第一張暹羅
]]>第一張暹羅
第二張英短
你以后是不是可以識別了暹羅和英短了？大概能，好像又不能。這是因為素材太少了，我們看這兩張圖能分別提取出來短特征太少了。那如果我們暹羅短放100張圖，英短放100張圖給大家參考，再給一張暹羅或者英短短照片是不是就能識別出來是那種貓了，即使不能完全認出來，是不是也有90%可能是可以猜猜對。那么如果提供500張暹羅500張英短短圖片呢，是不是猜對的概率可以更高？
我們是怎么識別暹羅和英短的呢？當然是先歸納兩種貓的特征如面部顏色分布、眼睛的顏色等等，當再有一張要識別短圖片時，我們就看看面部顏色分布、眼睛顏色是不是可暹羅的特征一致。
同樣把識別暹羅和英短的方法教給計算機后，是不是計算機也可以識別這兩種貓？
那么計算機是怎么識別圖像的呢？先來看一下計算機是怎么存儲圖像的。
圖像在計算機里是一堆按順序排列的數字，1到255，這是一個只有黑白色的圖，但是顏色千變萬化離不開三原色——紅綠藍。
這樣，一張圖片在計算機里就是一個長方體！depth為3的長方體。每一層都是1到255的數字。
讓計算機識別圖片，就要先讓計算機了解它要識別短圖片有那些特征。提取圖片中的特征就是識別圖片要做的主要工作。
下面就該主角出場了，卷及神經網絡(Convolutional Neural Network, CNN).
最簡單的卷積神經網絡就長下面的樣子。
分為輸入、卷積層、池化層(采樣層)、全連接和輸出。每一層都將最重要的識別信息進行壓縮，并傳導至下一層。
卷積層：幫助提取特征，越深(層數多)的卷積神經網絡會提取越具體的特征，越淺的網絡提取越淺顯的特征。
池化層：減少圖片的分辨率，減少特征映射。
全連接：扁平化圖片特征，將圖片當成數組，并將像素值當作預測圖像中數值的特征。
?卷積層
卷積層從圖片中提取特征，圖片在計算機中就上按我們上面說的格式存儲的（長方體），先取一層提取特征，怎么提取？使用卷積核（權值）。做如下短操作：
觀察左右兩個矩陣，矩陣大小從6×6 變成了 4×4，但數字的大小分布好像還是一致的。看下真實圖片：
圖片好像變模糊了，但這兩個圖片大小沒變是怎么回事呢？其實是用了如下的方式：same padding
在6×6的矩陣周圍加了一圈0，再做卷積的時候得到的還是一個6×6的矩陣，為什么加一圈0這個和卷積核大小、步長和邊界有關。自己算吧。
上面是在一個6×6的矩陣上使用3X3的矩陣做的演示。在真實的圖片上做卷積是什么樣的呢？如下圖：
對一個32x32x3的圖使用10個5x5x3的filter做卷積得到一個28x28x10的激活圖(激活圖是卷積層的輸出).
?池化層
減少圖片的分辨率，減少特征映射。怎么減少的呢？
池化在每一個縱深維度上獨自完成，因此圖像的縱深保持不變。池化層的最常見形式是最大池化。
可以看到圖像明顯的變小了。如圖：
在激活圖的每一層的二維矩陣上按2×2提取最大值得到新的圖。真實效果如下：
隨著卷積層和池化層的增加，對應濾波器檢測的特征就更加復雜。隨著累積，就可以檢測越來越復雜的特征。這里還有一個卷積核優化的問題，多次訓練優化卷積核。
下面使用apple的卷積神經網絡框架TuriCreate實現區分暹羅和英短。(先說一下我是在win10下裝的熬夜把電腦重裝了不下3次，系統要有wls,不要用企業版，mac系統和ubuntu系統下安裝turicreae比較方便)
首先準備訓練用圖片暹羅50張，英短50長。測試用圖片10張。
上代碼：（開發工具anaconda，python 2.7）
數據放到了h盤image目錄下，我是在win10下裝的ubuntu,所以h盤掛在mnt/下。
test的文件：(x指暹羅，y指英短，這樣命名是為了代碼里給測試圖片區分貓咪類型)
test_data[‘label’] = test_data[‘path’].apply(lambda path: ‘xianluo’ if ‘x’ in path else ‘yingduan’)
第一次結果如下：
訓練精度0.955 驗證精度才0.75 正確率才0.5。好吧，看來是學習得太少，得上三年高考五年模擬版，將暹羅和英短的圖片都增加到100張。在看結果。
這次訓練精度就達到0.987了，驗證精度1.0，正確率1.0 牛逼了。
看下turicreate識別的結果：
我們實際圖片上貓是：(紅色為真實的貓的類型-在代碼里根據圖片名稱標記的，綠色為識別出來的貓的類型)
可以看到兩者是一致的。牛逼了訓練數據才兩百張圖片，就可以達到這種效果。 ]]>
什么是內容運營？
內容運營是指基于產品進行內容策劃、內容創作和編輯、內容優化和發布等一系列與內容相關的營銷活動。針對不同的渠道，內容運營有新媒體內容運營（例如微信公眾號的內容運營）、內容平臺運營（例如簡書的內容運營）等。根據不同的業務，內容運營又可分為推廣內容運營、產品內容運營、用戶內容運營等。
內容運營在整個運營活動中占據著非常重要的地位。首先，內容可以建立用戶與產品之間的聯結，內容在傳達品牌價值的同時還能培養用戶對產品的認知。其次，內容運營也是產品服務的一部分，用戶不僅能直接消費內容，還能幫助用戶消費產品。總之，做好內容運營對于用戶拉新、用戶留存和轉化非常有幫助。
什么是內容運營？
內容運營是指基于產品進行內容策劃、內容創作和編輯、內容優化和發布等一系列與內容相關的營銷活動。針對不同的渠道，內容運營有新媒體內容運營（例如微信公眾號的內容運營）、內容平臺運營（例如簡書的內容運營）等。根據不同的業務，內容運營又可分為推廣內容運營、產品內容運營、用戶內容運營等。
內容運營在整個運營活動中占據著非常重要的地位。首先，內容可以建立用戶與產品之間的聯結，內容在傳達品牌價值的同時還能培養用戶對產品的認知。其次，內容運營也是產品服務的一部分，用戶不僅能直接消費內容，還能幫助用戶消費產品。總之，做好內容運營對于用戶拉新、用戶留存和轉化非常有幫助。
如何通過數據分析做好內容運營？
利用數據驅動內容運營是市場營銷人員的必備技能。在創作內容前，我們可以利用數據分析確定目標用戶，樹立正確的目標（例如，我們的內容發布之后能帶來多少新用戶？），并在某種程度上明確內容即將產生的影響。想要利用數據驅動內容運營，我們必須掌握這三步：
數據采集，數據分析，數據反饋。
1. 數據采集：了解目標用戶和競爭對手
數據驅動內容運營的難點在于我們必須準確理解我們的目標用戶。只有準確理解目標用戶，我們才能輸出貼近用戶需求，引起用戶共鳴的內容。
為了理解用戶，我們要盡可能地采集更多用戶信息，包括用戶線上、線下行為。例如，用戶在線上搜索了哪些問題、在社交媒體的哪個話題上比較活躍、喜歡點擊哪些內容等等這些線上行為都是我們了解用戶所需要采集的信息。用戶行為數據采集是為了讓我們了解用戶的興趣愛好，以及用戶共同的行為特征。之后我們就能按照用戶共同的興趣愛好和行為特征將用戶進行分組，并針對不同的用戶群體產出針對性地內容。
除了采集用戶行為數據外，我們還要采集競爭對手的行為數據，例如，他們開發了什么內容；在什么渠道推廣；這些內容給他們帶來了多少新用戶，多少轉化等等。通過了解競爭對手的表現，我們可以推測哪些關鍵詞或者主題能夠引起用戶更多的關注、用戶對哪些內容毫無興趣并且嘗試創新，找到突破口，創造一些新鮮的內容來贏得用戶的心。
