标签ad报错:该广告ID(3)不存在。
您当前的位置: 抖音公关 > 公关

Cong Ling Kai Shi Zuo Yun Ying - Zhang L

作者:admin 时间:2022-01-23阅读数:人阅读

  · 样本规模差异。

  在产品的运营上,我们经常需要做一些A/B测试来验证某个功能或者设计方案哪个更好,这个时候,最容易犯的错误,也是最容易带来数据说谎结果的情况,是样本规模有差异。比如,A类选型选择了100个用户,而B类选择了1 000个用户,不管我们最终选择绝对值,还是比例,其结果都会存在巨大的误差。

  这些数据分析的误区以及数据说谎的手段,希望引起大家警惕,不要为了指标而做指标,也不要为了汇报好看而去对数据做手脚。这样的做法会逐渐积累风险,最后一发而不可收拾。

  活动数据分析样例

  图6–7是几个活动参与用户数的数据样例,让我们试着分析一下发生了什么。

  活动1是一个参与用户数缓慢上升,到达峰值后回落的活动。

  活动2是一个参与用户数有明显波动,经历“高开——稳定——冲新高——回落”的活动。

  活动3是一个参与用户数高开低走的活动。

  活动4是一个参与用户数异常稳定的活动,高峰和低谷基本处于同一水平。

  通过第1个活动的数据,我们大概可以得出以下结论:

  · 该活动提前预热不够;

  · 该活动随着时间推移,效果有明显提升;

  · 该活动开始后没有进行过任何调整(包括宣传与奖励)。

  通过第2个活动的数据,我们大概可以得出以下结论:

  · 该活动的提前预热做得很好;

  · 该活动开始后进行过调整(宣传或者奖励);

  · 该活动的奖品发放控制可能有问题,后期力量不足。

  通过第3个活动的数据,我们大概可以得出以下结论:

  图6–7

  · 该活动提前预热做得很好;

  · 该活动没有进行过任何调整(包括宣传与奖励)。

  通过第4个活动的数据,我们大概可以得出以下结论:

  · 该活动宣传不足或宣传渠道有问题;

  · 该活动的设计本身可能有问题。

  这4个活动仅仅是一个样例,但我们可以从中发现一些问题:首先,一个活动的数据并不仅仅是数据层面的波动;其次,数据背后有很多因素互相交织,大量的因果关系导致了事件的发生,数据的走势也由此而来。

  因此,我们接下来要说的就是跳出数据看数据。

  跳出数据看数据

  先考虑下面两个问题:

  当我们在讨论数据的时候,我们真的是在讨论数据么?

  当我们分析数据的时候,我们只是在看数据的涨跌变化么?

  我们先不着急下定论,先来看一个小故事。

  某个网络游戏做用户调研,收到4份同样内容的反馈:“这个游戏太费钱了。”于是,运营人员详细查了一下这4个用户的情况:

  用户A,游戏角色战士,等级处于中等,活跃度一般,一般晚上11点下线,当月消费金额100元,身份可能是学生。

  用户B,游戏角色法师,等级处于高级,活跃度很高,也肯花钱买装备,当月消费金额1 000元,身份可能是白领,并且他还是某个公会的会长。

  用户C,游戏角色奶妈,等级处于低级,活跃度一般,花200元买了一年的会员服务。

  用户D,游戏角色盗贼,等级高级,每天登录,活跃度极高,但从未付过费。

  具体来看,虽然这些用户中,有人花了钱,有人没有花钱,但反馈是一样。另外,虽然同样是花钱,并且金额有差别,但是学生、白领、工人的消费能力是不一样的,能够承受的消费压力也不同。乐于消费的用户花钱买时间,而不乐于消费的用户则基本没有任何消费,但却热衷于在线,用时间来弥补。

  经过一番细致的分析,运营人员大致理解了为什么4个不同类型的用户会有同样的反馈。

  用户A,由于角色设计的考虑,战士在现有版本的设计中很容易被其他敌对阵营的玩家压制,同时因为消费能力不足,100元在其日常支出中占了很大的比例,所以用户A理所当然地认为“费钱”。

  用户B,由于游戏设计的考虑,法师对怪物的杀伤力高,在游戏中大受欢迎,虽然在线时间不多,但由于花钱买了装备,所以每次上线都非常抢手,一直被拉去打副本。这样一来二去,装备投入、药品投入都很多;因为是会长,他还要花精力去处理公会的事宜,所以他虽然活跃度很高、也愿意花钱,但仍然认为游戏太费钱了。

  用户C,由于要赶超等级进度,但又不想花钱买装备,所以看中了一次性买一年会员的额外经验加成,于是一次性投入了对他来说不算太小的一部分收入。

  用户D,没钱但是有时间,所以别人花钱,他花时间,同时他可能会在游戏过程中产生了其他消费。

  看完这个案例,我想大家已经明白了。是的,我们在进行数据分析的时候,其实想要了解的不仅仅是数据,而是数据背后的用户。

  因此,读懂数据的关键是读懂数据背后的人。那么,如何读懂数据背后的人?

  抛弃预设立场

  分析数据的第一步是要抛弃预设的立场,先不要着急定义数据展现的意义,而是研究数据的波动和波动的节点,通过这一步去确立要研究哪些相关事件,研究用户行为还是系统事件。

  最常见的误区是:

  “最近的数据好像有点问题啊,找找原因吧!”

  “啊?好像产品出了个bug,会不会有影响?那赶紧看看bug被发现的时间!”

  “哦!你看,时间吻合的嘛,那就是这个问题了!”

  事实上,因为你已经预设了立场

本站所有文章、数据、图片均来自互联网,一切版权均归源网站或源作者所有。

如果侵犯了你的权益请来信告知我们删除。邮箱:

标签: 危机公关
会员头像

admin

不要迷恋哥,哥只是个传说

文章详情页底部广告