
不同渠道的获取用户成本 了解用户成本 活跃用户 DAU(日活跃用户) 定义 每日登录过游戏的用户 解决问题 了解游戏的核心用户规模 了解游戏产品生命周期变化趋势、渠道活跃用户生命周期 了解游戏产品老用户流失和活跃情况 注意事项 日活跃=新增用户+回流用户+老用户 如果日活跃依靠新增为维持,留存肯定有问题 健康比例3:7,当然不同产品会有一定差异 WAU(周活跃用户) 定义 截止当日,最近一周含当日的7天内,登录过游戏的用户,一般按照自然周计算 解决问题 游戏的周期用户规模 游戏产品的周期性/每周变化趋势衡量 注意事项 利于在不同活跃用户规模的维度上发现和掌握游戏用户规模的变动 数据去重 MAU(月活跃用户) 定义 截止到当天,最近30天(含30天)登录过游戏的用户 解决问题 游戏
总
体用户规模并评估用户规模稳定性 推广效果评估 了解产品的粘性 注意事项 MAU层级的用户规模更加具有稳定性、相对变化很小 某个时期或版本更新对其可能也产生较大影响 数据去重 一定程度上可以观察游戏的生命周期 DAU/MAU(日活跃用户和月活跃用户的比例值) 一般极低值为0.2 保证产品能够达临界规模的病毒式传播和用户粘度 忠实用户 连续3周登录的用户 目前
分
析价值不大 用户活跃 启动次数(时、日、周、月) 每日启动1次计算为1次启动 需要有一个间隔时间,30秒内多次启动只能计算为1次 解决问题 衡量用户粘度,数值越大越好 识别优质渠道,渠道是否存在刷量 什么渠道/用户启动次数多 日均使用时长 定义 活跃用户每日平均在线时长 解决问题 游戏的参与度怎么样 产品质量把控指标,游戏粘度如何 渠道质量如何 与单次使用时长结合
分
析留存和流失问题 用户活跃度 DAU/MAU,理论上不低于0.2,0.2*30=6天 解决问题 游戏的人气是增长、衰退还是稳定? 看趋势 一个月中,用户的活跃天数是多少 用户的游戏参与度如何 用户活跃率 活跃率=活跃用户/
总
用户 了解你的用户的整体活跃度,但随着时间周期的加长,用户活跃率
总
是在逐渐下降的 用户层次(轻度、中、重) 轻度用户:每周登录1~2次的用户 中度用户:每周登录3~5次的用户 重度用户:每周登录6~7次的用户 解决问题 了解用户忠实度,能否走得动”口碑传播“ 在线统计 实时在线曲线(每5
分
钟统计一次当时的用户同时在线人数) 上周同期对比 平均同时在线人数、最高同时在线人数和时间 每小时注册用户数 用户在什么节点来的多,需要重点监控该时间段app运行 用户画像 概述 是什么,有什么用,怎么做 构建用户画像的核心工作即是给用户贴“标签”,而标签是通过对用户信息
分
析而来的高度精炼的特征标识 作用 精准营销
分
析产品潜在用户,针对特定群体利用短信、邮件等方式进行营销 用户统计 如购买某类书籍人数 TOP10 数据挖掘 定义 把散乱数据转换成有价值信息的过程 效果评估 完善产品运营,提升服务质量 其实这也就相当于市场调研、用户调研,定位服务群体,提高服务 个性化服务 对服务或产品进行私人定制,精准到某一类甚至每一位客户提供个性化服务 基本构成 用户静态属性 基本指标 年龄、性别、地域、学历、角色、收入、婚姻状态、职业 每个指标均需要从多个角度来
分
析,以区域为例 各区域充值
总
金额、充值人数、充值次数、付费率、arpu值
分
布 交叉
分
析 以区域和性别为例 不同性别+不同地域环境下,付费率数据…… 渠道
分
布 品牌、机型、操作系统、
分
辨率、联网、版本、设备均价、运营商 单设备注册账号数
分
析 可以
分
析小号
分
布情况 用户动态属性 动态属性指具有可变性 基本指标 用户的兴趣爱好、兴趣标签 在互联网上的活动行为特征 用户行为
分
析环节深入
分
析 用户消费属性 消费属性指用户的消费意向、消费意识、消费心理、消费嗜好等,对用户的消费有个全面的数据记录,对用户的消费能力、消费意向、消费等级进行很好的管理 用户心理属性 心理属性指用户在环境、社会或者交际、感情过程中的心理反应,或者心理活动 目前,用户心理相对会有难度,不用过多考虑 怎么做 数据收集 数据太多可以采用抽样的方法 数据建模 根据所获取到的数据建立模型,注入数据调整模型参数 数据
分
析及预测 数据可视化、输出报表、趋势预测 留存
分
析 留存(次~7日、14日、30日) 解决问题 用户对游戏的适应性 用户对于游戏的粘性 评估渠道用户的质量、投放渠道效果评估 新增用户什么时候流失在加剧? 注意事项 次日留存一定程度上代表了用户对游戏的满意度 主要反映了游戏初期新手对游戏引导和玩法的适应性 关注用户流失率的同时,需要关注用户流失节点 实际运用 常见的7日连续登录礼包 第七天送大卡就是为了次日和7日留存的漂亮 次留很低,可能原因 新手阶段不友好、开场不吸引人、游戏上手难度大 程序bug太多,闪退,卡死,无法登陆等 功能引导太繁琐 次留不低,但是第3-4天大量流失,可能引起的原因 游戏内容重复,单调、游戏挫败感太强;新手无对应保护等 如果只是某个渠道存在这个问题,可能存在渠道作弊 [略]僵尸用户(回归、留存) 流失用户(日周月、自然流失、回归流失) 周流失用户 上周登录过游戏,本周未登录过游戏的用户占上周周活跃用户比例 解决问题 活跃用户的生命周期是多少 哪个渠道的流失率比较高 版本更新对于用户的流失影响是多大 什么时期用户的流失率比较高 当游戏进入稳定期尤其值得关注该指标 (活跃用户的生命周期是多少, 哪个渠道的流失率比较高, 版本更新对于用户的流失影响是多大, 什么时期用户的流失率比较高) 稳定期一般来讲收入和活跃都相对比较稳定,是产品稳定的风向标 付费用户流失监控 用户运营需要高度重视的数据 找到付费用户流失模型(多少天未登录有多少概率流失) 流失原因
分
析指标 流失用户行为
分
析 流失前等级
分
