网站性能检测评分
注：本网站页面html检测工具扫描网站中存在的基本问题，仅供参考。
大数据与分析
「干货」我们要怎么用大数据赚钱 赚钱视频课程
特别介绍一下：Simon原是国内脑肿瘤医生，但“觉得一个人真正要想有追求，还是应该做自己喜欢的事”，于是12 年前到美国，因个人爱好是计算机，就从医生转到了计算机行业。 四年半前，Simon曾独自一人支持公司200多个销售；现在，他80人部门支持LinkedIn近5000 多员工。该部门实际上负责所有和收入有关的数据分析。 大数据不是空洞字眼，它究竟可以怎么赚钱？我们来听听Simon的方法论和见解。 怎么用大数据赚钱？ 我来重点讲一讲商业如何变现。我觉得，现在国内大家都在讨论云，讨论云计算，讨论大数据，讨论大数据平台，但很少有人讲：我如何用数据产生更多价值。 举个例子。四年半前我加入LinkedIn，第一份工作是支持内部销售员工。当时加入我很幸运，公司才500个人，但是我一个人的工作，需要支持200 名销售人员。那他们每天问我的问题，就是这些： “Hi Simon，我应该给哪家公司打电话？谁是这个公司的决策者？我应该怎么和这个决策者接洽？我们这么多人，谁去接洽？我们去到那边后，又要讲一个什么样的故事？” 这里背景是：当时LinkedIn内大概有300万公司信息，这是从每个用户简历里抽取出来的，但这300 万个公司，作为销售人员，他不可能给每个公司都打电话，那哪家公司，他最应该打？ 也就是说：第一，我该给哪个公司打电话？这个公司，它对LinkedIn来说值多少钱？因为我们是客户每年交一笔钱这样的 Model；第二个问题，谁是这个公司决策者？比方说谷歌两万员工，难道要打两万个电话，还是说，应该给某个重点的谁打电话？ 第三个问题，如何才能和这个人接洽？你想，因为LinkedIn 是个职业社交网络对吧，它还是非常讲究人与人之间的关系，我们知道，正确的关系和桥梁能提高很大生产力。那第四步，我们LinkedIn有200 名销售员工，谁最应该去和这个公司接洽？第五个问题，我们去到那边了，要讲一个什么样的故事？ 现在我用Linkedin数据，来一一回答这五个问题。第一步大家可能知道，，这块业务，大概占今天总收入的 60%。那首先第一，哪家公司会花多少钱这个问题，我们能否用LinkedIn数据来解决？ 当时我自己问自己答：第一，我们去分析每个公司它有多少员工；第二，我们去分析这个公司它招了多少人；第三，我们去分析这个公司它流失了多少人；第四，我们去分析这个公司，都从哪里招的人？他的工作性质是什么，工种是什么，他的头衔是什么，位置在哪里，他的功能是什么？他的职位，他的级别，一步一步一步，这些都是我们模型里面的各种功能。 下一步的话，我们去分析，他们内部有多少HR员工，有多少负责猎头的人，他们猎头流失率，他们每天在Linkedin 日活是多少。那当所有这些信息汇总完了，我们做了一个看似简单但背后很复杂的模型，这个模型最后走完出来的结果，就是一个数字：Dollar。 就是这个公司每年会在LinkedIn花多少钱。就这么一个数字，刚才说了那么多废话，最后给到销售人员。 比如当时谷歌我们预测，谷歌要花10个Million美金在“猎头”这块，这是谷歌去年的数字。但我记得，我刚来时谷歌每年才花3个 Million。然后当时销售人员说，Simon，这是不可能的事。那我说，你根据数据分析出来的结果，就应该是这个数字，而且谷歌它只会花得更多，而不是更少。 接下来第二个问题：谁是决策人？当时我们通过分析谷歌内部社交网络，找到了那个决策人。这里，很多人认为他应该是VP或HR 来买这个产品，但我们发现：这种想法比较靠谱，但还不是最靠谱。 我们最后发现：真正要买LinkedIn服务的人，其实是一线产品经理，是使用LinkedIn在上面猎聘的那些人，他们才是真正想买LinkedIn 服务的人。但是呢，他们上面的老板是签字的，所以说我们就Target这些中层的管理人，同时他还非常用Linkedin 的这种人。这个转化率瞬间就增加了三倍，就是当时发现这个以后。 再下一个问题：如何接洽？我们通过分析我们LinkedIn 内部的销售人员，和这个相对来说的决策人的关系，来找到哪个人对他有最高的社会影响力，或者和他的社会关系最近。那我们就派这个销售人员，去跟他接洽。 第四步就是，我们分析我们内部所有销售人员和这个公司关系，找到最强的那个销售人员，或者找到他的团队里面，哪些人能够支持他，哪些能够帮他建立关系。你想想，不是我的关系认识比如说你，而是我的团队，帮我介绍这个“墙”的关系去认识你。这样来说，又一步把这个社会关系再一次地往上提升，进一步增加转化率。 也就是说，我们把所有这些步骤，从以前想做到这件事的话，大概需要四到八小时时间，缩短到了今天30秒到一分钟时间。 