數據采集的目的是為了讓我們更好地理解目標用戶和競爭對手。我們可以根據這些數據來思考如何給自己的品牌增值，如何產出差異化的內容吸引用戶。
2. 數據分析：辨別最有效的內容推廣渠道
通過采集的用戶行為數據和競爭對手的行為數據，我們對于目標用戶在何時何地、以何種方式要何種內容會有非常深刻的理解。
在我們產出了針對性內容之后，接著就是如何通過最有效、影響力最大的渠道去推廣這些內容。在官網博客分享遠遠不夠，不管我們產出的內容多么符合用戶需求，如果用戶從來沒有看到過這些內容，那么我們純粹是在浪費時間和精力。
推廣渠道很多，例如郵件推送、投放付費的展示廣告、與對目標用戶影響力較大的大V合作或者簡單的重復營銷等。不管是哪個推廣渠道，我們需要通過分析目標用戶行為數據和競爭對手行為數據來確定。
數據分析能讓我們杜絕盲目地推廣。我們可以通過分析不同內容發布渠道的不同表現，找到用戶反饋最好的發布渠道。
3. 數據反饋：證明內容的價值
在內容產出并推廣之后，我們要評估我們產出的內容，同時證明我們的付出所產生的價值。
用戶是如何與我們的內容互動的？我們的內容有沒有引起大量的討論？用戶在接觸我們的內容后有哪些行動？······諸如此類的分析可以讓我們對內容價值有清晰的了解。
對于一些品牌來說，設置內容投資回報率很困難，但是我們可以通過代理指標來描述內容產生的影響。我們可以使用不同的評分系統給不同階段的參與度做評估，并對比不同的內容模塊產生的效果。例如，點擊瀏覽內容1分，更進一步的參與如點贊2分，收藏內容3分，分享內容4分，然后評估不同評分級別的購買習慣。最終，我們可以得出這些評分數據和銷量數據之間的關系。銷量越高，可以證明我們產出的內容價值越大。
總結
內容營銷的成功并非偶然。運營人員能夠正確駕馭和利用數據產出漂亮并能引導參與和轉化的內容才是內容運營成功的關鍵。
]]>
文章概要：
? 什么是用戶流失？
? 減少用戶流失是企業的首要任務
? 減少用戶流失的十種策略 ]]>
文章概要：
? 什么是用戶流失？
? 減少用戶流失是企業的首要任務
? 減少用戶流失的十種策略
很多企業并沒有制定激活沉默用戶和召回流失用戶的具體方案。也有些企業試圖通過獲取的新用戶來頂替流失用戶的空位，另一些則花大量時間分析問題并想盡辦法阻止用戶流失。
在討論減少用戶流失的方法論之前，我們首先得明白用戶流失是如何定義的。
什么是用戶流失？
用戶流失是指在特定時間段內離開產品的用戶數量。根據不同的產品及不同業務，時間段的確定也各不相同。用戶流失指標從側面表明產品留住用戶的能力。企業會為用戶的大量流失而付出慘重代價。
讓數據說話
談到用戶流失的影響，有研究機構做過統計，獲取新用戶的成本是留住已有用戶成本的五倍。哈佛商學院的報告也指出，用戶留存率上升5%可以帶來25-95%的利潤提升。同樣有數據表明留存用戶是企業收入的主要貢獻者。
根據高德納咨詢公司（美國咨詢公司）的數據，20%的留存用戶將貢獻公司未來收入的80%。同時，將產品成功銷售給留存用戶的幾率是60-70%，而成功銷售給新用戶的幾率只有5-20%。
以上各種數據表明，減少用戶流失，提升用戶留存對企業（尤其是電商企業）來說最重要并且最有益。
用戶流失會對企業造成哪些不良影響
? 降低企業收入，影響企業業績
? 降低企業收益率
? 提高企業營銷和用戶召回成本
減少用戶流失有10個策略
1. 分析用戶明確用戶流失的原因
用戶為什么會流失？答案還需要從用戶身上找，最直接的辦法是與用戶交談。電話回訪是與用戶對話最快的方式。通過電話回訪用戶，可以知道我們的產品沒有解決用戶的哪些痛點，我們給用戶造成了哪些困擾等等。除了電話回訪的方式，我們還可以通過給用戶發郵件、邀請用戶到官網評論留言或者在社交媒體與用戶互動的方式查找用戶流失的原因。
2. 保持用戶參與度
保持用戶參與度可以在某種程度上防止用戶流失。為了保持用戶參與度，我們需要持續向用戶證明產品對其產生的價值。除了讓用戶知道產品的主要功能和更新迭代的內容，我們還可以向用戶展示新的成交消息、特價商品或者近期的優惠活動等等。
以前面對面交流是用戶參與的主要方式，但新的研究數據表明，網站和社交媒體也逐漸成為用戶參與的主要途徑。
讓新用戶參與到產品也是減少用戶流失的好方法。例如，我們可以詢問新用戶對產品的第一印象，這有助于我們理解產品所產生的初始影響。
3. 給予用戶充分的指導
減少用戶流失可以通過給用戶提供高質量的指導/支持資料的方式實現。這些指導包括但不限于免費培訓、在線論壇、視頻指導或者產品演示等等。好的產品功能加上足夠的指導不僅讓用戶有解決問題的工具，也讓用戶擁有使用工具的指南。我們發揮產品和服務的最大潛力，讓用戶感受到我們對其足夠重視，用戶想要離開產品就沒那么容易。
4. 及時發現處在流失邊緣的用戶
通過對以往流失用戶的行為數據進行分析，我們可以總結出一些流失用戶共有的行為，譬如他們流失之前的那段時間不像以往那樣活躍，流失之前向我們提出了一些問題但沒有得到我們的反饋等等。通過發現這些共同特征，我們就能預測處于流失邊緣的用戶并采取相應的措施來挽留他們。
5. 確定高價值用戶
確定高價值的用戶并且優先滿足這些用戶的需求非常重要，因為我們的收入主要由這些高價值的用戶貢獻。 辨別高價值用戶的方式有兩種：一是分析用戶在產品生命周期內每個階段的參與度，二是根據用戶行為對用戶進行分組。我們可以將在產品生命周期每個階段參與度都很高，并且經常實施購買行為的用戶群組視為高價值用戶群。
在分析用戶參與度和不同用戶群組的行為時，我們不僅可以確定高價值用戶，還可以確定處在流失邊緣的用戶。也就是說，確定高價值用戶的同時，我們也能預測即將流失的用戶。
6. 激勵用戶
激勵用戶的措施有很多，例如優惠活動、積分兌換等。在采取激勵措施挽留處于流失邊緣的用戶或者召回已流失用戶前，我們一定要確保這些措施所消耗的成本低于這些用戶給我們貢獻的利潤。我們不能浪費大量的人力財力去挽回那些不會再為我們貢獻一分一毫的用戶。
7. 找準目標用戶
在《作為產品經理，你真的了解數據分析嗎？》這篇文章里，我們有提到產品愿景——產品一定要找準目標用戶。畢竟，目標用戶找錯了，哪怕我們使盡渾身解數也不可能讓用戶留下來。如果我們通過“免費”和“便宜”這樣的字眼來吸引新用戶，我們獲取的新用戶可能根本不是我們的目標用戶。這些收集免費贈品的用戶是最有可能流失的群體。我們的目標用戶應該是重視我們產品長期價值的用戶，而非那些貪小便宜的用戶。
8. 向用戶提供更好的服務
糟糕的服務會導致用戶流失。用戶流失有兩大主要原因：一是不稱職又粗魯的員工，二是服務慢到讓人無法容忍。因糟糕服務而流失的用戶占流失用戶的百分之七十多。
上圖足以證明用戶服務的重要性。任何讓用戶不滿的服務都可能導致用戶流失。
9. 重視用戶投訴
用戶投訴所暴露的產品問題只是冰山一角。調查顯示，96%的用戶即使對產品感到不滿也不會吭聲，而且其中91%的用戶會一聲不響地永久離開。只有4%的用戶會對產品提出不滿或意見！
由此可見，我們必須認真對待用戶的抱怨和投訴并且及時給予反饋。研究表明，這些投訴得到反饋和解決的用戶更有可能成為忠誠用戶，而這些忠誠用戶可以傳播我們的產品或服務從而形成好口碑。
10. 展示我們的競爭優勢
我們需要讓用戶明白我們與競爭對手有什么區別；我們突出的地方在哪里；如果用戶不使用我們的產品，他們會錯過什么。搞清楚這些問題之后，就能知道我們的競爭優勢有哪些。清楚了競爭優勢之后就可以大肆宣傳啦！