布 是否存在卡点 流失用户生命周期 流失用户付费金额、流失用户付费次数、人数 流失原因
分
析——流失用户时间节点 流失前运营手段 运营活动、服务器问题、版本更新(bug、新版本用户不接受) app生态 用户成长体系是否健康 用户调研 用户留存
分
析流程 第一步:
分
组 按照不同的(时间/渠道/行为等)维度进行用户
分
组 时间
分
组 通常用于看整体数据,看整体留存是否出现异常情况 渠道
分
组 对比不同渠道留存数据 通过不同渠道数据对比,找到异常渠道数据或排出渠道因素 行为
分
组 按照功能点使用/未使用
分
组 第二步:对比 根据用户行为进行
分
组 例子 看贴功能内浏览了3篇贴子的新用户和仅浏览1篇贴子的新用户进行
分
析 来自A渠道的新用户进行(有使用看贴/未使用看贴)行为
分
组比较 渠道对比 是不是某些渠道的量出现问题 用户行为 功能使用及参与度 页面访问路径 衍生指标 人均浏览页面数和时长、启动次数、收藏、点赞、关注、评论等 最好形成漏斗模型,规划合理访问路径 关键路径上面各个页面的浏览量 页面转化&用户进入后一步步的转化情况 是否可以简化流程,减少用户操作步骤 (最好形成漏斗模型,规划合理访问路径) 用户习惯
分
析 平均使用时长 单次使用时长、日使用时长、周使用时长 可以进一步做渠道细
分
平均启动次数 日、周、月启动次数 启动天数 周、月游戏天数 使用间隔 平均多长时间启动/使用一次app 用户对app的依赖程度 各个时间段启动app人数
分
布 用户行为 短期点击行为、搜索行为、收藏行为 等级
分
析 各个等级平均耗时 用户成长速度 需要严格控制高端用户成长速度 各个等级用户流失 各个等级次日、3日、7日、14日、30日未登录用户数
分
布 到底在哪个等级阶段用户流失严重? 各个等级用户
分
布数量 各个等级游戏次数 各个等级充值数据 累计充值
总
金额、充值人数、充值次数 哪个阶段是付费高峰期? 各个等级首次充值 各个等级首次充值人数、充值次数、各个等级首次充值金额选择 哪个等级段容易拉动首次充值行为? [辅助]各个等级消耗游戏币数据 新用户等级
分
析 首日等级 所选期间的新增玩家,在其新增当日中最终玩到的等级
分
布情况 首周等级 所选期间的新增玩家,在其新增7日后玩到的等级
分
布情况 14日等级 所选期间的新增玩家,在其新增14日后玩到的等级
分
布情况 近7日等级变化 堆叠图显示每日各个等级人数变化情况
分
析新用户成长 (首日等级, 首周等级, 14日等级) 关卡/任务系统 新手引导转化率 任务参与人数及完成情况 支付转化率 漏斗模型的合理使用 用户传播
分
享、互动、邀请等 付费
分
析 整体数据 付费
总
额 时间段内付费用户消费
总
额 收入下降,原因? 付费率下降? 付费用户流失比活跃用户流失严重 流失的是大R用户还是中小R用户?流失了多少个 付费用户停止付费但未流失 大R还是中小R停止付费? 哪些消费点的消费在下降或停止? arpu下降? 付费人数
增加
了? 付费人数无变化、付费金额下降了 哪些消费点的消费在下降?付费点已经饱和? 付费用户 时间段内进行过付费行为的用户数 其次还有一个付费次数、不去重 新增付费用户(日、周、月) 活跃付费用户数 定义 统计时间段内,成功付费的用户数,一般以月为单位统计 活跃付费用户数=月活跃用户数*月付费率 解决问题 了解产品的付费用户规模 付费用户整体的稳定性 了解付费用户构成 鲸鱼用户、海豚用户、小鱼用户各自数量和比例 注意事项 数据是去重的 ARPU 名词定义 平均每活跃用户收入 统计时间段内,
总
收入/活跃用户数,一般情况下以月为单位 衡量每个用户带来的平均收益 解决问题 评估不同渠道用户的质量 游戏收益贡献、人均收入 用于产品初期不同规模下的收入预估 (评估不同渠道用户的质量, 游戏收益贡献、人均收入) 注意事项 arpu值很高 ——大R付费能力很强,需要重点关注大R用户 付费率高,arpu值低 ——小R用户较多,要多关注小R用户 ARPPU 名词定义 平均每付费用户收入 统计时间段内,付费用户平均所创造的收入,一般以月为单位统计,因为月的数据相对比较稳定 解决问题 了解游戏付费用户平均的付费情况 付费用户整体的付费趋势 加强对鲸鱼用户的
分
析和监控 注意事项 容易受到鲸鱼和小鱼用户的影响 付费率(一般看月付费率) 名词定义 时间段内,付费用户数/活跃用户数 首充大礼包就是为了拉付费率 月付费率 名词定义 统计时间段类,付费用户/活跃用户比例,一般以月为单位计算 解决问题 游戏产品的付费引导是否合理、付费转化是否达到预期 用户付费倾向和意愿 需要结合首次付费功能、道具、等级整体
分
析 注意事项 付费率的高低并不代表付费用户的
增加
和减少 游戏类型不同,付费率有较大的差异 生命周期 定义 一个用户从首次进入游戏到最后一次参与游戏之间的时间间隔 一般计算平均值 14日LTV(新用户后续付费能力指标) 名词定义 用户在生命周期内所创造的收入 14日LTV 14日LTV=今日注册新用户在后续14天内付费额/注册的新用户数 这里计算的是一个平均值 解决问题 用户在游戏中会待多久 用户对于游戏的贡献价值是多少 付费用户流失数量 本周付费用户下周未登录人数 付费习惯 付费周期 首次付费周期 用户注册到第一次充值的平均时间间隔 付费周期 上一次付费和下一次付费的时间间隔 付费渠道 采用那种支付方式充值?支付宝、微信、公众号等 付费面额 主要为首次充值面额 首次大额度要纳入高端用户维系中去 用户问题、多少天未登录都要及时监控和跟进维系 不同时间段首次付费 用户数量 付费
总
金额 充值后首次消费行为
分
析 充值之后第一件事情是购买什么东西? 研究触发用户充值行为的原因,便于优化首充,提升付费率 需要把各个消费点理解透彻 新增付费用户 首次付费用户等级
分