以前的话，它需要花两个月，才能找到这些信息，和准备完这些信息。但三年以前，它在LinkedIn 变成了一个“钮”，销售人员他只要把这个“钮”点了，它就能自动回答你这几件事，然后这几件事回答完了，一点，就出来整个这个故事。 那故事是什么？故事是最重要的一点，故事就是：为什么说你们谷歌或者你们GE要买Linkedin的服务？为什么？ 故事很简单，又回到了刚才我数据里的那几个问题，因为我们知道它人员流失情况，我们知道它公司增长情况，我们知道我们知道我们知道，我们知道远远比他们自己HR 知道的东西多得多的信息，而且我们还知道，它在人力市场里竞争的这种优势和劣势。 这样来说的话，就是一个完全相对真实的数据驱动的一个“故事”，而不是瞎编的比如说忽悠的一个故事，是一个基于事实的故事。 这样一搞转化率当时我记得，以前有销售人员和我说，他一个季度能Close一个客户比如说，上了这个后，他一个星期就能Close三个。这个在2011 年年中左右，是我们当时非常大的一个Win. 然后呢今天来说，这个“按钮”已经消失，我们都把这些信息推给我们内部的这些销售人员，通过手机，因为大家都在外面跑，没人有时间再点这个钮。现在来说，我们就直接把这个正确信息在正确的时间，推给正确的人，在正确地点。 那为什么我们可以用信息来推送？假设一个公司的SeniorDirectorofHR离职了，立刻我们内部会驱动两个信息： 第一个是通知这个客户经理，比如说内部哎你看，你这个Top的关系可能离职了，我们的竞争对手可能要进来； 第二个信息：这个人离职了，又加入一个新公司，我们立刻又把这个信息，发给在管理那个客户的销售经理。比方说，一个非常大的候选人转到你那边了，你是否需要在他稳定下来后，把它拿下？ 所有这些都是数据驱动销售的案例。今天来说，LinkedIn内部有3500人以上在用这套系统，现在公司一共6000人，销售员工大概是3000 多人。也就是说，超过销售员工外还有人在用，那没用的话没人用，所以说这个东西是一个有价值的系统。 而且我们内部从大数据分析，还可以迭代出新产品线。你知道LinkedIn 三大商业模型是：人才解决方案、市场营销解决方案和付费订阅，这是我们传统的三大收入支柱。但实际上，第四个商业模型叫“销售解决方案”，它已经在今年7 月底上线。 这是卖给企业级用户的。回到刚才销售例子说，我其实只需要把它改变一下关键字，就可以变成另一个产品，帮助到企业级用户，让你最快知道谁会想买你的东西。 今天来说，虽然这第四个商业模式对收入贡献不多，目前只占1%，但我们内部对这个产品期待是很高的。它的增长率我不能讲，但肯定是一个趋势，因为 Linkedin的B2B是一个很大趋势。 作者：杨琳桦
神策数据第九大数据分析模型——间隔分析上线 流量视频课程
在用户行为分析领域，数据分析方法的科学应用结合理论推导，能够相对完整地揭示用户行为的内在规律。围绕数据分析探索、应用场景拓展，神策数据始终走在领域前沿。近日，神策数据新上线的神策分析1.11版本再添行业力作——间隔分析。间隔分析模型为数据分析行业首创，是神策数据继事件分析、漏斗分析、留存分析、用户路径、用户分群等分析模型之后推出的第九大分析模型。该分析模型旨在通过事件发生间隔时间与分布态势，辅助企业实现深度多维交叉分析，进一步提升用户行为分析的精细化程度。本文将详细介绍间隔分析模型的概念、特点与价值、应用场景。(也可通过下方视频提前了解间隔分析模型)视频链接：https://v.qq.com/x/page/e0663uek4wk.html一、什么是间隔分析?间隔分析从事件发生的时间间隔维度来探索用户行为数据价值，它能够科学地反映特定用户群体(如北京地区年龄30岁以上女士)，发生指定行为事件(如事件A到B的转化、金融用户的二次投资等)的时间间隔及数据分布情况。不同数据组的偏态和尾重可反馈用户路径过程中的应用体验，并借此评估产品设置的合理性。例如，间隔分析在以下场景中可广泛应用：在金融行业，为刺激新用户快速完成首投，运营人员会赠送新用户体验金。运营人员通过间隔分析可以了解：新用户从首次注册到首次投资通常需要多久?在同城速递行业，快递上门时间长短非常影响用户体验，作为公司考核快递人员绩效的关键指标之一，企业通过间隔分析可以了解：用户在官网发起快递请求后，快递员多久接单?二、间隔分析模型的特点与价值企业市场、产品、运营人员通过事件发生的时间间隔、转化时间长短来判断与分析用户的活跃度、用户转化等情况。间隔分析模型的特点与价值主要表现在以下方面：第一，可视化时间间隔，六类统计值直观描绘各用户群时间间隔分布差异。六类统计值将时间间隔可视化神策分析的间隔分析模型以箱线图形式展示，最大值、上四分位数、中位数、下四分位数、最小值、平均值六类统计量直观描绘特定用户群体的时间间隔分布差异，数据的偏态与尾重一定程度反馈用户体验，从转化时间的维度暴露用户转化瓶颈，可借此评估产品设计的合理性。