了解用户的十个大数据分析途径

标签: 产品运营 数据分析 用户研究 | 发表时间:2014-01-25 19:31 | 作者:漓江
出处:http://www.woshipm.com

我们正处于福雷斯特研究公司所描述的“用户时代”,这个时代中驱动业务决策的不再是公司,而是用户。基于这个原因,深度理解用户的重要性已经远胜以往,因此许多机构开始使用大数据技术来挖掘用户信息。

在这个时代,企图收获成功(甚至是求生存)的在线业务必须切实的理解顾客的体验和行为,因此海量数据的收集及挖掘能力成了这些机构的必备手段。当下,有许多机构的分析仍处于数据的收集上,组织能力的缺乏和技术的限制让这些收集来的数据失去了应有的价值。而在用户体验上也缺乏按部就班的计划,从而丧失了获取关键见解的途径。因此,这样的数据分析有很大的误导、不完整及不确定性。

收集和分析正确的数据、切实的理解用户体验及用户行为已成为当务之急,下面将分享10个大数据的使用方法,可以帮助机构从用户交互中获得见解、提高用户忠诚度并从根本上取得竞争优势:

1.将网络传输中的数据看做“金矿”并进行挖掘。你的网络中包含了大量其它公司无法从中获益的数据,收割这些数据中的价值是你真正理解用户体验的第一步。

2.不要总是用假设去了解你的用户,并且知道他们需要什么。拥抱用户,并且切实的了解用户行为,要比去假设要好的多。保持客观,从实际数据中获得见解。

3.尽可能的收集数据,从而减少盲点。盲点可能导致丢失关键信息,从而得到一个歪曲的用户体验观。确认你收集了一切可以影响到用户体验和行为分析的数据。

4.对比数据的体积,我们该更看重数量。收集好数据之后,专注于重要的数据来做分析方案。

5.迅速。用户需求优先级总是在变化的,技术需要迅速的做出分析并做调整。这样才能保证你分析出的不是过时结果,对于随时都在改变的需求,你需要迅速的收集数据并做出响应的处理。

6.实时的业务运作。这就需求对数据的实时分析并获取见解,从而在情况发生后可以实时的做出调整,从而保证最佳的用户体验及经营结果。

7.分析不应该给产品系统带来风险,也就是分析永远都不应该给用户体验带来负面的影响。所以尽可能多的捕捉数据,避免盲点才能让分析出的见解不会对业务有负效应。

8.利用好你数据的每一个字节,聚合数据可能会暗藏关键见解。这些信息片段可能会反应最有价值的见解,可以帮助持续的提升用户体验及经营效果。

9.着眼大局。捕捉与你站点或者网络应用程序交互的所有数据,不管是来自智能手机、平板或者是电脑。丰富数据,将不同储存形式之间的数据关联起来,确信这些点都被连接了起来。在处理中关联的越早,获得的见解就越完整、精准、及时和有效。

10.和平台无关,确保你的大数据分析能力不会受到设备的类型限制(笔记本、台式机、智能手机、平板等)。

via:199IT


微信号:woshipm,干货天天推荐,欢迎关注

相关 [用户 大数据 分析] 推荐:

了解用户的十个大数据分析途径

- - 人人都是产品经理
我们正处于福雷斯特研究公司所描述的“用户时代”,这个时代中驱动业务决策的不再是公司,而是用户. 基于这个原因,深度理解用户的重要性已经远胜以往,因此许多机构开始使用大数据技术来挖掘用户信息. 在这个时代,企图收获成功(甚至是求生存)的在线业务必须切实的理解顾客的体验和行为,因此海量数据的收集及挖掘能力成了这些机构的必备手段.

爬取QQ空间3000万用户,玩玩大数据分析

- - FreeBuf.COM | 关注黑客与极客
这是我近期使用C#写的一个QQ空间蜘蛛网爬虫程序. 程序断断续续的运行了两周,目前总共爬了3000万QQ数据,其中有300万包含用户(QQ号,昵称,空间名称,头像,最新一条说说内容,最新说说的发表时间,空间简介,性别,生日,所在省份,城市)的详细数据. 目前已经爬到我的第7圈好友(depth=7)共3000万数据.

