标签: 数据驱动

【大数据】关于数据驱动设计的6个误区

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。

【问答】Facebook数据分析师:通过数据分析驱动用户增长

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。

【京东618】如何借助大数据全面提升买买买的用户体验

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。

【数据驱动的力量】为什么微软溢价50%并购Linkedin?

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。

【思维模式】数据驱动决策的13种思维

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。