暖石网
nuanshi

转行运营系统课 >进阶:用户分层中的交叉分析

进阶:用户分层中的交叉分析

进阶:用户分层中的交叉分析13分45秒
课程问答
天启
2020-08-08 23:12

老师,说到的欺骗性假设要二次分析,但第二次分析时有时候数据和第一次相比波动很大,这时候怎样去判断我的假设是否要再继续做下去

难道要每个假设经过n多次分析吗

小雪老师 2020-08-09 10:07

同学你好,

每一回的二次分析都是针对一个维度的结论进行验证,如果验证后与第一次结果不符,就已经证明这个维度的结论目前来看并不准确,所以不需要再一轮验证了。

这个时候就可以去做的是,加大样本再次验证该维度的正确结论应是怎样的,或者换另一个维度去进行验证。

3人觉得有帮助 有帮助
风信
2020-10-23 16:05
对于“交叉分析”的理解是否正确?

老师,看完这两节课,我大概理解了一些,求证一下想法是否正确。

这两节课都是讲的用户分层,上一节讲的是转化型社群中的“用户质量画像”,这一节讲的是“交叉分析”。

我理解的是,当从0做起的时候,先要对数据做“交叉分析”,找到数据之间的联系。数据之间的联系可能无规律,可能又会呈正相关或负相关。而“用户质量画像”其实就是把和“成交额”呈正相关的数据维度提取出来,做成了那个评分表,可以更加清晰地对用户进行管理。

所以“交叉分析”是为后面数据工作开展打基础的。

我的理解对吗?

小冰老师 2020-10-23 18:08

风信同学,你好

实则同学提到的“交叉分析”和“用户质量画像”都是相辅相成,互相帮助的。

数据的交叉分析是找数据之间相关性来为用户质量画像来提供依据,从而更加清晰的对用户进行管理

而用户质量画像能反应数据维度的评分标准,从而反应数据的交叉关系,从而更好的判断数据之间的联系。

2人觉得有帮助 有帮助
暖石用户87856577
2021-11-09 17:06

讲到欺骗性假设的时候,如何带入原始数据去做第二次验证?

思思老师 2021-11-09 21:30

同学你好,

这个过程是这样的

1,我们先做了用户分层

2,我们是根据用户分层之后的数据,得出的“注册时间越长消费金额越多”这样一个假设的

3,但是要注意,如果分层的方法变了,有一些假设可能就是错的了,可能就无法得出这个假设

所以我要把分组之前的数据,就是原始数据,再按照注册时间来分层一次,也就是二次验证,然后看是不是真的注册时间越长,消费越多

这时候发现不是的,所以说这是个欺骗性的假设

1人觉得有帮助 有帮助
Mr.Mr
2021-08-23 15:41

老师,二次验证如何选取验证因素呢?还是说每个都验证一次?

果儿 2021-08-23 16:32

二次验证的主要目的是,重复再现第一次你证实过的要素是不是真的可行。

那么这个时候,我们可以把确定有效的诸多因素,比如a+b+c+d放在一起去测试效果,看是不是和自己想的一样,如果想的一样,那么打包证明a\b\c\d的有效;假设和想的不一样,在分别是测试a\b\c\d到底是哪个部分出了问题,和第一次不一样。这样做会比一个个去验证高效、快速一些。当然,如果一开始就追求绝对的准确性、且时间允许,也可以一个个再去验证一次,不过通常情况下,咱没那么多时间。