谈大数据分析

- - 人月神话的BLOG
对于数据分析层,我们可以看到,其核心重点是针对海量数据形成一个分布式可弹性伸缩的,高查询性能的,支持标准sql语法的一个ODS库. 我们看到对于Hive,impala,InfoBright更多的都是解决这个层面的问题,即解决数据采集问题,解决采集后数据行列混合存储和压缩的问题,然后形成一个支撑标准sql预防的数据分析库.

[原]自学大数据:Hive基于搜狗搜索的用户日志行为分析

- -
”大数据时代“,“大数据/云计算”,“大数据平台”,每天听到太多的大数据相关的词语,好像现在说一句话不跟大数据沾边都不好意思说自己是做IT的. 可能这与整个IT圈子的炒作也有关联,某一个方面来看其实就是一营销术语. 很多朋友就想问,我想做大数据,但是没有这个条件,没有这个数据量,没有那么多业务场景,没有那多集群可以吗.

广电行业 | 大数据在用户流量分析中的应用 2015年上半年电视互动业务分析

- - 199IT互联网数据中心
199IT数据中心微信账户:i199IT. 我们可以先来设想一个生活场景:当你早上醒来打开电视,遥控器已经自动更换到你以往关注的财经频道;当你准备开车去上班,导航仪已经按照目前的路况规划了你的上班路线,及时避开了拥堵路段;在你上班的时候,手机提醒你快到结婚纪念日了,同时用你的消费喜好数据为你推荐了几款礼物以作备选;当你结束一天的工作回到家中,电视已经根据你的内容喜好为你推荐好了频道和节目,这就是大数据应用.

大数据分析的5个方面

- - ITeye资讯频道
越来越多的应用涉及到大数据,不幸的是所有大数据的属性,包括数量、速度、多样性等等都是描述了数据库不断增长的复杂性. 那么大数据给我们带来了什么好处呢. 大数据最大的好处在于能够让我们从这些数据中分析出很多智能的、深入的、有价值的信息. 下面我总结了分析大数据的5个方面. Analytic Visualizations(可视化分析).

大数据分析最佳实践

- - 互联网分析
   转自:TTNN   Q先生杰作. 大概是从今年开始,big data一词逐渐成为术语,这跟整个世界的数据爆发当然有关系. 以前,人们喜欢用海量数据这个词,large-scale. 这看上去还是显得有点学术气, 像是BI人自己关起门来说自己的宝贝. 而big data更显通俗,在各行各业都显现出的一种势头,于是产生这个更加简单的词汇,大数据.

大数据分析的分类-转载

- - 人月神话的BLOG
原文:http://www.csdn.net/article/2011-08-15/303101. Hadoop平台对业务的针对性较强,为了让你明确它是否符合你的业务,现粗略地从几个角度将大数据分析的业务需求分类,针对不同的具体需求,应采用不同的数据分析架构. 按照数据分析的实时性,分为实时数据分析和离线数据分析两种.

下一代大数据分析技术

- - Parallel Labs
原文发表于《程序员》杂志2013年第2期.. 随着以Hadoop为代表的大数据分析技术的普及,大数据的商业价值得到深入挖掘,并开始在互联网、零售、医疗、物联网等多个行业里成为商业变革的主导力量. Facebook最近就发布了名为Graph Search的新型社交搜索产品,基于海量的社交关系网络及“Likes”行为数据,为用户提供个性化的社交搜索服务,该产品被认为将是Google搜索业务的重要竞争对手.

基于mdrill的大数据分析

- - CSDN博客云计算推荐文章
     数据越来越多,传统的关系型数据库支撑不了,分布式数据仓库又非常贵. 几十亿、几百亿、甚至几千亿的数据量,如何才能高效的分析. mdrill是由阿里妈妈开源的一套数据的软件,针对TB级数据量,能够仅用10台机器,达到秒级响应,数据能实时导入,可以对任意的维度进行组合与过滤.     mdrill作为数据在线分析处理软件,可以在几秒到几十秒的时间,分析百亿级别的任意组合维度的数据.