如何通过用户画像驱动产品链路优化?| IDCF
DevOps
共 5166字,需浏览 11分钟
· 2020-11-25
分享嘉宾:姚凯飞 句逗科技联合创始人 编辑整理:刘璐 出品平台:DataFunTalk
一、理解用户的两条路径
二、来过走了
一是在用户留存率低的这部分用户中搜索无结果的量增加了; 二是出现了一些奇怪的Query如BTS,这类词匹配不到搜索结果。
三、没来之前
四、来了之后
五、复盘
六、总结
拆着看:根据不同标签对用户进行拆分,拆分结果可以进一步结合行为数据进行分析; 不要只看均值:拆分之后还要进一步分析同一群体内的方差,分析该群体内是否仍存在较大差异,如果存在明显差异,还需要继续拆分; 用户和商品联动:分析结果要将用户和商品联动,关注供给侧是否满足了用户的需求,推荐展示是否满足了用户的需求,根据用户画像驱动供给侧、前端的优化; 结合业务场景去分析:不同场景对于分析维度、用户画像标签的需求不同,要保证逻辑自洽与业务可解释; 不要简单看画像,一定要做对比:单纯看分布是没有太多信息含量的,要结合具体问题进行对比,找出差异; 环比的对比:漏斗的每个环节都需要进行环比分析; 数据闭环:一定要形成数据闭环,驱动整个链路的优化。
扫描下方⬇️海报中二维码,输入关键词:job
请发送您的简历至:wanglin@idcf.io
评论