이 문서는 저자가 수년간의 데이터 분석 경험을 바탕으로 요약한 통합 데이터 분석 프레임워크로, 데이터 분석을 통해 얻을 수 있는 몇 가지 사항을 간략하게 설명합니다. 마음껏 즐기세요 ~
빅데이터, 해고의 개념은 이제 인공지능으로 대체되었다. 먼저 인공지능에 대해 이야기하지 않겠습니다. 빅 데이터의 경우, 우리는 모두 인터넷 핫 단어: hadoop+spark, 데이터 마이닝과 같은 그의 기술을 강조하고 있습니다. 우리가 큰 데이터를 사용할 때, 우리는 종종 그것을 사용하여 그것의 영향을 허구한다. 예를 들어, 광고는 정확하고, 사회보장관리는 질서 정연하며, 의약업계는 지능화되어 있다.
물론, 이것들은 우리의 상상력이며, 데이터 분석의 영향과도 불가분의 관계에 있다. 하지만 우리는 큰 데이터가 어떻게 착지되고 어떻게 분석될지 생각하기 위해 멈춰 섰습니까? 어떻게 데이터를 이용하여 기업이 정확한 광고와 같은 결정을 내릴 수 있도록 할 수 있습니까?
우리는 빅 데이터 분석이 무엇인지 알고 있습니까?
맥킨지는 큰 데이터를 다음과 같이 정의합니다.
"수집, 저장, 관리 및 분석 분야에서 기존 데이터베이스 소프트웨어 도구의 기능을 크게 능가하는 대규모 데이터 집합은 데이터 규모, 데이터 흐름 속도, 데이터 유형 다양성, 가치 밀도가 낮은 네 가지 특징을 가지고 있습니다."
위의 정의에 대한 나의 이해를 바탕으로, 내가 요약한 큰 데이터 분석은 얻은 데이터를 꿰뚫고 통합하고, 법칙을 찾고, 즉시 의사결정 정보를 얻는 것이다.
데이터 구매
내가 요약 한 데이터 소스는 세 가지 범주로 나눌 수 있습니다.
(1) 당사자 데이터: 사용자 사실 데이터.
예를 들어 사용자가 한 금융기관에서 구매한 재테크 상품, 시간, 어느 계좌, 이름, 전화 등. 또는 인터넷 금융 앱, 사용자 운영 행동 데이터와 같은 운영 데이터.
(2) 제 2 자 데이터: 사실 이 부분을 광고 데이터라고 합니다.
예를 들어 표시된 광고 수, 활동 페이지의 클릭 수, 광고 출처 등이 있습니다. 일부 광고 모니터링 회사는 이러한 데이터를 사용하여 사용자 데이터와 통합하여 자체 DMP 를 구축하기 때문에 일부 회사에서는 이러한 데이터를 제 3 자 데이터로 사용합니다. DMP 와 같은 회사는 일반적으로 제 3 자 회사, 제 3 자 데이터라고 주장합니다.
(3) 3 자 데이터: 산업 데이터, 공용 데이터라고도 함.
예를 들어, 협회의 데이터 또는 인터넷 행동 데이터 (예: 인터넷 회사 사용자의 이 사이트에 대한 행동 데이터) 또는 SDK 앱을 내장한 후 수집할 수 있는 설치 활동 목록, 수집할 수 있는 오프라인 데이터.
통과: 사실 핵심 사항을 수집하여 제 1, 제 2, 제 3 자 데이터를 통합하는 것입니다. 예를 들어, 휴대폰 번호를 통해 한 쪽과 세 측의 데이터를 통합하거나 쿠키 또는 imei 번호를 사용하여 두 쪽과 세 측의 데이터를 통합할 수 있습니다. 그러나 현재 규제 시스템은 기계 번호에 민감한 데이터의 규제와 인터넷과 모바일 데이터가 플랫폼 간에 상호 운용되는 기술적 어려움으로 인해 실제 일치율이 매우 낮습니다. 예를 들어, 한 쪽과 삼방의 데이터 일치가 20% 에 달하는 것은 실제로 좋은 상황입니다. 통신업체 데이터를 제외하고는요.
규칙 찾기: 목표는 구조화되지 않은 데이터에서 구조화된 데이터에 이르기까지 데이터를 정리하고, 통계를 만들고, 데이터를 발굴하고, 법칙을 발견하고, 데이터 분석 보고서의 관점을 형성하는 것입니다. 이 기사는 세 번째 부분에서 자세히 설명합니다.