布 首次付费时间间隔 首次充值面额 结合首次付费用户的游戏天数、累计游戏时长综合
分
析 (首次付费用户等级
分
布, 首次付费时间间隔, 首次充值面额) 不同性别/年龄阶段付费
分
析 首次付费
分
析 首次付费等级 首次付费周期 首次付费消费结构 首次付费选择订单面额
分
布 首次付费各个时间节点用户数量及付费
总
金额 看首次付费正在哪个时间段
分
布比较多 一周为单位,哪些时间点是付费高峰期? 首次付费用户及后续付费行为 首次付费行为产生原因 充值之后第一件事情是购买什么东西? 发现其中的规律,运营中可以更好利用首次付费 首次付费地域
分
布 首次付费渠道
分
布 付费场景 一定程度上可以理解为付费点,在哪些地方会产生付费 消费场景 消费人数和消费次数 鲸鱼用户 每日top100付费用户及累计付费金额数据 账号、id、电话、充值
总
额、消耗
总
额、最后登录时间、当前等级 加强对金字塔用户的运营管理 营销效果 新增用户 每小时新增用户 衡量推广效果的最基础指标 新增用户/活跃用户的比例也是衡量产品健康度的标准之一 比例过高,需要关注留存 新增用户渠道
分
布 活跃用户 渠道
分
布 启动次数 单次平均使用时长 留存率 检验产品用户吸引力的重要指标 若版本稳定的情况下,留存出现明显波动,很可能是渠道的问题 渠道充值数据 其他 用户行为是否正常、机型、设备
分
布 其他
分
析 货币产出和消耗数据 各等级货币消耗 消耗
总
量 消耗人数 消耗次数 不同道具消耗数据 用户调研 用户来源 用户来自哪里 用户属性 用户是谁 用户在做什么 用户行为 流失原因 用户建议 数据
分
析模型/方法论 [思维模型]AARRR
分
析模型 获取(Acquisition) 用户如何发现(并来到)你的产品? 激活(Activation) 用户的第一次使用体验如何? 留存(Retention) 用户是否还会回到产品(重复使用)? 收入(Retention) 产品怎样(通过用户)赚钱? 传播(Retention) 用户是否愿意告诉其他用户? 依据该模型,
分
出更细
分
的维度,罗列出影响每一个维度的变量 理解到这里即可,该模型更多的是一个思维模型,也可以叫方法论 (获取(Acquisition), 激活(Activation), 留存(Retention), 收入(Retention), 传播(Retention), 依据该模型,
分
出更细
分
的维度,罗列出影响每一个维度的变量) [思维模型]5W2H 何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何就(How)、何价(How much) 提供一种问题/业务
分
析思路 活动运营常用方法论,尤其是编写活动执行案的时候 如何更加全面的思考问题 [思维模型]PEST
分
析法 用于对宏观环境的
分
析,包括政治(political)、经济(economic)、社会(social)和
技术
(technological)四方面 适合做大环境、行业
分
析,一般情况下用途较少 [思维模型]4P营销理论
分
析公司的整体营运情况,包括产品(product)、价格(price)、渠道(place)、促销(promotion)四大要素 以用于公司整体运营情况
分
析 [思维模型]用户行为理论 主要用于用户行为研究 用户行为理论步骤 认知 网站访问 主要指标有:PV、UV、人均访问页面量、访问来源 熟悉 网站浏览 主要指标有:页面停留时长、跳出率、页面偏好 网站搜索 主要指标有:搜索访问次数等 试用 用户注册 用户注册量、注册转化率 使用 用户登录 登录用户数、DAU等 用户订购 订单量、订购频数、内容、转化率 忠诚 用户粘性 回访者比例、访问深度 用户流失 流失数和流失率 [思维模型]鱼骨图 发现问题“根本原因”的
分
析方法 多维度
分
析 细
分
问题 趋势
分
析/折线图 数据监控 [思维模型]极简数据
分
析方法论 3个步骤 确定目标、列出公式、确认元素/字段 3个模型 [提升元素量级]漏斗模型 适用范围:需要多个步骤达成的元素 通过提升转化率,提升单个元素量级 [精细化]多维坐标 精细化运营 通过多维坐标将用户
分
组,对不同组用户采取对应的运营措施 用户运营也有个经典坐标,叫RFM坐标 [监测数据]
分
组表格 适用范围:随时间变化的用户属性元素 留存率
分
组表格 用户行为
分
析模型 行为事件
分
析 用户留存
分
析 魔法数字法 留存与关键用户行为关系组合图 GrowingIO留存曲线 漏斗模型 AIDMA理论是漏斗模型的理论基础 漏斗模型用途 漏斗模型适用于应用中某些关键路径的转化率的
分
析 以确定整个流程的设计是否合理,各步骤的优劣,是否存在优化的空间等 了解用户使用你应用的真正目的,为他们提供合理的访问路径或操作流程 解决方案思想 扩大漏斗口径 提升转化率 反向漏斗模型 倒推用法——根据目标倒推所需资源配置 趋势、对比、
分
组 趋势 从时间轴的维度,看某个流程或某个步骤前后优化效果及监控 比较 比较类似产品或服务使用流程转化,发现应用中存在的问题 细
分
细
分
来源或不同的客户类型在转化率上的表现 发现一些高质量的来源或客户,通常用于
分
析网站的广告或推广的效果及ROI 用户行为路径
分
析 用户路径的
分
析结果通常以桑基图形式展现 见友盟——功能使用——页面访问路径 主要用途
分
析关键路径上的页面跳转以及转化率,找到流失用户的页面
分
析到达关键页面的页面来源,
分
析关键路径到达的页面 RFM模型/
分
析法(客户关系管理模型-用户
分