以上我們講述了減少用戶流失的10個策略，希望對APP運營的小伙伴們有幫助。
對于大多數廣告主來說，廣告投放的目的無非就是吸引更多的用戶，提升廣告ROI，最終實現營銷轉化。 ]]>
對于大多數廣告主來說，廣告投放的目的無非就是吸引更多的用戶，提升廣告ROI，最終實現營銷轉化。但同時他們也更加關注這些信息，比如：
廣告是否按時投放？
媒體/廣告公司承諾的量是否達到？
媒體/廣告公司出示的數據是真實的嗎？
媒體有沒有作弊？
廣告的投入與產出是否成正比……等等。
廣告主為什么會在意這些？我們以下圖為例，筆記本在ZOL投放的費用明細：
從上圖不難看出，對于廣告主來說廣告費用是一筆不小的支出，每一筆廣告投放都需要投入大量的資金，誰都希望每一筆費用都花在刀刃上。想要了解上述各種題就要知道廣告投放中的各項數據指標所代表的意義，這樣才不會被虛假信息所蒙蔽。
廣告投放數字背后的玄機
廣告效果指標分很多，每一種監測指標反映不同的數據效果，比如二跳率、到達率等反應廣告效果有沒有達到媒體的承諾；曝光量、點擊量反映CPC、CPM夠不夠，廣告受眾地域分布反應投放的區域受眾人群是不是正確等信息。
同時投放的維度不同監測的指標也不同。比如以推廣品牌為目的重點關注點擊量、點擊用戶數、點擊IP數，以及到達量、到達用戶數 ；以引入流量為目的重點關注到達量、到達用戶數、二跳量以及總瀏覽量；以引導用戶參與活動為目的重點關注轉化量、轉化用戶數；以促進銷售為目的重點關注轉化明細。
與媒體數據指標相比，廣告主更加關注廣告效果。
數據指標反映了投放的結果，但在實際操作過程中，面對形式繁多的廣告，哪個位置，哪個媒介是最好的？如何衡量廣告效果？其中哪些廣告是有效的？哪些媒介組合是真正有效的呢…..?這一系列問題也是廣告主所關注的。
那么在廣告投放中，如何解決這些問題，實現精準投放呢？這就需要對廣告投放進行優化，對于廣告投放中出現的問題及時解決。
一、了解評估廣告效果的基本方法
廣告效果評估一般圍繞點擊量（曝光量）、到達量、二跳量、轉化量四個指標來評估，每一個指標衡量不同階段的廣告投放數據，通過這些數據幫助我們分析廣告投放中出現的問題。據此我們用一個漏斗圖為大家展示一下：
其中我們要重點提一下，這里的“點擊量”比“曝光量”更重要。 因為衡量廣告效果一般是要測算“接觸廣告的目標受眾”， 用曝光代碼來統計并不準確。這是因為：
1、曝光代碼觸發次數 ≠ 廣告曝光量（廣告實際展示次數）
2、廣告曝光量 ≠ 看到廣告的人數（互聯網廣告形式千差萬別，同樣曝光量的廣告，真正注意到/看到的人數差別可能巨大）
3、看到廣告的人 ≠ 品牌的目標受眾
這中間有３級差異，所以用曝光來測算“接觸到廣告的 目標受眾”很不準確。 點擊量才反應真實效果，曝光量作參考。
二、了解轉化
廣告投放離不開網站這個媒介資源，通過網站，我們要了解這些信息：
哪些地區帶來的注冊用戶多，哪些搜索引擎帶來的訂單多，哪個廣告渠道的轉化率最高，哪個著陸頁面帶來的轉化率最高等等。
通過掌握這些轉化信息，幫助我們分析轉化的情況，比如：
? 外部來源網站的轉化量，可以直接體現該網站的網民質量，同時結合外部來源流量，體現各來源的轉化率效果。
? 轉化明細可以將每一個具體轉化的效果剖析出來，作為廣告CPS效果的評估依據。
三、了解流量
廣告要實現轉化，最重要的一點就是要有流量，流量從哪里來？哪些途徑帶來的用戶多，哪些地區帶來的多…..通過流量來源分析，幫助我們優化調整廣告投放渠道和廣告方案。比如：
1、根據外部來運網站流入量和二跳率排名，刷選優質來源，剔除劣質來源。
2、根據網站流量曲線規律，了解網民登錄網站的習慣，選擇最佳的廣告內容發布時間。
3、根據網站流量時段變化，發現流量的規律和異常點，進而查找深層原因，及時發現問題，調整投放。
四、區別辨別流量質量
在廣告投放過程中，常常遇見虛假流量，惡意點擊等現象，因此評估流量的質量有四大要素：惡意點擊、虛假流量、著陸頁面內容訪問、流量用戶的活躍度。同時虛假、低質流量具有以下特征：
? 24小時的流量數據非常均勻，沒有明顯特征
? 以天為單位的流量圖時高時低，波動非常劇烈
? 全國各個地區的點擊、到達、二跳比率非常接近
? 著陸頁面點擊很少，幾乎沒有任何內容被關注
? 廣告訪客的瀏覽深度接近1層
總之，做好廣告投放優化最終目的就是提高廣告ROI，其實歸根到底一句話，就是讓花出去的每一分廣告費都起作用，那么如何讓每一個廣告都起作用呢，其實就是讓每一個廣告都變得可衡量，讓每個廣告的最后效果都能用精確的數字來展現，這樣精準度才會更高，廣告價值也才會最大化。
本文來源于數據分析網，作者99click商助科技
]]>
《2017中國互聯網金融年報》上，指出了互聯網金融風險整體水平在下降，風險案件得到初步遏制。但是未來在凈化互聯網金融市場上的路仍然很艱巨，所以接下來國家在政策上監管力度必然是會持續加大的，獲客成本更高。另一方面，隨著從業機構優勝劣汰的加劇，行業的發展環境逐步凈化，各大巨頭之爭越來越激烈。
我們也看到了，2017年互聯網金融的一個發展狀態：保險發展增速放緩，理財模塊趨于穩定，證券整體開戶數大幅回落，股權融資景氣度下降，而消費金融和支付兩塊業務發展事態非常樂觀，那么如何去搶占更多的市場？
我們看到各機構紛紛使盡渾身解數，輸出各式各樣的打法。2015年首屆互聯網金融理財節也因此誕生，可以說這是互聯網金融界的雙11，參與的平臺數最多，也是目前國內規模最大，回饋力度最強的線上理財盛會。
互聯網金融產品包含很多方面：支付、貸款、理財、信用卡、保險等等。今天主要跟大家分享的是關于互聯網理財產品基于生命周期的運營玩法，希望能夠給大家一些運營思路的啟發。 ]]>
《2017中國互聯網金融年報》上，指出了互聯網金融風險整體水平在下降，風險案件得到初步遏制。但是未來在凈化互聯網金融市場上的路仍然很艱巨，所以接下來國家在政策上監管力度必然是會持續加大的，獲客成本更高。另一方面，隨著從業機構優勝劣汰的加劇，行業的發展環境逐步凈化，各大巨頭之爭越來越激烈。
我們也看到了，2017年互聯網金融的一個發展狀態：保險發展增速放緩，理財模塊趨于穩定，證券整體開戶數大幅回落，股權融資景氣度下降，而消費金融和支付兩塊業務發展事態非常樂觀，那么如何去搶占更多的市場？
我們看到各機構紛紛使盡渾身解數，輸出各式各樣的打法。2015年首屆互聯網金融理財節也因此誕生，可以說這是互聯網金融界的雙11，參與的平臺數最多，也是目前國內規模最大，回饋力度最強的線上理財盛會。
互聯網金融產品包含很多方面：支付、貸款、理財、信用卡、保險等等。今天主要跟大家分享的是關于互聯網理財產品基于生命周期的運營玩法，希望能夠給大家一些運營思路的啟發。
我們再來看下理財用戶畫像：
《2017中國互聯網理財年度分析報告》中指出：理財用戶主要分布在26-35歲，占比高達56%；男性偏多于女性，跟貸款用戶一樣，高學歷人群占比最高；他們是有一定理財意識的80后，一線城市網民雖然不高，但是滲透率最高；3線城市以下網民數高，滲透率還不夠，仍存在較大市場空間。
監管趨嚴下移動理財企業增速放緩，行業由野蠻增長轉變為理性發展，市場逐步放緩；但用戶對短期產品偏好下降，整體投資期限延長，說明理財用戶的成熟度逐步上升。