즉각적인 의사 결정: 데이터 분석 보고서의 관점을 체계화하거나 상품화합니다. 현재 대부분의 회사들은 여전히 수동 결정에 의존하고 있다.
빅 데이터 분석이 필요한 이유는 무엇입니까? 빅 데이터 분석은 이 몇 단계를 따르는 것처럼 보이지만, 첫 번째 단계의 데이터 출처를 보면 빅 데이터의 특징, 즉 혼란이 드러난다. (알버트 아인슈타인, 데이터 분석, 데이터 분석, 데이터 분석, 데이터 분석, 데이터 분석, 데이터 분석) 그렇다면 어떻게 이 데이터로부터 법칙을 찾을 수 있는지, 분석의 내용과 목표가 일치하는지, 우리가 큰 데이터 분석이 필요한 이유인 것 같다.
현재 큰 데이터에 대한 분석은 일반적으로 데이터 보고서를 사용하여 기업의 경영 상황을 반영한다. 또한 핫스팟 및 군중 분석의 경우 데이터 분석 보고서에서 추출한 관점을 기준으로 통계를 볼 수 있습니다. 그렇다면 문제가 생겼습니다. 어떻게 데이터 분석을 통해 데이터 결정을 지도할 수 있을까요?
데이터 분석에 대한 보고 아이디어 (이 문서는 모바일 터미널의 관점에서 절단됨)
데이터 분석에 대한 이해를 바탕으로 데이터 보고서를 시장 분석, 운영 분석, 사용자 행동 분석의 세 가지 범주로 나누었습니다.
시장 분석
일반적으로 시장 분석은 질적이고 정량적이다. 최근 핫드라마' 내 전반생과 당정의 경력' 의 축하 편지는 컨설팅 회사에 가는 것이다. 일반적으로 인터뷰와 설문지를 통해 시장 분석 보고서를 작성하여 고객의 시장 점유율과 소비자 관점을 알려 줍니다.
여기서는 모바일 인터넷 데이터의 시장 분석을 예로 들어 보겠습니다. 일반적으로 데이터 소스는 공개 데이터 또는 타사 데이터입니다. Sdk 를 개발자의 애플리케이션에 포함시켜 설치 및 사용 목록을 수집할 수 있다고 말씀드렸습니다. 그러면 SDK 개발자가 많이 사용할수록 수집할 수 있는 데이터 소스가 많아져 설치된 app 와 사용된 app 의 순위를 매길 수 있습니다. 여기서 말하는 커버리지와 활동율도 이 앱의 설치량과 이용량이 전체 금융범주에서 차지하는 비율과 같은 의미다.
그렇다면, 이러한 시장 분석의 역할은 전반적으로 회사 마케팅에 대한 총결산이다. 예를 들어, 한 금융회사의 KPI 는 손님으로, 그들은 일련의 마케팅을 했다. 다음 달, 우리는 이 앱의 설치량이 지난달보다 증가했는지 알 수 있다. 우리의 경품 성능은 어떻습니까? 그들도 일련의 마케팅 활동을 해서 순위가 오르락내리락하지 않았나요? 우리는 모두 시장 분석과 경품 분석을 통해 관찰할 수 있지만, 이 부분의 관점은 시장 데이터이므로 공식 홈페이지나 인터넷 광고의 대량의 검색 활동을 통해서만 경쟁 업체 순위 상승이 이러한 마케팅 활동과 관련이 있는지 추측할 수 있다.
동시에, 시장의 추세도에 따라 잠재적 경쟁자를 발견할 수 있다. 예를 들어, 아래 그림의 공행은 모든 은행 집단의 잠재적 경쟁자라는 것을 알 수 있습니다. 휴대폰은 고도의 활동도 집단에 속하기 때문입니다. 즉, xxapp 를 설치한 활동자도 가장 높습니다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 성공명언) 그들의 마케팅 전략에 더 많은 관심을 기울일 필요가 있다.
업무 분석
모바일 인터넷이 제안한 방법론: 33r. 제가 이전에 상담을 했을 때, 이 방법론은 인터넷 분석에도 적용될 수 있었습니다. 요약하면, 33r 은 다음과 같습니다.
인식 → 획득 → 활동 → 획득 → 이익 → 전파 → 인식.
여기서 주목해야 할 점은 운영 분석이 단지 회사의 기준선일 뿐이며, 제품 관리자, 운영자, 마케팅 담당자는 회사의 데이터 참조에 따라 합리적인 결정을 내릴 수 있다는 것입니다. 동시에 실행 데이터는 참조 또는 경고일 뿐입니다. 구체적이라면 앱이 개편되었는지, 어떻게 바꾸는지 등 구체적인 세부 분석이 필요하다. 어떤 채널 협력을 추가해야 합니까?