类方法) R:表示客户最近一次购买的时间 时间差 用户类型(活跃用户、休眠用户、流失用户) 理论上,最近一次消费时间越近的用户应该是比较好的用户 刻画用户的关注程度 F:表示客户在最近一段时间内购买的次数/频数 购买次数count 用户忠诚度 M:表示客户在最近一段时间内购买的平均金额 请注意是平均值 刻画用户的购买力 用户精细化运营常用模型 (R:表示客户最近一次购买的时间, F:表示客户在最近一段时间内购买的次数/频数, M:表示客户在最近一段时间内购买的平均金额) 用户细查 单个用户某行为或过程
分
析——进而
上升
到用户群体 如有
没有
多次获取验证码的情况 热力图 A/B测试(对比测试) 定义 通过对app的两个不同版本进行比较,来确定一个性能更好的方案 核心思想 提供多种方案,最终根据数据效果选择最优方案 注意事项 目标用户群一定是随机
分
配的 运用 不同创意/不同类型banner数据效果测试 在了解和
分
析各个渠道质量的时候,也可以运用A/B测试方法论 流失预警模型
分
类模型 逻辑树
分
析法 把问题的所有子问题
分
层罗列 可用于业务问题专题
分
析 预测模型、
分
类模型 神经网络 朴素贝叶斯 支持向量机 K-临近邻算法 随机森林 预测模型 逻辑回归 聚合算法 K-Means 关联算法 Apriori算法 可用于游戏道具组合销售策略 异常检测 辅助算法等 主成
分
分
析 特征选择法 降纬算法 数据
分
析报告 http://www.woshipm.com/operate/588326.html 运营日报 Excel 运营周报 一页简报——对关键指标汇
总
+
总
结,往往是领导要看的数据 多页子页——对关键指标的详细解读和说明、可视化 Excel 运营月报 PPT 数据
分
析报告 http://www.woshipm.com/data-analysis/677567.html 市场
分
析 市场需求 市场现状 找到突破口、找到目标用户在哪里 明确目标用户群体 年龄 收入 性别 爱好 目标用户体量 期待抢占多少用户比例 产品定位 基于目标用户需求制定计划 市场
分
析报告 竞品
分
析 了解 竞品的目标群体和推广策略 了解竞品运营需求,需要进行整理 了解竞品周边项目和战略布局 5w2h、swot
分
析 产品
分
析 产品市场定位 产品体验报告 左右资源 运营资源、
技术
资源、渠道资源 swot
分
析 数据运营精髓 通过数据指导运营决策 利用数据驱动业务增长 进一步深入 新增用户 新增设备、新增用户 活跃用户 新用户、老用户;各自数量及占比变化 付费用户 新付费用户、老付费用户;增长衰减变化 收入折线图
WPF记事本开发详解/Notepad/MVVM
在Windows系统中,notepad.exe(记事本)是一个“经典的”、“简洁的”文本编辑器。这个软件,
没有
华丽的外观,也
没有
繁杂的功能,仅仅是一个文本编辑小软件。虽然经过Windows系统数十年的变换,但它却保持着永恒姿态,数十年来几乎不曾改变过。曾经,VS中的经典DEMO中,就有它的身影,一个新建的项目,就藏有一个新建的“记事本”。然而,在WPF的项目中,“记事本”却消失的无影无踪,也许是很容易实现,也许是为了革新,而不愿再传承“经典”。确实,使用WPF
技术
再次让“记事本”复活,确实也是一件非常容易的事情。但是,如果,使用WPF
技术
,再搭配当下非常流行的MVVM模式呢?复活“记事本”的难度却陡然
上升
至很多WPF程序员为之默默叹气。而,MVVM模式是掌握WPF的最顶级
技术
,MVVM模式拥有的无尽的优势,让WPF相对于过往的编程模式来说,是一种革命性的创新,从而也成为大中型WPF项目中必须的模式。但,学习难度。。。。。。在这个《WPF记事本开发详解》的课程中,赵老师带领你在WPF中,从零开始一步步构建MVVM模式,直到让你亲自以WPF+MVVM的方式,让这个经典的“记事本”软件从你的手中“复活”。在课程中,赵老师会详细讲解WPF和MVVM中的各种技巧,让你从此爱上WPF+MVVM编程。
数据运营思维导图
数据运营 作用&意义 知错能改,善莫大焉 —错在哪里,数据
分
析告诉你 运筹帷幄,决胜千里 —怎么做好“运筹”,数据
分
析告诉你 以往鉴来,未卜先知 —怎么发现历史的规律以预测未来,数据
分
析告诉你 工作思维 对业务的透彻理解是数据
分
析的前提 数据
分
析是精细化运营,要建立起体系化思维(金字塔思维) 自上而下 目标—维度拆解—数据
分
析模型—发现问题—优化策略 自下而上 异常数据 影响因素 影响因素与问题数据之间的相关关系 原因 优化策略 数据化运营7大经典思路 以目标为导向,学会数据拆
分
细
分
到极致 追踪思路 运营的问题,是追踪出来的,不是一次就看出来的 所有的数据都是靠积累和沉淀才能发现问题,单一的数字
没有
任何意义,只能称为 “数值” 结合/拆
分
思路 追踪数据,多个维度结合
分
析。 从多个维度拆
分
数据 对比思路 大的营销事件作为节点单独标记,数据剔除出来单独进行
分
析 节点思路 如运营活动等 行为标记思路 将大动作的优化,大的项目上线及时标注在数据报表中 培养数据的敏感度 培养数据思维,从
每天
的各种数据报表开始 数据来源 数据埋点 初级 追踪每次用户的行为,统计关键流程的使用程度 中级 在产品中植入多段代码追踪用户连续行为,建立用户模型来具体化用户在使用产品中的操作行为 高级 研发团队合作,通过数据埋点还原出用户画像及用户行为 常用数据
分
析工具 友盟、Talkingdata 友盟的页面访问
分
析,对帮助
分
析用户流失有重要指导意义 网站Alexa
排名
查询、爱站网、中国网站
排名
、网络媒体
排名
禅大师、ASO100 各种指数 百度指数、搜狗指数、腾讯浏览指数、360指数、某视频网站指数 数据库、运营后台等 工作内容 数据监控 检测异常指标,发现用户对您产品的”怒点“ 如:多次获取手机验证码,次数剧增 这里需要考虑有一个监控指标 新功能数据
分