運營的關鍵就是做好場景差異化，理財社群化，交互趣味化。如：我們可以設置一些能夠觸動高學歷人群的場景玩法吸引到這波用戶，如前段時間在朋友圈刷屏的招行海外信用卡案例。接下來我們先來看看理財產品的產品形態。
一、理財產品形態分析
按理財產品周期劃分
按理財產品周期劃分為：短期+長期，活期+定期+活定期。
活期：
目前活期產品較少，相對的利息也會低很多，此類用戶可能資金靈活過度不夠高，或者是對理財不是特別懂，通過結合理財知識的學習可以培養此類用戶往高付費用戶或長周期方向轉，一般是提供學習內容，完成學習即可獲得加息獎勵。
周周升：
每周可定期提現，同時享有一定收益率，若不取出，時間越長利息更高，此類產品迎合了對資金靈活度要求較高的用戶群體，此類群體通常為低收入人群，通常設置的門檻很低，低至100元，此類理財產品覆蓋了更廣的用戶人群，更靈活，門檻更低。
月月升：
每月可定期提現，同時享有較周周升產品高一些的收益率，此類產品適合上班族理財，結合信用卡50天免息期做營銷鼓勵用戶先理財后還款同時賺取收益，但是頻繁的操作很麻煩，如果能夠結合自動還信用卡，減少用戶操作，提升用戶體驗，會有很多接近月光族的用戶會選擇。
季季高：
中短期產品，靈活度中下，同樣是隨著季度的期限變長，加息率也會提高。
1個月定存：
通常適用于短期內資金盈余的人。通常已經事先做好這筆錢的用途或者知道這筆錢一個月后必然需要取出，在或者是某些新用戶出于對平臺安全的考量做出的短期嘗試。
2個月定存：
短期理財產品
3個月定存：
中短期理財產品
6個月定存：
中期理財產品
12個月定存：
長期理財產品
24個月定存：
超長期理財產品，通常選擇的用戶較少
理財的產品形態
新手理財產品：
通常為了吸引新用戶，很多平臺都采取新用戶高息政策吸引用戶轉化，有送理財金，也有送短期高額加息，通常活動期間也會有其他的拉新活動配合。
VIP專屬產品：
針對高付費用戶提供VIP產品定制，同時享有比普通用戶更高的理財特權。
高額定投：
設置較高的起投金額，相比同期產品獲得更高收益率，用以鼓勵用戶增加投資金額。
基本上利率的設置原則：
VIP專屬>高額定投>普通定投
同事理財專區：
通常此類金融機構與企業合作，給予企業員工高于普通員工的收益率，通常合作的企業都是較大型的企業（騰訊、京東、阿里巴巴、百度等），需要員工通過企業郵箱完成認證。
工資理財：
綁定銀行卡，每月發薪日，自動轉賬理財，方便快捷。
零錢理財：
理財通基于微信場景下，推出了零錢理財，抓住了微信用戶零錢里的這部分資金。
會員積分：
搭建理財用戶積分體系，積分消費體系，如：兌換活動參與資格，兌換加息券，兌換理財金，兌換VIP，兌換獎品等，會員體系的關鍵在于搭建出積分機制及消費機制形成閉環。
二、基于生命周期的運營玩法分析
了解了行業背景，了解了產品形態，我們接下來從產品生命周期意義分析每個階段的運營玩法主要有哪些。
1. 拉新
1）邀請有獎：
為了更好的提高平臺用戶，通常會設置邀請有獎活動，對于理財產品，用戶嘗試了一個平臺并逐漸產生了信任感，通過獎勵刺激老用戶邀請身邊的朋友，效果會比單純的做推廣好。
通過邀請，雙方都可以獲得一定的獎勵，獎勵包括現金，加息券，理財金，平臺積分幣，實物獎品等，通常在邀請的人數上制定金字塔獎勵政策能夠鼓勵用戶邀請更多用戶。
需要告知活動規則及領獎方式，否則會給客服增加負擔。另一方面還可以通過持倉金額劃分推薦人的獎勵等級，形成二維度激勵政策，拉新的同事，提升老用戶持倉數。
另外，邀請人頁面與被邀請人的頁面是不一樣的，邀請人頁面強調雙方可以獲得獎勵，被邀請人強調注冊后自己可獲得的獎勵，為了鼓勵用戶邀請，通常會在邀請頁面做個人脈排行和因為邀請好友收益排行，刺激用戶。
2）注冊領大獎：
此類活動主要是直接觸達C端用戶，一般通過其他渠道推廣觸達；用戶自主發現活動頁，主動性的加入。
通常的渠道有信息流廣告、軟文推廣、平臺合作、科技網站、線下廣告等等。對外素材重在吸引力足夠大，如跟微信合作派送新年紅包，下載注冊即可提現，或是在其他平臺增加一個理財入口。
目前每個平臺都希望能夠提供更多元化的服務，比如就醫160平臺用戶只有生病時才會使用，那么為了提升用戶活躍，增加理財模塊可以讓用戶因為資金的留存而避免用戶流失；但是他們如果自己開發一個理財模塊，會提高成本，所以最好的方式就是找到專業的金融公司合作，通過CPC、CPM、CPA等模式收費。
2. 活躍
1）免費+積分抽獎：
為了提升平臺活躍，通常會設計一些游戲，抽獎是很多行業都會用的玩法，可以通過免費試抽+積分兌換的方式參與。
但在設置中獎概率上，一定要考慮中獎概率問題：如果頻繁抽不中會打擊用戶積極性，如果百抽百中又會提高運營成本，所以需要重點設置好概率模型。
2）游戲玩法：
為了提升平臺活躍，很多行業其實都會采取簽到機制，通常都是結合小游戲來玩，有簽到送積分，或者是送加息券、理財金等。但是為了提升用戶的連續活躍度，我們需要在玩法中設置一些階段性目標任務獎勵機制，比如連續簽到一周獎利翻倍，或有機會享超值大禮，噱頭要足夠吸引用戶參與。
在此類玩法中，需要重點搭建好精細化數據模型。
首先將人群分類可以從持倉維度、用戶活躍度、流失情況進行分析，做好人群維度分析后需要針對每類人群做精細化的內容運營和數據模型推薦。比如：在設置加息券上，我們可以針對無持倉用戶送高額加息，以此提升持倉用戶數。
另外針對薪資理財用戶，發薪日前后做合適的內容引導可以提升該類用戶持倉轉化。
此類活動頁面可以選擇自己開發，也可以選擇介入別人的活動；但是介入別人的活動兼容性差，建議自己開發。
通常游戲開發的投入大，用戶參與度較高，可以很好的提升平臺活躍；但是成交轉化率卻不高，所以需要評估運營的目標再確定。
3）其他創意玩法：
結合當前較為火熱且用戶樂于參與的活動，進行產品包裝，吸引用戶參與并獲知活動福利。
如顏值紅包，通過結合圖片處理技術，對圖片的顏值進行評分并給出對應的獎勵。或者通過結合公益進行包裝引起更多社會關注點，如騰訊公益推出的公益畫，通常此類玩法重在好玩，引起觀眾樂于參與并轉發。
4）積分機制：
搭建金幣積分機制，可結合產品功能、任務及游戲獎勵獲取積分。
5）積分兌換機制：
通過玩游戲或積分兌換商品消耗金幣，最好也能根據用戶的等級劃分出不同的兌換獎品。
6）會員等級策略：
成熟的用戶運營策略通常是以搭建健康的用戶會員體系為基礎，讓用戶在這個體系下享有不同的權益，以此刺激用戶往高質量方向發展。
通常在會員劃分方面主要從持倉金額的數量等級劃分，等級特權上，需要將公司的商業品類+用戶的個性化福利相結合（如：生日特權、會員禮包、升級禮包、感恩禮包、私人服務），符合金字塔原理，等級越高，權益越大。
7）智能AI技術玩法：
結合AI大數據玩法，洞察用戶畫像，智能化推薦理財產品。
8）找bug送獎勵：
為了更好的優化產品，通過紅包或會員等級等政策鼓勵用戶幫助產品優化。
此類活動重點針對有較大用戶群體及經費投入的初期產品團隊，為了快速優化用戶體驗，發起的全民找bug活動。
9）UGC社區內容生產：
為了鼓勵UGC精華內容生產，設置作者等級制度：初級-中級-高級等，設置對應精華文章的獎勵等級制度，做好KOL運營維護，保證內容輸出的同時提升文章質量。
10）APP store版本更新及好評：