(1) 인식
광고 데이터 분석에 따르면 채널 광고 페이지의 app 또는 웹 사이트 유입을 판단하는 동시에 광고주가 모니터링 양식을 디자인하고 디지털 관점에서 광고 효과를 측정할 수 있도록 돕기 위한 것입니다.
그러나 광고 데이터는 일반적으로 광고 모니터링 회사 또는 GA 와 같은 공공 도구의 손에 달려 있습니다. 우리는 광고 회사에 의존하여 캠페인 페이지, 모니터링 코드 추가, 미디어, app 앱스토어에 코드를 추가하여 광고 효과를 쉽게 모니터링할 수 있도록 마케팅을 설계해야 합니다. 일반적으로 이러한 데이터는 로드하기 어렵고 일반적으로 애플리케이션 스토어나 미디어에서 제공합니다. 동시에, 상술한 데이터와 감시회사 데이터는 일반적으로 광고주에게 공급하지 않고 통계 수치일 뿐이다.
결론적으로, 우리는 인식 데이터를 보고 있는데, 사실 우리가 마케팅에 많은 돈을 썼는지 아닌지를 측정하는 것이다. 광고의 전시량과 클릭량은 한 회사의 광고 시장부의 실적을 측정하는 가장 좋은 척도이다. 광고가 없으면 고객을 데려오지 않기 때문에, 쓰는 돈은 가치가 없고, 다음 인수 전에 얼마나 많은 고객을 데려올 수 있습니까?
(2) 인수를 통해 고객 확보
고객을 얻는 것은 광고 확장의 첫 걸음이다. 사용자는 광고를 클릭하여 앱스토어나 랜딩 페이지로 들어가 앱을 다운받습니다. 홈페이지를 방문한 후 앱에 접속한 데이터는 광고회사나 앱스토어에서 제공할 수 없는 데이터이므로, 이용객은 실제로 두 가지 목적을 가지고 있다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 인터넷명언)
목표 1: 첫 번째 단계에서 제공한 데이터가 정확한지, 즉 채널 부정 행위인지 여부를 측정합니다.
목표 2: 채널이 좋은지 아닌지 판단한다.
목표 3: 마케팅 활동이 유효한지 여부를 결정합니다.
예를 들어, 다음 그림에서는 사용자의 40% 가 지난달보다 검색 트래픽이 6% 증가한 것을 발견했습니다. Sem 과의 협력을 늘려야 합니까? 미디어 추천 채널에서는 채널을 통해 고객 전환률을 측정하고, 클릭-사용자 활성화, 등록 전환 활성화, 애플리케이션 스토어와의 협력 증가에 주력할 수 있습니까?
아래 그림은 3 개월 동안 신규 및 활성 사용자가 활동 마케팅, 광고 및 버전 변경의 영향을 받는지 여부를 측정하는 목표 3 의 애플리케이션입니다. 예를 들어, 7 월 28 일 버전이 변경되어 새 사용자의 무기가 추가되었기 때문에 제품 관리자는 버전이 어떻게 변했는지 분석해야 사용자가 이렇게 빨리 성장할 수 있고, 8 월 마케팅 캠페인은 잠든 사용자를 깨우고 운영자의 실적을 반영해야 한다. 그렇다면 홍보 활동을 할 때 8 월의 성공 경험을 참고할 수 있을까요? 이 성공적인 경험은 더 많은 주제 분석이 필요합니다.
(3) 활동이 활발하다
고객을 확보한 후 Dell 의 신규 및 활성 사용자의 성과를 보고 싶습니다. 따라서 세 번째 단계는 제품 관리자에게 app 또는 페이지를 수정할 수 있는 데이터 지원을 제공하는 것입니다.
활동 분석은 다음 세 단계를 참조할 수 있습니다.
먼저 페이지 조회수와 독립 방문자 수를 기준으로 마스터 페이지 분석을 정의합니다.
예를 들어, app 의 홈페이지는 PV 이고, uv 는 가장 높으며, 우리는 홈페이지를 중점적으로 분석할 것이다.
둘째, 동그라미 페이지에 따라 히트 맵을 만들어 제품 관리자가 후속 페이지 변환에 대한 데이터 지원을 제공할 수 있도록 합니다. 예를 들어, 다음 버전에서 클릭 수가 적은 버튼을 제거하고 클릭 수가 많은 버튼을 다시 정렬할 수 있습니다.