析 通过留存曲线检验新功能的效果 通过留存看新功能用户的接受程度 通过用户反馈或调研,了解新功能接受度 数据指标 标记: 红色 整体概况 1、[大盘数据]用户及收入表格+折线图 注册用户(今天、昨日、近3天、近7日、近30天、全部) 新增用户、付费用户、充值
总
额 2、同时在线趋势折线图 在线人数一向是游戏火热程度的最好衡量 需要有同期对比功能,有参照物才能更好的比较 3、付费渗透 日付费率变化折线图 日付费率通常不稳定,一般情况下看周付费率或月付费率 付费率=充值人数/活跃人数*100% ARPU值变化折线图 ARPU值=
总
收入/活跃人数 ARPU值影响因素 活跃人数DAU发生较大变化 运营活动影响 金字塔 大R 是否有大R用户异常波动(大R用户流失或大R用户进入) 中、小R 大量中R、小R用户出现或消失 ARPPU值变化折线图 ARPPU值=
总
收入/付费人数 可以用来监控大R用户异常变化情况 如果该值异常波动,请进一步看鲸鱼用户数据 4、用户留存 新用户留存 次日、3日、7日、14日、30日留存 次日留存是对玩家“第一游戏体验”的最佳印证 与游戏的类型、题材、玩法、美术风格、游戏前期内容吸引度、新手引导有效性有直接的相关性 如果导入的新增玩家群体对游戏题材、玩法、美术风格不予认可,留存将会很差,且可优化的空间较小 优化新手引导和前期的游戏内容则可以有效帮助提升次日留存 7日、30日留存则与游戏难度、持续的活动运营、游戏内奖励机制有密不可
分
的关系 活跃用户留存 一般不
分
析活跃用户留存,而是通过DAU观察活跃用户流失数据 留存是评定游戏综合质量的最佳指标 5、平均使用时长和平均使用次数 可以使用柱状图来展现 两项宏观行为指标可反映出用户对app的依赖程度 如果留存较好,但时长和次数均不高,则可能是因过于强调每日登录奖励,但持续的app内容用户家缺乏吸引力所致 用户
分
析 用户规模 下载数量 新增用户 定义:每日注册并登录游戏的用户数量 ——解决问题 渠道贡献新用户份额
分
布,监控重点渠道 宏观走势,是否需要进行市场投放 判断是否存在渠道作弊行为、渠道包被下架等问题 日一次会话用户数 即新登用户中只有一次会话,且会话时长低于门阀值 ——解决问题 推广渠道是否有刷量作弊行为 渠道推广质量是否合格 用户导入是否存在障碍点,如网络状况和加载时间等 用户获取成本 解决问题 获取有效新登用户成本 如何选择正确的渠道优化投放 需要根据渠道来细
分
不同渠道的获取用户成本 了解用户成本 活跃用户 DAU(日活跃用户) 定义 每日登录过游戏的用户 解决问题 了解游戏的核心用户规模 了解游戏产品生命周期变化趋势、渠道活跃用户生命周期 了解游戏产品老用户流失和活跃情况 注意事项 日活跃=新增用户+回流用户+老用户 如果日活跃依靠新增为维持,留存肯定有问题 健康比例3:7,当然不同产品会有一定差异 WAU(周活跃用户) 定义 截止当日,最近一周含当日的7天内,登录过游戏的用户,一般按照自然周计算 解决问题 游戏的周期用户规模 游戏产品的周期性/每周变化趋势衡量 注意事项 利于在不同活跃用户规模的维度上发现和掌握游戏用户规模的变动 数据去重 MAU(月活跃用户) 定义 截止到当天,最近30天(含30天)登录过游戏的用户 解决问题 游戏
总
体用户规模并评估用户规模稳定性 推广效果评估 了解产品的粘性 注意事项 MAU层级的用户规模更加具有稳定性、相对变化很小 某个时期或版本更新对其可能也产生较大影响 数据去重 一定程度上可以观察游戏的生命周期 DAU/MAU(日活跃用户和月活跃用户的比例值) 一般极低值为0.2 保证产品能够达临界规模的病毒式传播和用户粘度 忠实用户 连续3周登录的用户 目前
分
析价值不大 用户活跃 启动次数(时、日、周、月) 每日启动1次计算为1次启动 需要有一个间隔时间,30秒内多次启动只能计算为1次 解决问题 衡量用户粘度,数值越大越好 识别优质渠道,渠道是否存在刷量 什么渠道/用户启动次数多 日均使用时长 定义 活跃用户每日平均在线时长 解决问题 游戏的参与度怎么样 产品质量把控指标,游戏粘度如何 渠道质量如何 与单次使用时长结合
分
析留存和流失问题 用户活跃度 DAU/MAU,理论上不低于0.2,0.2*30=6天 解决问题 游戏的人气是增长、衰退还是稳定? 看趋势 一个月中,用户的活跃天数是多少 用户的游戏参与度如何 用户活跃率 活跃率=活跃用户/
总
用户 了解你的用户的整体活跃度,但随着时间周期的加长,用户活跃率
总
是在逐渐下降的 用户层次(轻度、中、重) 轻度用户:每周登录1~2次的用户 中度用户:每周登录3~5次的用户 重度用户:每周登录6~7次的用户 解决问题 了解用户忠实度,能否走得动”口碑传播“ 在线统计 实时在线曲线(每5
分
钟统计一次当时的用户同时在线人数) 上周同期对比 平均同时在线人数、最高同时在线人数和时间 每小时注册用户数 用户在什么节点来的多,需要重点监控该时间段app运行 用户画像 概述 是什么,有什么用,怎么做 构建用户画像的核心工作即是给用户贴“标签”,而标签是通过对用户信息
分
析而来的高度精炼的特征标识 作用 精准营销
分
析产品潜在用户,针对特定群体利用短信、邮件等方式进行营销 用户统计 如购买某类书籍人数 TOP10 数据挖掘 定义 把散乱数据转换成有价值信息的过程 效果评估 完善产品运营,提升服务质量 其实这也就相当于市场调研、用户调研,定位服务群体,提高服务 个性化服务 对服务或产品进行私人定制,精准到某一类甚至每一位客户提供个性化服务 基本构成 用户静态属性 基本指标 年龄、性别、地域、学历、角色、收入、婚姻状态、职业 每个指标均需要从多个角度来
分
析,以区域为例 各区域充值
总
金额、充值人数、充值次数、付费率、arpu值
分
布 交叉
分
析 以区域和性别为例 不同性别+不同地域环境下,付费率数据…… 渠道
分