通過紅包獎勵鼓勵用戶下載最新軟件版本并提交好評，獲取更好的應用排名。
3. 留存
提到留存，可能我們看不到太多專門針對留存做的活動，但其實做好留存是貫穿在整個運營中的。
理財產品的核心是安全性、高收益、流動性、滿足這三點，留存是很容易的事情。
之前的一篇文章也說過，通常產品的生命周期分為
導入期、成長期、成熟期、衰退期
四個階段。提升產品的留存率，需要分析產品處于哪個生命周期。
我們通常看到的是平臺的某個時間節點的數據表現，但是我們需要將用戶數據就進行拆分，通常結果
數據=總用戶數+當前新用戶數-流失用戶數
。那么提升用戶留存率，我們需要關注的是拉新及防止用戶流失同時做好回流工作。
拉新方面：
我們需要重點關注用戶的質量，盡量找到精準用戶，避免引入過多非受眾群體，導致流失率過高。
預防用戶流失方面：
我們需要做好用戶流失分析，關注用戶的次日留存、7日留存、15日留存等數據表現，找到新用戶留存率驟然下降的情況并深入分析。我們可以從時間維度，用戶操作路徑維度來分析，分析是否是因為產品的某項功能問題導致用戶流失，比如在游戲關卡設置方面，若用戶在某到關卡通過率特別低，就會打擊用戶的積極性，導致用戶流失——我們需要做的是找到這些因素并對產品進行優化。
在回流方面：
通常我們需要分析：流失的是什么用戶？為什么會流失？回流的手段分別是什么？如何留住用戶？以及如何預判用戶快流失提前預防。找到流失用戶后進行用戶劃分，分別找到吸引每類用戶的價值點，并通過有效的渠道觸達到這波用戶，引導回流。
總的來說就是：要做好用戶的洞察與分析。
作為運營我們需要做到智能動態運營，減少運營繁瑣工作的同時，更智能話得給每個生命周期的用戶，每個畫像的用戶提供專屬服務，前提是能夠知道什么情況下用戶的消費場景如何，并能實時感知用戶的變化。
4. 營收
1）限時限量加息：
通過每日定時推出限量爆款產品，引發用戶搶購熱潮，提升了營收同時也活躍了平臺。
2）長短期產品搭配售賣：
通過長短期搭配售賣，通過提高短期理財產品的收益率，最高收益率達到36%，并以此為噱頭吸引更多的用戶投資，通常前期都會獲得不錯的效果；但是任何活動久了，用戶也會乏味。
同時此類活動的弊端是公司的投入較大，需要嚴格管控投入成本。
3）超值理財金/加息券+獎金：
活動期內，用戶單筆投資指定產品達一定條件即可獲得對應寶箱，達成任務即可獲得額外的現金獎勵。
如下活動，可一同瓜分2億元理財金，獲取的收益可提現，通過現金獎勵刺激用戶加大投資。
4）紅包雨：
結合新年紅包雨玩法，將公司的理財產品打包到活動獎品中（加息券+理財金+翻倍卡等），以現金大紅包為噱頭吸引用戶參與刷紅包雨，提升活躍度，提升轉化。
5. 病毒式營銷
1）噱頭夠，足新奇特：
通過策劃某些新奇特事件，引發大眾關注、傳播。
如：一億數錢大賽，以直播的形式引發一票路人圍觀，從前期策劃，到現場的警察保護；到美女網紅直播，用戶數錢大賽，賺足了大眾的關注目光。
三、總結
本文結合了互聯網金融的行業趨勢及基于生命周期的理財類產品玩法分析，系統性的梳理了常規的一些運營玩法，旨在讓大家能夠從面的角度來看待活動運營這件事。
基礎運營到高級運營是一個從點到面的成長過程，高級運營到資深運營又是一個從面到全局觀的過程，當我們逐步培養了自己的全局觀，遇到任何經營成面的問題，我們都能從全局知識網絡中找到最適合自己去擊破困境的點。
再總結幾點關鍵點：
? 了解行業趨勢：
培養前瞻性，更早的發現新機會；
? 熟悉戰略目標：
了解自身品牌定位，結合自身的優勢及能力，找到最快提升業績的業務方向；
? 熟悉產品商業模式：
理清可能的變現模式，最大化的發揮；
? 全局規劃能力：
從全局出發，分別找到每個點的最好的突破手段。
最后分享一位著名經濟學家說過的一句話：
任何的社會問題都是源于經濟不平等問題。
對于互聯網金融平臺而言，解決社會需求才能更好的發展，普惠金融就是在可負擔的成本范圍內，為有金融服務需求的社會各階層和群體提供適當、有效的金融服務，小微企業、農民、城鎮低收入人群等弱勢群體是其重點服務對象；未來互聯網金融即將進入普惠金融快速發展的時期，通過結合大數據洞察，提供動態運營策略，更精準的為中小微量服務，更好的實現線上線下的融合，建設更和諧的社會。
本文來源于人人都是產品經理，作者大V姐姐
]]>但運營童鞋多是數據小白，沒有編程和技術基礎，那我們該怎么分析并用好數據呢？今天從運營常見的數據問題出發，希望讓大家能快速地入門數據分析，讓數據更好地為工作服務，別白白浪費數據的價值。 ]]>
但運營童鞋多是數據小白，沒有編程和技術基礎，那我們該怎么分析并用好數據呢？今天從運營常見的數據問題出發，希望讓大家能快速地入門數據分析，讓數據更好地為工作服務，別白白浪費數據的價值。
不知該分析哪些數據？從哪些角度入手？
這是運營小伙伴們最頭痛的問題，不知道該關注、分析哪些數據，就算拿到數據后，也不知道到底從哪些方面去分析這些運營數據。給小伙伴們整理一些運營常見的數據指標，也總結了一些比較適用的分析角度，希望有用~
1、互聯網運營關注的常見數據指標
? 流量
1）訪問：PV、UV、IP（最常見）；跳出率、平均訪問時長、平均訪問頁數等；使用設備、操作系統、瀏覽器、地域分布等訪問行為；
2）注冊：注冊人數、注冊走勢、累計注冊人數、達成率等；
3）渠道&推廣：來源渠道分布、總消費、展示量、點擊率、點擊率、平均點擊價格、轉化率、轉化成本、ROI等；
? 用戶
1）活躍/登錄：DAU、WAU、MAU、活躍率、登錄人數等；
2）留存：次日留存率、周留存率、月留存率等，還有按渠道去分析留存率；
3）流失：流失數據容易被遺忘，包括流失率，流失人數、每日平均流失人數等；
4）付費：付費人數、付費轉化率、單筆訂單平均金額等，更多看訂單數據；
5）其他：每日評論人數、收藏人數、分享人數等
6）頭像：一方面分析用戶屬性：關注年齡、性別、學歷、職業、地域、婚否、收入、興趣等；另一方面分析用戶行為：登錄次數、活躍率、累計消費金額、最近一次購買、購買次數、復購率等；
? 訂單： 付費人數、新增付費人數；總金額、每日訂單數、平均每日成交額、客單價；付費金額、付費毛利、付費利潤、復購率、ARPU、付費各個路徑轉化等；
? 內容： PV、UV；UGC、PGC、文章數、關注數、閱讀數、互動數（評論、點贊等）、傳播數（轉發、分享等）；
? 活動：活動頁PV、UV、新增人數、參與人數、登錄人數、轉化人數、轉化成交金額、ARPU、優惠券發放/使用人數、營銷成本、營銷轉化率、ROI、分享人數、分享次數等，數據要根據活動類型而定；
? 服務：電商、O2O等行業易涉及，包括咨詢人數、咨詢轉化率、退貨率、退款率、好評率、差評率、投訴率等 ；
? APP：各渠道下載量、激活數、新增注冊數、獲客成本；啟動次數、啟動人數、停留時長；push到達率、打開率等，其他參考以上數據。
2、適用的分析角度、方法
數據分析有各種高大上的分析原則，比如AARRR模型、5W2H等，但是運營畢竟不是專業的數據分析師，主要能用好這些原則就夠了~
? 對比：分成橫向和縱向對比，比如縱向的同環比分析，橫向的不同產品、不同渠道的對比等；
? 走勢（變化）：指標隨時間的變動，表現為增幅（同比、環比等）；
? 分布：這個好理解，比如說用戶不同年齡段的分類、不同職業的分布、不同地域分布等；
