没做AB测试,我们损失了100万美刀【UXRen译#147】
因为没有实施A/B测试,我们损失惨重也获益良多。我们已经深刻的意识到,我们应该分享我们在投身商业和技术时所学到的东西。这里面既有成功经验,也有失败的教训。
因为没有实施A/B测试,我们损失惨重也获益良多。我们已经深刻的意识到,我们应该分享我们在投身商业和技术时所学到的东西。这里面既有成功经验,也有失败的教训。
最近读了谷歌联合创始人 Avinash Kaushik 写的《The Lean Analytics Cycle: Metrics > Hypothesis > Experiment > Act》一文,个人认为其中的方法论对我们应用数据分析来指导商业实践是非常有价值的。
很多商业事务用数据来支持决策,而不是用数据来驱动行为。为什么呢?总的来说,当你能将数据转化为可落地的见解,数据才是有价值的。
随着时间的推移用数据来跟踪变化,探索新的模式,深入分析问题,而不仅仅是为了证明谁对谁错。选定有意义的分类(categories),让你从数据中发现关于用户体验的故事。找到一种在组织中分享和讨论数据的形式,在一开始定义数据时就一起讨论。数据驱动设计已经不在是算法设计、自动化、A/B测试和站点分析的问题了。相反,我们的目标是利用所有数据更好的理解用户日常的体验。
嘉宾:桑文锋(Sensors Data创始人&CEO,前百度大数据部技术经理)
今天所有的互联网从业者,既要掌握正确的数据化运营方法论,又不要盲目成为拜数据教的教徒。做一款叫好又叫座的产品,虽然数据运营不可或缺,但还是要把核心精力放到“做出好酒”和“搬到巷子口”这两个关键点上。
如果是做 A/B 测试的话,1 万以上的用户量差不多是下限了,再少如果几千的话,那需要测试的差异非常明显才能够比较明确的说这个差异是真的差异呢还是一些背景噪音。如果是做类似漏斗分析或者用户转化图这种的话,那么上千的用户量就可以开始有这个概念了。
首先对京东用户进行分层,新用户、老用户和成长型用户等,对于用户留存指标的运营,其核心在老用户防止流失的挽留计划和新用户留存的促进其首次购买。结合推荐算法,使用短信、EDM、微信、APP消息中心等方式吸引已有流失预警风险的用户,同时通过促进新用户“逛起来”的产品体验方面,使其愿意在京东投入更多时间且适当给其认可的优惠力度。
增长带动数据分析,数据带动变现,变现进一步促进增长。而且这种文化折射出硅谷里面蔓延的精益创业的文化,即创业公司必须要做三件事——Build(建立)、Measure(衡量)、Learn(学习)。这句话在过去的6年间不断得到验证,不断通过各种各样的方式在产品,运营,销售,市场推广等各个领域得到大规模的实践。
我们发现全国客户数量下降了,我们从地区和客户年龄层级两个维度先进行观察,发现各个年龄段的客户都下降,而地区间有的下降有的升高,那我们就按地区来拆分第一个逻辑树节点,拆分到大区后,发现各省间的差别是显著的,那就继续拆分到城市,最终发现是浙江省杭州市大量客户且涵盖各个年龄段,被竞争对手的一波推广活动转化走了。就此通过三个层级的逻辑树找到了原因。
译者:狐狸的糖果罐(微信号...
作者:任超(易观智库•新媒体行业中心研究...
撰文:Margo Anderson ;翻...
“仪表盘”,“大数据”,“数据可视化”,...
作者:谢雨宏,微博 @Heidixie,...
一、做设计为什么还需要看数据? 很多设计...