布 品牌、机型、操作系统、
分
辨率、联网、版本、设备均价、运营商 单设备注册账号数
分
析 可以
分
析小号
分
布情况 用户动态属性 动态属性指具有可变性 基本指标 用户的兴趣爱好、兴趣标签 在互联网上的活动行为特征 用户行为
分
析环节深入
分
析 用户消费属性 消费属性指用户的消费意向、消费意识、消费心理、消费嗜好等,对用户的消费有个全面的数据记录,对用户的消费能力、消费意向、消费等级进行很好的管理 用户心理属性 心理属性指用户在环境、社会或者交际、感情过程中的心理反应,或者心理活动 目前,用户心理相对会有难度,不用过多考虑 怎么做 数据收集 数据太多可以采用抽样的方法 数据建模 根据所获取到的数据建立模型,注入数据调整模型参数 数据
分
析及预测 数据可视化、输出报表、趋势预测 留存
分
析 留存(次~7日、14日、30日) 解决问题 用户对游戏的适应性 用户对于游戏的粘性 评估渠道用户的质量、投放渠道效果评估 新增用户什么时候流失在加剧? 注意事项 次日留存一定程度上代表了用户对游戏的满意度 主要反映了游戏初期新手对游戏引导和玩法的适应性 关注用户流失率的同时,需要关注用户流失节点 实际运用 常见的7日连续登录礼包 第七天送大卡就是为了次日和7日留存的漂亮 次留很低,可能原因 新手阶段不友好、开场不吸引人、游戏上手难度大 程序bug太多,闪退,卡死,无法登陆等 功能引导太繁琐 次留不低,但是第3-4天大量流失,可能引起的原因 游戏内容重复,单调、游戏挫败感太强;新手无对应保护等 如果只是某个渠道存在这个问题,可能存在渠道作弊 [略]僵尸用户(回归、留存) 流失用户(日周月、自然流失、回归流失) 周流失用户 上周登录过游戏,本周未登录过游戏的用户占上周周活跃用户比例 解决问题 活跃用户的生命周期是多少 哪个渠道的流失率比较高 版本更新对于用户的流失影响是多大 什么时期用户的流失率比较高 当游戏进入稳定期尤其值得关注该指标 (活跃用户的生命周期是多少, 哪个渠道的流失率比较高, 版本更新对于用户的流失影响是多大, 什么时期用户的流失率比较高) 稳定期一般来讲收入和活跃都相对比较稳定,是产品稳定的风向标 付费用户流失监控 用户运营需要高度重视的数据 找到付费用户流失模型(多少天未登录有多少概率流失) 流失原因
分
析指标 流失用户行为
分
析 流失前等级
分
布 是否存在卡点 流失用户生命周期 流失用户付费金额、流失用户付费次数、人数 流失原因
分
析——流失用户时间节点 流失前运营手段 运营活动、服务器问题、版本更新(bug、新版本用户不接受) app生态 用户成长体系是否健康 用户调研 用户留存
分
析流程 第一步:
分
组 按照不同的(时间/渠道/行为等)维度进行用户
分
组 时间
分
组 通常用于看整体数据,看整体留存是否出现异常情况 渠道
分
组 对比不同渠道留存数据 通过不同渠道数据对比,找到异常渠道数据或排出渠道因素 行为
分
组 按照功能点使用/未使用
分
组 第二步:对比 根据用户行为进行
分
组 例子 看贴功能内浏览了3篇贴子的新用户和仅浏览1篇贴子的新用户进行
分
析 来自A渠道的新用户进行(有使用看贴/未使用看贴)行为
分
组比较 渠道对比 是不是某些渠道的量出现问题 用户行为 功能使用及参与度 页面访问路径 衍生指标 人均浏览页面数和时长、启动次数、收藏、点赞、关注、评论等 最好形成漏斗模型,规划合理访问路径 关键路径上面各个页面的浏览量 页面转化&用户进入后一步步的转化情况 是否可以简化流程,减少用户操作步骤 (最好形成漏斗模型,规划合理访问路径) 用户习惯
分
析 平均使用时长 单次使用时长、日使用时长、周使用时长 可以进一步做渠道细
分
平均启动次数 日、周、月启动次数 启动天数 周、月游戏天数 使用间隔 平均多长时间启动/使用一次app 用户对app的依赖程度 各个时间段启动app人数
分
布 用户行为 短期点击行为、搜索行为、收藏行为 等级
分
析 各个等级平均耗时 用户成长速度 需要严格控制高端用户成长速度 各个等级用户流失 各个等级次日、3日、7日、14日、30日未登录用户数
分
布 到底在哪个等级阶段用户流失严重? 各个等级用户
分
布数量 各个等级游戏次数 各个等级充值数据 累计充值
总
金额、充值人数、充值次数 哪个阶段是付费高峰期? 各个等级首次充值 各个等级首次充值人数、充值次数、各个等级首次充值金额选择 哪个等级段容易拉动首次充值行为? [辅助]各个等级消耗游戏币数据 新用户等级
分
析 首日等级 所选期间的新增玩家,在其新增当日中最终玩到的等级
分
布情况 首周等级 所选期间的新增玩家,在其新增7日后玩到的等级
分
布情况 14日等级 所选期间的新增玩家,在其新增14日后玩到的等级
分
布情况 近7日等级变化 堆叠图显示每日各个等级人数变化情况
分
析新用户成长 (首日等级, 首周等级, 14日等级) 关卡/任务系统 新手引导转化率 任务参与人数及完成情况 支付转化率 漏斗模型的合理使用 用户传播
分
享、互动、邀请等 付费
分
析 整体数据 付费
总
额 时间段内付费用户消费
总
额 收入下降,原因? 付费率下降? 付费用户流失比活跃用户流失严重 流失的是大R用户还是中小R用户?流失了多少个 付费用户停止付费但未流失 大R还是中小R停止付费? 哪些消费点的消费在下降或停止? arpu下降? 付费人数
增加
了? 付费人数无变化、付费金额下降了 哪些消费点的消费在下降?付费点已经饱和? 付费用户 时间段内进行过付费行为的用户数 其次还有一个付费次数、不去重 新增付费用户(日、周、月) 活跃付费用户数 定义 统计时间段内,成功付费的用户数,一般以月为单位统计 活跃付费用户数=月活跃用户数*月付费率 解决问题 了解产品的付费用户规模 付费用户整体的稳定性 了解付费用户构成 鲸鱼用户、海豚用户、小鱼用户各自数量和比例 注意事项 数据是去重的 ARPU 名词定义 平均每活跃用户收入 统计时间段内,