? 細分：從多層級去了解數據，比如分析全國不同省份不同城市的具體訂單數據，從全國—省份—城市一一下鉆深入分析；
? 轉化：主要體現在結果的最終轉化、各個路徑的轉化，比如通過整個注冊流程的轉化分析來優化細節；
? 預測：根據現有情況，估計下個分析時段的指標值。
案例
某水果O2O平臺想確認未來一周各品類應準備的數量，若沒有數據的支撐，那只能由人工結合經驗得到一個大致結論，一般誤差比較大導致水果浪費較多。該怎么解決這個問題呢？當有了往常數據，數據走勢有了一定的規律，可通過數據預測來得到一個比較合理、比較準確的數值，再通過不斷預測—驗證得到一個最佳方案，保證水果備貨剛剛好，減少浪費，節約成本，這就是數據的價值。
（綠色：日常數據走勢；黃色：未來10天數據預測）
等待分析師漫長的排期？能否自己搞定分析？
分析師身負多個部門的數據分析工作，有時從提需求到最終拿到數據，2、3天都過去了，且不說分析結果是否是你想要的，就時效性而言，這份數據結果的意義也減弱了，如何變身自己的“專屬分析師”呢~
數據分析的整個過程：確定指標——數據收集——數據整合、數據處理/建模、數據分析、數據呈現、報表匯報。
? 確定指標：不多說了，可參考一下第1個問題。
? 數據收集：可通過公司數據庫埋點獲得，可通過第三方平臺獲得，也通過一些記錄的本地數據獲得。
? 數據整合：運營人要看的數據太多了，有數據庫，有各種第三平臺的數據（友盟、統計、推廣、公眾號等），每次都需要從不同平臺取數據，太分散了，最好能在一個數據平臺集中管理數據。
? 數據分析：可參考分析方法，比如“求和、計數、同環比、多粒度下鉆”等分析，一般在excel中需通過寫公式搞定。
? 數據呈現（可視化）：簡單地說，就是如何制圖唄，請直接學習第3個問題。
? 報表匯報：將數據通過表格、圖表或其他形式向領導匯報。
如何不依賴分析師，自己搞定數據分析呢？
（1）學習一些數據分析理論。（數據思維）
（2）了解、熟悉業務，這點很重要。（業務思路）
（3）學習一些數據分析工具。（工具輔助）
以我的個人經驗來看，真正把握這些真真是夠了~畢竟我們不是專業的數據分析師，能做好業務分析足以！
運營童鞋如何制作讓老板滿意的好看圖表？
沒有哪個老板喜歡雜亂的表格數據，顏值才是王道啊。簡單地說，就是數據如何可視化，讓數據直觀、明了。
? 分析數據占比：分析單維度的數據占比可用餅/環圖、分析多維度的數據占比，可用旭日圖和矩形樹圖。
比如，用戶性別的占比分析只有“性別”一個維度，用餅/環圖展示，男女比例非常直觀，比如下圖明顯是男性用戶偏多，若用戶群體符合初衷和產品特征，那運營方式不妨可以嘗試一些“可愛風”，也許這樣更能吸引男性用戶。營銷活動也可以考慮選擇一些科技類產品作為獎品，也許更能促進男性用戶的購買力，達到活動目的。
（單維度：用戶性別分析）
（多維度：不同地區不同渠道的訂單分析）
? 分析數據同環比趨勢：分析單維度的同環比可用指標卡、分析多維度的同環比可用雙軸圖。
同環比太常見了，幾乎什么數據都要跟之前有個對比，這樣才能更體現目前數據的“運營價值”。
最常見就是PV、UV的同環比了，比如UV環比下降了，是正常還是不正常。正常是因為UV可能存在一定規律，可能周五的UV就比周四低，那數據屬于正常。若沒有固定規律，那有異常波動一定要尋找背后的原因，盡快處理問題，以防再犯。
（單維度：PV環比和UV環比分開）
（雙維度：PV環比和UV環比放一起）
? 分析數據走勢：最常用的是折線圖，柱狀圖也可以表達，直觀度略低于折線圖。
（折線圖）
（柱狀圖）
? 分析地區分布：全國、省份分布可用行政地圖，更詳細的地域分布可用經緯度地圖。
用戶地域分析也是非常重要的，這可能決定了公司業務會在哪些區域重點投入、重點銷售。這也是公司廣告需重點投放哪些區域的數據指導，對于每年競價投入幾百萬、幾千萬的公司，正確的用戶地域分析可節省很多不必要的投入，給公司省錢老板可樂意了。
（行政地圖）
（沈陽地區軌跡動態地圖）
（各省份注冊用戶數完成情況）
? 分析任務完成進度：單指標進度可用計量圖，多指標進度可用子彈圖，完成情況一目了然~
（KPI完成進度）
（各項指標完成進度）
? 分析用戶活躍頻次變動：可用桑基圖。
（用戶活躍情況變化）
? 分析詞頻： 比如用戶的職位分布，可用詞云，有3D效果哦~
（用戶職位分布）
? 分析轉化效果： 那肯定用漏斗圖最最合適。
（用戶咨詢轉化率）
轉化案例
之前在一家電商公司工作，每天網站流量都不低，但最終的支付轉化率始終不高，從流量—注冊轉化還可以，從注冊—瀏覽轉化也還可以，但就是瀏覽—支付轉化不高。通過不斷找原因，通過用戶調研和數據分析（埋點）發現大部分用戶都到了支付頁，但支付入口在移動端不太明顯導致很多用戶棄買，這當然要改，優化后整體轉化率確實提高了。通過數據發現問題—找原因—優化—通過數據驗證可行性，這真的是一個良性循環
每個圖表都有適合的使用場景，用好各種圖表很重要，直接影響到數據的直觀和美觀程度。
如何快速找到數據背后的問題？
做了那么多的數據工作，最終無非是為了從數據中去發現問題，不斷優化運營策略。不論數據是上升了還是下降了，肯定有其變化的原因，這里以用戶數據變化為例了解一下快速找到問題的思路~
? 節假日波動：大部分產品都會受到節假日、周末的影響，辦公軟件節假日/周末數據一般都會下降，電商產品節假日/周末數據一般都會上升。
? 上線、改版：上線不一定單指功能上線，比如營銷活動上線、廣告渠道新上都算是上線，網站任何變動都可以理解成“上線”。
? 異常、故障：服務器故障、渠道被迫下線、網站訪問不了、鏈接異常等，鏈接訪問不了是比較常見的情況。
以上3種都不是，那就下鉆從渠道入手，看哪個渠道數據有異常，再結合具體問題進行分析。（Ps：有時候從渠道發現異常的，所以這個流程的順序不是絕對的）
以上幾種都不是，實在找不到原因，只能跟老板說：“原因未明，將持續觀察趨勢，以確認其偶然性”。
有些問題顯而易見，有些問題排查需要一些時間，看數據最終的意義還是要結合實踐。看數據—發現問題—解決問題—再看數據—問題解決，或者看數據—發現增長—找到原因—繼續應用，總之：取其精華去其糟粕，你懂得~
本文來源于數據分析網，作者海致BDP。
]]>商品詳情頁是電商APP中最容易與用戶產生交集和共鳴的頁面，商品詳情頁設計的質量，與用戶購買轉化率有著直接的關系！因此，商品詳情頁面設計的好可以激發用戶的購買欲，打消顧慮，增強用戶的信任感！
下面我們來看一下這個電商漏斗模型：拉新（新用戶）——活躍（商品列表頁、商品詳情頁）——購買轉化（下單、付款、交易完成）——傳播（評價、分享）。 ]]>
商品詳情頁是電商APP中最容易與用戶產生交集和共鳴的頁面，商品詳情頁設計的質量，與用戶購買轉化率有著直接的關系！因此，商品詳情頁面設計的好可以激發用戶的購買欲，打消顧慮，增強用戶的信任感！
下面我們來看一下這個電商漏斗模型：拉新（新用戶）——活躍（商品列表頁、商品詳情頁）——購買轉化（下單、付款、交易完成）——傳播（評價、分享）。
在運營電商APP的過程中，我們往往都是將重心放在獲取新用戶和獲取收入上，很多人以為只要有源源不斷地新用戶涌入并且有人購買，我們的APP運營就很成功。實際上，只要我們針對商品詳情頁采取有效措施，拉新、購買、傳播這些指標數據的提升都會變的很容易。好的商品詳情頁可以給我們帶來更多的收入、更好的客戶體驗以及更好的APP表現。