1人觉得有帮助 有帮助
LouisZhang,为了更好的明天,为了能够过上自己想要的生活,一件事,做了就有百分之五十可能,不做,就没有可能
2021-02-17 08:21

image.png


老师,里面的这个数据怎么算的啊,那个百分比怎么得来的啊

还有里面所在城市的比例数没看明白


请老给讲讲,谢谢老师

半亩老师 2021-02-17 12:19

同学好,这个数据是根据这个表格统计得出的,同学可以对照着看一下。

image.png

LouisZhang 2021-02-17 12:41
这应该是有个算法吧,两边的数据不一样啊!老师
半亩老师 2021-02-17 22:13

以同学截图中的第二行数据为例,计算结果是通过下图的操作得来

image.png

image.png

LouisZhang 2021-02-17 22:16
老师请讲的再详细点好吗,怎么算的,哪个除以哪个,或者加减什么的,谢谢老师
琪琪老师 2021-02-18 11:59

同学好,图2的3行数据,是按照图1“消费金额等级”分出的3个等级的用户来计算的。具体计算公式为:第1级的平均年龄=第1级用户年龄之和/第1级用户数,用图2第1级平均年龄举例,计算方式是:(24+27+26+29)/4=26.5,平均收入、平均注册天数、平均消费金额也是这个计算方式

所在城市计算方式是算的百分比,即第1级用户所在城市=第1级用户里在1线城市的用户数/第1级用户总数,用图2第1级所在城市举例,计算方式是:1线城市用户占比=3/4=75%,3线城市用户占比=1/4=25%,性别也是这个计算方式


image.png

image.png

1人觉得有帮助 有帮助
默默呀~~
2021-01-01 10:57
用户层如何定义?

关于【用户分层】

昨天和小伙伴在群里讨论一个体验课,提到会收集一些用户信息,我认为会涉及到用户分层,因为体验课的群其实目的就是为了转化的,那必然会涉及到群里的数据分析,则需要分层

而小伙伴表示不需要,还为时尚早。

如果体验群不需要,那用户分层应该什么时候做呢?社群运营只要涉及数据分析,应该都会涉及到用户分层吧,我不知道自己理解的是否正确。

思思老师 2021-01-01 22:03

同学你好,需要进行用户分层,需要根据社群生命周期长短和成本预估,进行不同程度的分层,跟数据分析无关,不论是否进行数据分析,都要分层,并且结合社群的运营具体方案来设定用户分层的标准。

默默呀~~ 2021-01-01 22:39
不需要数据分析的话,那用户分层是用来做什么的嘞。用户分层不是为了了解不用级的用户的行为的吗?了解用户行为,不需要用户分析咩?有点晕了,哈哈
某大娘 2021-01-02 15:05

同学你好!

用户分层的主要目的:是为了后续能够更有针对性地对不同的用户进行不同的精细化运营。

而用户分层的标准根据不同的情况也是不同的,比如有的公司的用户分层会通过用户当前的状态(年龄/性别/地域等等)来进行区分,有的公司的用户分层会通过用户在网站产品中的点击行为来进行区别。但最终目的还是希望去进行精细化运营,对于如何精细化运营,就要结合用户分层的不同用户特点以及公司内的运营策略来决定了。

1人觉得有帮助 有帮助
守望廊桥
2020-12-29 23:36

老师,二次分析,针对的是总结数据间联系这一步么

小冰老师 2020-12-30 12:04

同学你好

二次分析的目的除了总结数据间联系,找到一些规律性内容,而且核对一下数据的准确性,根据整体的数据来查找一下是否有异常的数据,从而优化自己下一步的工作。

1人觉得有帮助 有帮助
阿飒,想转运营岗
2020-08-10 22:58

老师,我怎么知道有一些数据出来的结果是不是欺骗性假设,是不是意味着我第一轮的结果都要第二轮验一遍才能做决定?

岛主老师 2020-08-11 11:35

同学你好,用户分层类的数据分析是较复杂的,严谨一点就是需要做再次验证、再次细化分析的。

1人觉得有帮助 有帮助
阿飒,想转运营岗
2020-08-10 22:31

老师,计算用户分层数据的时候为什么要算平均年龄,不应该按照占比来算吗?取占比最多的

岛主老师 2020-08-11 11:21

同学你好,数据分析的时候要看你是按照什么维度什么目的来分析的,这次是按照消费金额等级来分析数据,得一个结论,如果说她要去看什么年龄在什么消费等级的规律,可以再细分用户年龄占比来看,用户数据分析不是一个非常标准的流程,它也看个人想得到多细致的结论。

1人觉得有帮助 有帮助
clina
2022-04-13 11:33

老师,交叉分析的第二步在采集这个数据时 我们怎么知道需要采集什么样的数据维度是比较好的呢?