总
收入/活跃用户数,一般情况下以月为单位 衡量每个用户带来的平均收益 解决问题 评估不同渠道用户的质量 游戏收益贡献、人均收入 用于产品初期不同规模下的收入预估 (评估不同渠道用户的质量, 游戏收益贡献、人均收入) 注意事项 arpu值很高 ——大R付费能力很强,需要重点关注大R用户 付费率高,arpu值低 ——小R用户较多,要多关注小R用户 ARPPU 名词定义 平均每付费用户收入 统计时间段内,付费用户平均所创造的收入,一般以月为单位统计,因为月的数据相对比较稳定 解决问题 了解游戏付费用户平均的付费情况 付费用户整体的付费趋势 加强对鲸鱼用户的
分
析和监控 注意事项 容易受到鲸鱼和小鱼用户的影响 付费率(一般看月付费率) 名词定义 时间段内,付费用户数/活跃用户数 首充大礼包就是为了拉付费率 月付费率 名词定义 统计时间段类,付费用户/活跃用户比例,一般以月为单位计算 解决问题 游戏产品的付费引导是否合理、付费转化是否达到预期 用户付费倾向和意愿 需要结合首次付费功能、道具、等级整体
分
析 注意事项 付费率的高低并不代表付费用户的
增加
和减少 游戏类型不同,付费率有较大的差异 生命周期 定义 一个用户从首次进入游戏到最后一次参与游戏之间的时间间隔 一般计算平均值 14日LTV(新用户后续付费能力指标) 名词定义 用户在生命周期内所创造的收入 14日LTV 14日LTV=今日注册新用户在后续14天内付费额/注册的新用户数 这里计算的是一个平均值 解决问题 用户在游戏中会待多久 用户对于游戏的贡献价值是多少 付费用户流失数量 本周付费用户下周未登录人数 付费习惯 付费周期 首次付费周期 用户注册到第一次充值的平均时间间隔 付费周期 上一次付费和下一次付费的时间间隔 付费渠道 采用那种支付方式充值?支付宝、微信、公众号等 付费面额 主要为首次充值面额 首次大额度要纳入高端用户维系中去 用户问题、多少天未登录都要及时监控和跟进维系 不同时间段首次付费 用户数量 付费
总
金额 充值后首次消费行为
分
析 充值之后第一件事情是购买什么东西? 研究触发用户充值行为的原因,便于优化首充,提升付费率 需要把各个消费点理解透彻 新增付费用户 首次付费用户等级
分
布 首次付费时间间隔 首次充值面额 结合首次付费用户的游戏天数、累计游戏时长综合
分
析 (首次付费用户等级
分
布, 首次付费时间间隔, 首次充值面额) 不同性别/年龄阶段付费
分
析 首次付费
分
析 首次付费等级 首次付费周期 首次付费消费结构 首次付费选择订单面额
分
布 首次付费各个时间节点用户数量及付费
总
金额 看首次付费正在哪个时间段
分
布比较多 一周为单位,哪些时间点是付费高峰期? 首次付费用户及后续付费行为 首次付费行为产生原因 充值之后第一件事情是购买什么东西? 发现其中的规律,运营中可以更好利用首次付费 首次付费地域
分
布 首次付费渠道
分
布 付费场景 一定程度上可以理解为付费点,在哪些地方会产生付费 消费场景 消费人数和消费次数 鲸鱼用户 每日top100付费用户及累计付费金额数据 账号、id、电话、充值
总
额、消耗
总
额、最后登录时间、当前等级 加强对金字塔用户的运营管理 营销效果 新增用户 每小时新增用户 衡量推广效果的最基础指标 新增用户/活跃用户的比例也是衡量产品健康度的标准之一 比例过高,需要关注留存 新增用户渠道
分
布 活跃用户 渠道
分
布 启动次数 单次平均使用时长 留存率 检验产品用户吸引力的重要指标 若版本稳定的情况下,留存出现明显波动,很可能是渠道的问题 渠道充值数据 其他 用户行为是否正常、机型、设备
分
布 其他
分
析 货币产出和消耗数据 各等级货币消耗 消耗
总
量 消耗人数 消耗次数 不同道具消耗数据 用户调研 用户来源 用户来自哪里 用户属性 用户是谁 用户在做什么 用户行为 流失原因 用户建议 数据
分
析模型/方法论 [思维模型]AARRR
分
析模型 获取(Acquisition) 用户如何发现(并来到)你的产品? 激活(Activation) 用户的第一次使用体验如何? 留存(Retention) 用户是否还会回到产品(重复使用)? 收入(Retention) 产品怎样(通过用户)赚钱? 传播(Retention) 用户是否愿意告诉其他用户? 依据该模型,
分
出更细
分
的维度,罗列出影响每一个维度的变量 理解到这里即可,该模型更多的是一个思维模型,也可以叫方法论 (获取(Acquisition), 激活(Activation), 留存(Retention), 收入(Retention), 传播(Retention), 依据该模型,
分
出更细
分
的维度,罗列出影响每一个维度的变量) [思维模型]5W2H 何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何就(How)、何价(How much) 提供一种问题/业务
分
析思路 活动运营常用方法论,尤其是编写活动执行案的时候 如何更加全面的思考问题 [思维模型]PEST
分
析法 用于对宏观环境的
分
析,包括政治(political)、经济(economic)、社会(social)和
技术
(technological)四方面 适合做大环境、行业
分
析,一般情况下用途较少 [思维模型]4P营销理论
分
析公司的整体营运情况,包括产品(product)、价格(price)、渠道(place)、促销(promotion)四大要素 以用于公司整体运营情况
分