在這要講一下的是，在設計商品詳情頁前要進行充分的市場用戶調研，通過歷史數據分析用戶的消費能力及興趣偏好，準確了解用戶的需求，這里就不多贅述。下面我們來具體聊一下商品詳情頁的設計，給出以下5點策略及建議：
1. 減少按鈕數，簡化操作流程
在設計購買流程時，我們可以只提供給用戶一個CTA按鈕（call to action，用于激發用戶行動的按鈕），這樣既可以避免給用戶造成選擇困難還可以鼓勵用戶購買。由于只有一個CTA按鈕，我們必須搞清楚最想讓用戶采取什么樣的行動。“加入購物車”按鈕雖然是站在用戶的角度考慮，給予了用戶思考的時間，但是這會對用戶的購買行為產生一定的干擾。我們可以想想平時自己網購的場景：很多時候我們將商品加入購物車之后就會想著，先等一段時間，說不定以后會有折扣呢？如果只有“立即購買”按鈕，這個按鈕在用戶瀏覽商品的過程中就會誘導用戶購買。加速了購買的進程，有利于購買轉化率的提升。
2.放大CTA按鈕，刺激用戶購買
放大CTA按鈕，讓CTA按鈕看起來更顯著，能讓用戶更愿意與產品互動，刺激更多購買。CTA按鈕的設計太小，在整個詳情頁屏幕里會顯得不協調。大氣的“立即購買”按鈕更能刺激用戶點擊。
3.通過CTA按鈕上的文字引導用戶
CTA按鈕上直觀的說服性的文字譬如“立即購買”也可以，但是“收為己有”卻很好地利用了人性的弱點——貪婪、欲望、占有心理，在看到自己喜歡的東西時，我們都希望這個東西是屬于自己的。
4.將星級評價放在屏幕中的顯著位置
屏幕中的顯著位置可以展示很多信息，將星級評分和評價放在這里絕對不會吃虧。因為好的評分和評論可以讓用戶很快知道商品的受歡迎程度，還可以幫商品在用戶心中建立權威；其次，將評價放在屏幕中的顯著位置可以讓用戶對商品留下一個好的印象。
5.在商品詳情頁添加社交分享按鈕，促進傳播
增加社交媒體按鈕不僅起到鼓勵用戶分享的作用，同時也便于用戶操作分享。我們一般主要用于分享當前頁面的商品。但其實，真正用于營銷推廣的分享并不應該僅限于商品本身。比如成功購買的記錄，或者是買家和賣家之間的互動評價，都可以成為分享的內容，這將比商品本身更有傳播性。
以上5點建議我們可以結合A/B測試來驗證，同時要確保我們采集的用戶行為數據精準有效。最后預祝各位電商小伙伴們雙十二大麥！
]]>
我們前期所介紹的“同期群”分析法是對于時間窗口上不同時間段的特定指標比較，而今天所介紹的“A/B測試”是同一個時間窗口上不同用戶群針對不同版本的反應做比較。 ]]>
我們前期所介紹的“同期群”分析法是對于時間窗口上不同時間段的特定指標比較，而今天所介紹的“A/B測試”是同一個時間窗口上不同用戶群針對不同版本的反應做比較。
所謂A/B測試，是用來比較兩個（或多個）版本的網頁或者APP哪個“表現”更好的一種實驗。A/B測試本質上是一個實驗。在這個實驗中，一個頁面的兩個或多個不同的方案顯示給特定用戶群（此用戶分群有可能為隨機，也有可能有特定特征），然后根據統計數據來分析，哪個方案在指定的“表現”上更好。我們經常會面臨多個設計方案或營銷策略的選擇，A/B測試是解決這類問題很好的方法。
通過A/B測試，我們可以對比不同版本的用戶體驗區別，并針對更新版的網頁或APP提問，然后收集相關數據，分析更新版網頁或APP對我們既定的度量指標造成的影響。
目前市面上的大部分A/B測試工具均不支持對流量進行計劃分配即流量分配策略（一般為隨機分配）。這樣得到的測試結果，不僅不能真實的反映出目標核心用戶的喜好還有可能給產品經理造成誤導，對產品改進方向做出誤判。在這推薦用戶行為分析工具Cobub Razor，它可以幫我們準確的識別用戶屬性，從而為A/B測試提供流量分配策略，保證流量分配的科學性，試驗結果的可信性。此外Cobub還提供了實驗目標指標的實時監控及數據分析，我們可以根據分析結果實時優化調整流量策略，助力形成產品優化的閉環。
A/B測試有利于我們從界面優化中生成假設，也有利于我們依據充分的數據分析結論做出正確的決策。有A/B測試的支持，我們做決策時就可以從拍腦袋的“我認為…”轉變為從數據分析結果來看“我們知道…”。通過衡量更新版對各個度量指標的影響，我們可以確保每個更新變化都產生積極的結果。
A/B測試如何運作？
在A/B測試中，我們可以給同一個網頁或APP界面創建更新版。版本之間的差異可以非常簡單，如改動單個圖標或按鈕，也可以對頁面完全重新設計。測試過程中，我們按既定策略給一半用戶顯示頁面原始版（稱之為控制組），一半顯示頁面的更新版（稱之為測試組）。
在A/B測試中，我們收集控制組和測試組的用戶行為數據，然后分析更新版對用戶行為造成的影響。
為什么需要A/B測試？
不管是個人，團隊還是公司，做A/B測試分析數據結果之后，我們可以用數據說話，來優化產品、提升用戶體驗，讓用戶行為朝著我們期望的方向發展。A/B測試還能驗證我們的假設。有時候我們從經驗出發做出的產品改變并不能讓得到我們預期的結果（原因是我們的客戶不是讓我們隨意安排的）。通過A/B測試，我們可以擺脫經驗主義，轉向數據驅動產品發展。
A/B測試能持續不斷地讓我們對產品做出改進，不斷提升用戶體驗，從而幫助我們達到各種目標，比如注冊率、轉化率等。
例如，運營團隊想要通過一個營銷活動的著陸頁來提高銷售指標，為了達到這個目的，我們會嘗試對標題、視覺圖像、表單、行動按鈕以及頁面的整體布局進行A/B測試。
每次測試一個更改，可以幫助我們確定哪些更改對用戶的行為產生了影響。隨著時間的推移，我們的產品就會因為測試中產生的這些成功改進而變的越來越好。
A/B測試使我們能夠在營銷活動中針對我們想要的結果來優化產品并讓用戶基于我們的目標采取行動。
通過測試廣告文案，我們可以了解哪個版本吸引了更多用戶的點擊。通過測試隨后的登錄頁面，我們可以了解到哪種布局可以促進用戶的購買。如果每個步驟的改動都能有效獲得新客戶，那么營銷活動成本就會大大的降低。
A/B測試也可以被產品經理和設計師用來演示新特性或者改變用戶體驗產生的影響。產品的登錄、用戶參與、模式和產品體驗都可以通過A/B測試進行優化。總之，我們可以通過A/B測試來實現目標，驗證假設。
A/B測試過程
下面是A/B測試框架，我們可以用它來運行測試：
? 收集數據：對產品進行數據分析可以讓我們發現問題從而找到需要優化的方向。首先我們需要收集數據，可以從站點或APP高流量的區域開始，這有助于我們快速發現問題的關鍵所在。同時我們需要尋找能夠改進的低轉化率和高流失率的頁面。
? 確定目標：我們的轉換目標是用來衡量更新版是否比原始版用戶體驗更好，更成功的標準。目標可以是任何東西，如點擊一個按鈕、鏈接到產品購買或者完成注冊等。
? 生成假設：一旦明確了目標，我們就可以生成A/B測試的假設，這個假設用來解釋為什么我們覺得更新版比原始版更好。在有了這個假設清單之后，我們可以按照預期的結果和實施難度來按順序進行測試。
? 創建變化：有了前面幾步之后，我們就可以對我們的網站或APP做出期望的改變，設計出迭代方案，這些改變可以是按鈕的顏色、頁面元素的順序交換、隱藏導航或者完全重新布局的東西。我們創建的這些變化要確保它們符合我們的預期目標。
? 運行實驗：啟動我們的實驗，等待用戶參與。在這一步，我們網站或APP的用戶會被隨機分配到控制組和測試組，用戶每一步的操作都會被紀錄采集，計算和比較，以確定控制組和測試組在每一項改變上的表現。