乔伊老师 2022-04-13 15:20

同学好,在做第二步时,需要根据第一步的目标来确定数据维度,如果你不知道选取哪些维度,那一开始建议把跟用户相关的所有的数据维度都列出来,然后对比目标,哪一个对目标的影响因子比较大,就选择哪几个数据~

0人觉得有帮助 有帮助
想转运营,一只想看雪的蚂蚱
2022-03-09 16:22

老师,你好

课件中讲到欺骗性假设普遍存在,排除不会做用户的数据分析意外,是否是因为用户体量少导致的,用户体量大的话出现的概率会小

小盐老师 2022-03-09 17:05

体量少欺骗性假设出现几率肯定会高于大体量的用户调研,用户体量大的话出现的概率会小也是没有问题,但是不论体量多大都不会不存在

0人觉得有帮助 有帮助
Avilyn
2021-04-29 15:44

老师,我不太明白用户分层和交叉分析的关系。上一节课讲得用户分层得出的结论和这节课交叉分层得出的结论有区别吗

小盐老师 2021-04-29 18:01

简单来说,交叉分析是为了确定应该从哪些维度对用户进行分层。举个例子:我们以点外卖的用户来分析,我们通过交叉分析可以确定要从城市、年龄多用户进行分层,然后再进行用户分层得到结论

0人觉得有帮助 有帮助
哈尔守护
2021-04-20 17:16

老师好,交叉分析可不可以再举个例子解释一下,还是有点模糊

可可老师 2021-04-20 18:16

同学你好:

举个简单的例子——

假设我们是一个有很多客户的服装公司,希望知道什么样的客户有更高的购买力;首先我们可以把采集到的用户信息做成一个表格,比如的客户的年龄、收入、性别、居住城市等等;然后我们可以根据他们的消费次数进行简单的分层,这就是对于用户的初步分层了,用户数越多,分的越细致;然后我们就可以计算这些数据的一个平均情况,根据这个分析得到的最终数据验证自己的想法;比如我们得到了最后得结论,就是一线城市的年轻女性,购买次数最多,那么我们就可以加大自己对于他们的投放。

这个用户分层和交叉分析需要同学以后在工作中多实践才能有清晰的感受,有足够的样本数量采集的数据才有代表性。

0人觉得有帮助 有帮助

进阶:用户分层中的交叉分析

< 返回课程表
展开全部
课程问答
2020-08-08 23:12

老师,说到的欺骗性假设要二次分析,但第二次分析时有时候数据和第一次相比波动很大,这时候怎样去判断我的假设是否要再继续做下去

难道要每个假设经过n多次分析吗

小雪老师 2020-08-09 10:07

同学你好,

每一回的二次分析都是针对一个维度的结论进行验证,如果验证后与第一次结果不符,就已经证明这个维度的结论目前来看并不准确,所以不需要再一轮验证了。

这个时候就可以去做的是,加大样本再次验证该维度的正确结论应是怎样的,或者换另一个维度去进行验证。

3人觉得有帮助 有帮助
2020-10-23 16:05
对于“交叉分析”的理解是否正确?
小冰老师 2020-10-23 18:08

风信同学,你好

实则同学提到的“交叉分析”和“用户质量画像”都是相辅相成,互相帮助的。

数据的交叉分析是找数据之间相关性来为用户质量画像来提供依据,从而更加清晰的对用户进行管理

而用户质量画像能反应数据维度的评分标准,从而反应数据的交叉关系,从而更好的判断数据之间的联系。

2人觉得有帮助 有帮助
2021-11-09 17:06

讲到欺骗性假设的时候,如何带入原始数据去做第二次验证?