析 [思维模型]用户行为理论 主要用于用户行为研究 用户行为理论步骤 认知 网站访问 主要指标有:PV、UV、人均访问页面量、访问来源 熟悉 网站浏览 主要指标有:页面停留时长、跳出率、页面偏好 网站搜索 主要指标有:搜索访问次数等 试用 用户注册 用户注册量、注册转化率 使用 用户登录 登录用户数、DAU等 用户订购 订单量、订购频数、内容、转化率 忠诚 用户粘性 回访者比例、访问深度 用户流失 流失数和流失率 [思维模型]鱼骨图 发现问题“根本原因”的
分
析方法 多维度
分
析 细
分
问题 趋势
分
析/折线图 数据监控 [思维模型]极简数据
分
析方法论 3个步骤 确定目标、列出公式、确认元素/字段 3个模型 [提升元素量级]漏斗模型 适用范围:需要多个步骤达成的元素 通过提升转化率,提升单个元素量级 [精细化]多维坐标 精细化运营 通过多维坐标将用户
分
组,对不同组用户采取对应的运营措施 用户运营也有个经典坐标,叫RFM坐标 [监测数据]
分
组表格 适用范围:随时间变化的用户属性元素 留存率
分
组表格 用户行为
分
析模型 行为事件
分
析 用户留存
分
析 魔法数字法 留存与关键用户行为关系组合图 GrowingIO留存曲线 漏斗模型 AIDMA理论是漏斗模型的理论基础 漏斗模型用途 漏斗模型适用于应用中某些关键路径的转化率的
分
析 以确定整个流程的设计是否合理,各步骤的优劣,是否存在优化的空间等 了解用户使用你应用的真正目的,为他们提供合理的访问路径或操作流程 解决方案思想 扩大漏斗口径 提升转化率 反向漏斗模型 倒推用法——根据目标倒推所需资源配置 趋势、对比、
分
组 趋势 从时间轴的维度,看某个流程或某个步骤前后优化效果及监控 比较 比较类似产品或服务使用流程转化,发现应用中存在的问题 细
分
细
分
来源或不同的客户类型在转化率上的表现 发现一些高质量的来源或客户,通常用于
分
析网站的广告或推广的效果及ROI 用户行为路径
分
析 用户路径的
分
析结果通常以桑基图形式展现 见友盟——功能使用——页面访问路径 主要用途
分
析关键路径上的页面跳转以及转化率,找到流失用户的页面
分
析到达关键页面的页面来源,
分
析关键路径到达的页面 RFM模型/
分
析法(客户关系管理模型-用户
分
类方法) R:表示客户最近一次购买的时间 时间差 用户类型(活跃用户、休眠用户、流失用户) 理论上,最近一次消费时间越近的用户应该是比较好的用户 刻画用户的关注程度 F:表示客户在最近一段时间内购买的次数/频数 购买次数count 用户忠诚度 M:表示客户在最近一段时间内购买的平均金额 请注意是平均值 刻画用户的购买力 用户精细化运营常用模型 (R:表示客户最近一次购买的时间, F:表示客户在最近一段时间内购买的次数/频数, M:表示客户在最近一段时间内购买的平均金额) 用户细查 单个用户某行为或过程
分
析——进而
上升
到用户群体 如有
没有
多次获取验证码的情况 热力图 A/B测试(对比测试) 定义 通过对app的两个不同版本进行比较,来确定一个性能更好的方案 核心思想 提供多种方案,最终根据数据效果选择最优方案 注意事项 目标用户群一定是随机
分
配的 运用 不同创意/不同类型banner数据效果测试 在了解和
分
析各个渠道质量的时候,也可以运用A/B测试方法论 流失预警模型
分
类模型 逻辑树
分
析法 把问题的所有子问题
分
层罗列 可用于业务问题专题
分
析 预测模型、
分
类模型 神经网络 朴素贝叶斯 支持向量机 K-临近邻算法 随机森林 预测模型 逻辑回归 聚合算法 K-Means 关联算法 Apriori算法 可用于游戏道具组合销售策略 异常检测 辅助算法等 主成
分
分
析 特征选择法 降纬算法 数据
分
析报告 http://www.woshipm.com/operate/588326.html 运营日报 Excel 运营周报 一页简报——对关键指标汇
总
+
总
结,往往是领导要看的数据 多页子页——对关键指标的详细解读和说明、可视化 Excel 运营月报 PPT 数据
分
析报告 http://www.woshipm.com/data-analysis/677567.html 市场
分
析 市场需求 市场现状 找到突破口、找到目标用户在哪里 明确目标用户群体 年龄 收入 性别 爱好 目标用户体量 期待抢占多少用户比例 产品定位 基于目标用户需求制定计划 市场
分
析报告 竞品
分
析 了解 竞品的目标群体和推广策略 了解竞品运营需求,需要进行整理 了解竞品周边项目和战略布局 5w2h、swot
分
析 产品
分
析 产品市场定位 产品体验报告 左右资源 运营资源、
技术
资源、渠道资源 swot
分
析 数据运营精髓 通过数据指导运营决策 利用数据驱动业务增长 进一步深入 新增用户 新增设备、新增用户 活跃用户 新用户、老用户;各自数量及占比变化 付费用户 新付费用户、老付费用户;增长衰减变化 收入折线图
影响网站
排名
上升
的因素主要有哪些?
网站
排名
上升
一直是SEO站长追求的,百度
排名
、Google
排名
、360
排名
的
上升
等等。其实做好用户体验、用户需求才是硬道理,也是在搜索引擎
排名
稳定的根本因素;而且不同时期的用户需求是不停的变化,网站
排名
也是跟着变化的,这也说明每个行业的网站
排名
都有起伏,而且也说明谁的网站都不可能一直保持
排名
于首页。今天曾庆平SEO来跟大家谈谈影响网站
排名
上升
的因素主要有哪些? 1、搜索引擎算法的变动性 大家都知道最近几年搜索引擎的算法一直变动很大,从之前的石榴算法到绿萝算法,再到后面的蓝天算法,还有Google熊猫算法
客服专区
543
社区成员
48,808
社区内容
发帖
与我相关
我的任务
客服专区
客服专区
复制链接
扫一扫
分享
社区描述
客服专区
其他
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章