셋째, 동그라미 페이지에 따라 히트 맵을 만들어 제품 관리자가 후속 페이지 변환에 대한 데이터 지원을 제공할 수 있도록 합니다. 예를 들어, 다음 버전에서 클릭 수가 적은 버튼을 제거하고 클릭 수가 많은 버튼을 다시 정렬할 수 있습니다.
(4) 예약 분석&; 수입과 이익. 참고
사실, 이것들은 기업에서 많이 사용되지 않습니다. 여기에 간략하게 설명되어 있습니다.
① 예약
사용자가 일정 수량을 축적한 후, 우리는 사용자의 점도를 보고 싶어, 그래서 보류하고, 보유는 일반적으로 활동의 효과를 측정하는 데 쓰이며, 이번 활동 이후에도 우리의 앱을 사용할 수 있는지, 그러나 금융류 app 속성이 게임류 응용처럼 매일 액세스되지 않기 때문에 실제 응용 프로그램에 많이 남아 있지 않을 것이다. 다음 예는 데모이며 더 이상 반복되지 않습니다.
② 소득
이 나머지 고객들은 회사에 얼마나 많은 현금을 기부했습니까? 소득 단계 수에 따라 일반 회사는 현금 흐름 데이터를 통계 플랫폼에 두지 않지만, 사용자가 기여한 운영 금액 데이터를 우리가 사용할 수 있도록 제출해야 합니다. 예를 들어, 다음은 간단한 분석입니다.
참조 전파:
마지막으로, 우리는 이러한 고객이 확산되기를 바랍니다. 핵심은 입소문 마케팅이다. 즉, 사용자가 자발적으로 다른 사용자에게 링크를 전달해 앱을 다운로드하거나 활동에 참여하게 하면 전파의 다음 부분이 마케팅을 바꿀 수 있지만, 전파는 보상 메커니즘이 없는 입소문 전파와 같은 많은 제한을 받는다. 전달량은 거의 0 이다. 한편, 전파는 측정하기 어렵다. 특히 많은 인터넷 사용자를 기준으로 자원 코드 중첩과 시스템 부담이 발생할 수 있으며, 일반 기업은 마케팅 담당자가 참조할 수 있도록 이런 활동을 설계하지 않는다.
사용자 분석
빅 데이터 분석의 핵심이 실제로 사용자 분석인 경우 앞서 언급했듯이 사용자 분석의 단계는 다음과 같습니다.
즉, 데이터 수집 범위 내에서 데이터, 고객 및 사용자, 정밀 마케팅을 할 수 있습니다.
먼저 조건 목록을 필터링할 수 있으며 조건, 위치 및 레이블 조건을 적용하여 데이터를 통합할 수 있습니다. 통합의 목적은 고객을 부각시키고 마케팅 전략을 수립하는 것이다.
예를 들어, 우리는 금융 고객 (적용 조건 필터링) 을 선별하여 5 성급 호텔 (위치 조건) 에 나타나며, 엄마와 아기 (라벨) 입니다.
그러나 조건이 많을수록 사용자의 윤곽이 선명할수록 사람이 적다는 점에 유의해야 한다.
둘째, 선별된 인구에 따라 온라인/온라인 통계 또는 모델 다차원 분석을 한다.
예를 들어, 선별된 사람들에 따르면, 남성이 여성보다 많고, 아이폰 속성이 가장 높으며, 휴대폰 도구를 자주 사용하는 것으로 나타났다. 그런 다음 휴대폰 도구를 추가하여 이 대상 집단과 협력하거나 애플과 협력하여 손님을 얻거나 캠페인을 추진할 수 있습니다. (존 F. 케네디, Northern Exposure (미국 TV 드라마), 성공명언)
셋째, 위의 데이터 분석을 통합하여 인파 초상화를 형성한다.
끝말
이 글은 내가 여러 해 동안 데이터 분석에 종사해 온 경험을 근거로 일체화된 데이터 분석 프레임워크를 총결하였는데, 사실 데이터 분석이 분석할 수 있는 몇 가지 점에 대한 간단한 소개였다. (윌리엄 셰익스피어, 데이터 분석, 데이터 분석, 데이터 분석, 데이터 분석, 분석, 분석) 물론, 이것은 대량의 데이터 정리 작업과 산업에 대한 이해가 필요하다. 이 글은 단지 데이터 분석 관점의 총결산일 뿐, 내용의 정련은 사실 상세히 분석할 수 있다. 특히 사용자 초상화에 관한 장이다.