思思老师 2021-11-09 21:30

同学你好,

这个过程是这样的

1,我们先做了用户分层

2,我们是根据用户分层之后的数据,得出的“注册时间越长消费金额越多”这样一个假设的

3,但是要注意,如果分层的方法变了,有一些假设可能就是错的了,可能就无法得出这个假设

所以我要把分组之前的数据,就是原始数据,再按照注册时间来分层一次,也就是二次验证,然后看是不是真的注册时间越长,消费越多

这时候发现不是的,所以说这是个欺骗性的假设

1人觉得有帮助 有帮助
2021-08-23 15:41

老师,二次验证如何选取验证因素呢?还是说每个都验证一次?

果儿 2021-08-23 16:32

二次验证的主要目的是,重复再现第一次你证实过的要素是不是真的可行。

那么这个时候,我们可以把确定有效的诸多因素,比如a+b+c+d放在一起去测试效果,看是不是和自己想的一样,如果想的一样,那么打包证明a\b\c\d的有效;假设和想的不一样,在分别是测试a\b\c\d到底是哪个部分出了问题,和第一次不一样。这样做会比一个个去验证高效、快速一些。当然,如果一开始就追求绝对的准确性、且时间允许,也可以一个个再去验证一次,不过通常情况下,咱没那么多时间。

1人觉得有帮助 有帮助
2021-02-17 08:21

image.png


老师,里面的这个数据怎么算的啊,那个百分比怎么得来的啊

还有里面所在城市的比例数没看明白


请老给讲讲,谢谢老师

半亩老师 2021-02-17 12:19

同学好,这个数据是根据这个表格统计得出的,同学可以对照着看一下。

image.png

LouisZhang 2021-02-17 12:41
这应该是有个算法吧,两边的数据不一样啊!老师
半亩老师 2021-02-17 22:13

以同学截图中的第二行数据为例,计算结果是通过下图的操作得来

image.png

image.png

LouisZhang 2021-02-17 22:16
老师请讲的再详细点好吗,怎么算的,哪个除以哪个,或者加减什么的,谢谢老师
琪琪老师 2021-02-18 11:59

同学好,图2的3行数据,是按照图1“消费金额等级”分出的3个等级的用户来计算的。具体计算公式为:第1级的平均年龄=第1级用户年龄之和/第1级用户数,用图2第1级平均年龄举例,计算方式是:(24+27+26+29)/4=26.5,平均收入、平均注册天数、平均消费金额也是这个计算方式

所在城市计算方式是算的百分比,即第1级用户所在城市=第1级用户里在1线城市的用户数/第1级用户总数,用图2第1级所在城市举例,计算方式是:1线城市用户占比=3/4=75%,3线城市用户占比=1/4=25%,性别也是这个计算方式


image.png

image.png

1人觉得有帮助 有帮助
2021-01-01 10:57
用户层如何定义?
思思老师 2021-01-01 22:03

同学你好,需要进行用户分层,需要根据社群生命周期长短和成本预估,进行不同程度的分层,跟数据分析无关,不论是否进行数据分析,都要分层,并且结合社群的运营具体方案来设定用户分层的标准。

默默呀~~ 2021-01-01 22:39
不需要数据分析的话,那用户分层是用来做什么的嘞。用户分层不是为了了解不用级的用户的行为的吗?了解用户行为,不需要用户分析咩?有点晕了,哈哈
某大娘 2021-01-02 15:05

同学你好!