第二，依据分析需求，灵活设置用户属性与事件属性(初始行为和后续行为)。企业可以根据具体分析需求，灵活设置间隔分析的初始行为或后续行为，并根据用户属性筛选合适的分析对象。例如，在某奢侈品电商企业中，为分析高价值用户的复购频率与普通用户的区别，可将初始行为与后续行为均设为“支付订单”，并给初始行为增加“订单金额大于10000元”的筛选条件以此来表示高价值用户，从而得出分析结论。第三，以全新视角探索数据价值，从转化时间窥视优化思路，促进用户快速转化。在间隔分析中，将初始行为、后续行为设置为相同事件或不同事件，可满足不同的数据分析需求。例如，在金融行业，将初始事件和后续事件分别设置成为“注册成功”和“投资成功”，可用于分析用户转化花费时长，侧面反映用户的转化意愿，帮助企业能够针对性地优化产品体验和运营策略;在在线教育行业，若将初始事件和后续事件均设为“学生上课”，则展示学生两次上课的时间间隔，可以此作为判断学生积极性、教育平台黏性的依据等。从时间间隔维度呈现用户转化、黏性等情况，提升了用户行为分析的精度和效率,对用户行为的操作流程的异常定位和策略调整效果验证有科学指导意义。同时，通过判断各用户群体事件发生的时间间隔的偏态和尾重，以及数据分布的中心位置和散布范围，为发现问题、流程优化提供线索。三、间隔分析的应用场景间隔分析将帮助各行业从时间间隔维度来探索用户行为规律，更多应用场景值得摸索。下面列举一二：1、互金场景：如何合理设置体验金的发放时间?在金融投资类产品运营过程中，为了让新用户在注册后能够快速投资，运营人员通常会通过一些激励措施来刺激首投，如发放体验金。这会涉及到我们前面提到的“如何合理设置体验金的发放时间”的问题，在具体操作时，运营人员可以在间隔分析中将初始行为设置为“注册成功”，后续行为设置为“投资成功”事件，当了解事件发生的时间间隔时，可以作为设置体验金发放时间的参考。当然也可以按天展示不同渠道来源的新用户首次投资成功所花费的时长情况，运营同学通过了解不同用户群体的差异化，让运营更为精细。另外，通过不同渠道来源的用户表现也成为渠道投放的判断的重要依据，如下图：互金各渠道来源的新用户首次投资成功花费的时长分布2、视频网站场景：用户多久完成一次视频播放?内容是短视频App提供给用户的核心价值，可通过“用户完整看过一个短视频”衡量用户是否感受到视频平台的价值。该场景中选择新用户从“启动App”到“完成播放”所花费的时长情况作为分析对象。如果用户普遍需要较长的时长才能完成转化，说明用户需要付出的视频筛选的成本较高，则应将新用户从“启动App”到“完成播放”的时间间隔作为优化目标。新用户从“启动App”到“完成播放”所花费的时长情况同样，在同城速递行业，当了解用户发起快递请求后快递员的接单时间之后，公司可依据此来考核快递人员绩效，从而也进一步优化用户体验。四、间隔分析模型与其他分析模型的配合值得强调的是，间隔分析模型是多种数据分析模型之一，与其他分析模型存在无法割裂的关系。从用户转化角度来说，用户转化过程受很多因素影响，间隔分析通常是业务情况的反映，转化时间间隔只是分析用户转化的单一维度，只有与其他分析模型配合，才能清晰看到用户行为特点和背后动机。虽然在多数情况下，时间间隔并不能作为优化的指标，但是与其他分析模型的配合可以帮助我们探索可能存在的问题。例如，从“提交订单”到“支付订单”间隔时长中位数是5分钟，说明一半的用户支付订单需要花费5分钟以上。则应该思考其中可能存在的问题：是支付功能的Bug，还是其它问题导致支付失败?定位问题需要结合事件分析、漏斗分析等分析模型定位问题。总之，只有将各分析模型实现科学互动和配合，能够科学揭示出用户个人/群体行为的内部规律，并据此做出理论推导，不断在工作实践中优化商业决策和产品智能。关于神策数据神策数据(https://www.sensorsdata.cn)，一家专业的大数据分析服务公司，致力于帮助客户实现数据驱动。公司推出深度用户行为分析产品神策分析(SensorsAnalytics)，支持私有化部署、基础数据采集与建模，并作为PaaS平台支持二次开发。此外，还提供大数据相关咨询和完整解决方案。神策数据积累了神策数据积累了中国银联、中国电信、百度视频、百联、万达、中邮消费金融、广发证券、聚美优品、中商惠民、趣店、纷享销客、Keep、36氪、中青旅、太平洋保险、平安寿险、链家、四川航空等500余家付费企业用户的服务和客户成功经验，为客户全面提供指标梳理、数据模型搭建等专业的咨询、实施、和技术支持服务。希望更深入了解神策数据或有数据驱动相关问题咨询，请咨询4006509827，由专业的工作人员为您解答。