用户分层的主要目的:是为了后续能够更有针对性地对不同的用户进行不同的精细化运营。

而用户分层的标准根据不同的情况也是不同的,比如有的公司的用户分层会通过用户当前的状态(年龄/性别/地域等等)来进行区分,有的公司的用户分层会通过用户在网站产品中的点击行为来进行区别。但最终目的还是希望去进行精细化运营,对于如何精细化运营,就要结合用户分层的不同用户特点以及公司内的运营策略来决定了。

1人觉得有帮助 有帮助
2020-12-29 23:36

老师,二次分析,针对的是总结数据间联系这一步么

小冰老师 2020-12-30 12:04

同学你好

二次分析的目的除了总结数据间联系,找到一些规律性内容,而且核对一下数据的准确性,根据整体的数据来查找一下是否有异常的数据,从而优化自己下一步的工作。

1人觉得有帮助 有帮助
2020-08-10 22:58

老师,我怎么知道有一些数据出来的结果是不是欺骗性假设,是不是意味着我第一轮的结果都要第二轮验一遍才能做决定?

岛主老师 2020-08-11 11:35

同学你好,用户分层类的数据分析是较复杂的,严谨一点就是需要做再次验证、再次细化分析的。

1人觉得有帮助 有帮助
2020-08-10 22:31

老师,计算用户分层数据的时候为什么要算平均年龄,不应该按照占比来算吗?取占比最多的

岛主老师 2020-08-11 11:21

同学你好,数据分析的时候要看你是按照什么维度什么目的来分析的,这次是按照消费金额等级来分析数据,得一个结论,如果说她要去看什么年龄在什么消费等级的规律,可以再细分用户年龄占比来看,用户数据分析不是一个非常标准的流程,它也看个人想得到多细致的结论。

1人觉得有帮助 有帮助
2022-04-13 11:33

老师,交叉分析的第二步在采集这个数据时 我们怎么知道需要采集什么样的数据维度是比较好的呢?

乔伊老师 2022-04-13 15:20

同学好,在做第二步时,需要根据第一步的目标来确定数据维度,如果你不知道选取哪些维度,那一开始建议把跟用户相关的所有的数据维度都列出来,然后对比目标,哪一个对目标的影响因子比较大,就选择哪几个数据~

0人觉得有帮助 有帮助
2022-03-09 16:22

老师,你好

课件中讲到欺骗性假设普遍存在,排除不会做用户的数据分析意外,是否是因为用户体量少导致的,用户体量大的话出现的概率会小

小盐老师 2022-03-09 17:05

体量少欺骗性假设出现几率肯定会高于大体量的用户调研,用户体量大的话出现的概率会小也是没有问题,但是不论体量多大都不会不存在

0人觉得有帮助 有帮助
2021-04-29 15:44

老师,我不太明白用户分层和交叉分析的关系。上一节课讲得用户分层得出的结论和这节课交叉分层得出的结论有区别吗

小盐老师 2021-04-29 18:01

简单来说,交叉分析是为了确定应该从哪些维度对用户进行分层。举个例子:我们以点外卖的用户来分析,我们通过交叉分析可以确定要从城市、年龄多用户进行分层,然后再进行用户分层得到结论

0人觉得有帮助 有帮助
2021-04-20 17:16

老师好,交叉分析可不可以再举个例子解释一下,还是有点模糊

可可老师 2021-04-20 18:16

同学你好:

举个简单的例子——

假设我们是一个有很多客户的服装公司,希望知道什么样的客户有更高的购买力;首先我们可以把采集到的用户信息做成一个表格,比如的客户的年龄、收入、性别、居住城市等等;然后我们可以根据他们的消费次数进行简单的分层,这就是对于用户的初步分层了,用户数越多,分的越细致;然后我们就可以计算这些数据的一个平均情况,根据这个分析得到的最终数据验证自己的想法;比如我们得到了最后得结论,就是一线城市的年轻女性,购买次数最多,那么我们就可以加大自己对于他们的投放。

这个用户分层和交叉分析需要同学以后在工作中多实践才能有清晰的感受,有足够的样本数量采集的数据才有代表性。

0人觉得有帮助 有帮助
零基础转行系统课