? 分析結果：實驗完成之后就是結果分析。A/B測試會顯示實驗數據，并告訴我們兩個版本的用戶行為是否存在顯著差異。
? 發布最佳版本：如果測試組的行為達到了我們的預期目標，那么我們就可以繼續根據A/B測試結果進一步改進產品。反之，也不必氣餒，我們可以把此次測試作為經驗并且生成新的假設然后繼續測試。
不管測試結果如何，我們都要根據測試經驗來實現產品優化的閉環并持續不斷的提升用戶體驗。
以下是使用A/B測試過程中常產生的幾個誤區：
? 試驗成功不等于效果提升
? 隨機選取用戶參與試驗
? 多次試驗，一點修改
? 屏蔽A/B版本的人為選擇
一個月離職，一般是不能適應工作或與工作內容本身有關。
半年的情況，一般與直接上級有關。
2年以上離職，基本上屬于認可公司，但發展受限
其實對于產品留存也和員工入職相似，短期留存、中期留存和長期留存的緣由大有不同。 ]]>
一個月離職，一般是不能適應工作或與工作內容本身有關。
半年的情況，一般與直接上級有關。
2年以上離職，基本上屬于認可公司，但發展受限
其實對于產品留存也和員工入職相似，短期留存、中期留存和長期留存的緣由大有不同。
01
短期留存來講，可以理解為用戶初步了解產品之后的留存，也就是說產品下載后用了一下，并沒有馬上刪掉或者近兩天選擇刪掉。
新用戶一般在app下載完成之后會進入直接的了解產品階段，這個階段，在產品主要功能界面，如果產品本身沒有什么特別顯眼的亮點（可以理解為撩點），或者一下子勾住用戶的東西，用戶流失的可能性很大，畢竟大部分用戶只是嘗鮮的狀態，這類流失問題，一般智能（算法）或精選推薦類的內容型的產品有優勢，資訊類的也好，短視頻的也好，商城類的也好，直播類的也好，能夠采用高度的熱點內容推薦勾住大部分用戶的使用欲。
比如我最近在嘗試了解的抖音，他有很大的優勢決定了app的短期留存率會高于其他同類短視頻，原因有三，第一：抖音本身的音樂屬性和產品用戶定位決定了他的視頻更有特點；第二：抖音的拍攝門檻、制作高標準和視頻處理的優勢，決定了視頻的高質量；第三，首頁精選機制，讓用戶的選擇門檻降低，我們打開APP就能播放短視頻，并且從我幾天的觀看情況來看，質量都挺高。（我目前沒找到抖音首頁的推薦算法相關內容，但是從內容質量上來講，應該有較大的人工干預機制）。
抖音的這三個特點決定了用戶在打開app后，能快速的沉浸在高質量的短視頻中，也就是能快速的勾住用戶，這一點我會覺得強于快手，快手在短視頻的選擇上，是一件很費力的事情。你回憶下你在某個無聊的下午，想看找一部好電影看看，篩選電影過程中的糾結與吐槽。
而對于沒有抖音這類有鮮明特點的內容產品來講，可以從另外一個角度出發。根據頭條發布的 2016 移動資訊行業細分報告，今日頭條娛樂興趣用戶占全平臺總量 68.29%，占比排名第一。占比第二是的社會類資訊，達 67.29%，占比第三的是搞笑類，占46.56%。也就是說只是集合了這三點，那么對于嘗鮮用戶推薦，短期上的留存率會極高。
當然對非內容型產品，一般的采用的是強視覺和交互的形式，也就是說，采用用戶能一眼看懂產品的側重點，產品的使用特點，讓用戶能很容易的上手，也就是快速形成這個產品很品質不低，這個產品功能看起來挺好的第一觀感。
這也就能理解為什么對于很多新產品來講，一個好的新手引導非常重要了，這是對于用戶快速了解產品的一個捷徑。新手引導可能不僅包含產品的功能的使用，還包括產品的核心亮點呈現（可能包括一些理念，比如匠心、高品質之類的內容介紹）。
02
對于中期來講，更加合適的內容和更加舒適的功能使用變得是比較重要的。任何一個東西，我們都會從驚艷期（或嘗鮮期）逐步過渡到平和期，當我們已經習慣了產品的大部分功能的時候，把產品的功能做的更細膩，更便捷，比如，更了解當前用戶，推薦算法更精確；比如，操作更便捷，將原有的三步點擊變為一步，就像我們使用電腦時間長了，很多功能我們會傾向于使用快捷鍵而非鼠標；再比如，提供更加個性的視覺方案，app換設計風格，也就是說這個是一個從產品還不錯到用的爽的步驟。
網易云音樂的歌曲評論模塊，這個本身并不是一個很剛需的功能，但是作為錦上添花的功能效果卻非常的棒，很多置頂的評論直接帶動了用戶的情緒，加強了歌曲本身的感染力。
再往前進一步，提供更加有趣的內容哪怕是跟產品核心功能弱關聯。網易云音樂的“朋友”模塊，我發現我曾經無意識的花了大量的時間在上面，里面有有趣的短視頻，搞怪的gif動畫，好聽的音樂，還有一些明星小八卦，本身來講這個模塊跟音樂并沒有太直接的關系，但是他從聽音樂的人和明星出發，以朋友圈的形式（當然他的推薦機制并非朋友圈這種，而是帶有智能和熱點推薦的機制在其中，畢竟云音樂的朋友關系大多是弱關系，和微信略有差異），作為云音樂的留存模塊，這個我覺得是作為中期留存是可以借鑒的。
03
再說說長期，也就是資深用戶的留存問題，當用戶習慣了產品的內容和功能，其實會有一個“癢”的階段，微信做的再好，用了一兩年之后，你可能會覺得不過如此，幽默段子看多了，你經常能猜出一些套路，幽默也就變成了無聊了。papi醬你現在還看嗎，用很多網友的話說，就那些套路，再說下抖音，他現在也有這樣的問題，抖音從音樂短視頻出發，也就是說很多視頻會在固定的音樂節奏和內容中，這就決定了他的很多視頻拍攝和剪輯套路相同，我周圍有不少深度使用的用戶都說視頻重復率過高，經常能看到類似的形式，新鮮感逐漸遞減。
在這個階段，一般的產品會祭出三張大旗，第一個叫社交，第二個叫用戶成長體系，第三個叫持續的運營刺激（包括形式多變的話題、熱點、社群）。
社交好理解，我們之所以不放棄微信，是因為上面有我們大量的社會關系，我們關注的并不是微信，而是微信上的人，只是目前沒有一個產品能做到微信這樣的強關系鏈特質。
直播的yy直播、陌陌，短視頻類的快手、抖音，在產品的新鮮度遞減的情況下，可不能建立微信這種強關系，但是弱關系依然是有強大的挖掘的可能。
直播也好，短視頻也好，作為孤獨和無聊出口的一個方向，我們可以通過屏幕看到一個個有趣的陌生人，既然是人，那么自然就有人格。
那么弱關系的挖掘可以從內容的喜好變為人格的喜歡，這個可以理解為與AKB48類似的養成，不同點在于，也許我以前是喜歡你的優秀的作品，后面成為粉絲后我喜歡的是你作為人的個性與有趣，那么作品只是你人格的組成部分，在后期，你關注的那個主播可能不需要非常亮眼的內容，你甚至會更加喜歡，覺得他真實。
這就是內容型產品社交弱關系的可深度挖掘的部分。
成長體系，簡單來說，就是“工作幾年之后榮譽以及一些特權、福利”，這個不做細講，展開來非常大。
持續的運營刺激，一般分為兩種情況，資訊、媒體類產品一般傾向于制造爭議話題的運營，話題內容往往能出其不意，畢竟并非一家之言，選題選的好，可能下面的回復會爆點不斷。
商城類產品會傾向于，制造節日，雙十一也好，618也好，都屬于這一類，當然持續的運營刺激，制造節日屬于規律性的，也有非規律性的，比如滴滴、膜拜的毫無理由的送券，送優惠。
04
總結下，我說的雖然是短中長期的留存，但這個短中長并非一個特定的時長，不同用戶對產品使用的程度不同，反映的各個用戶身上的短中長期流程的時間也可能不一樣。這是其一。
二是，我說的這些產品功能內容并非一定要分先后，有可能同時并行研發，畢竟有的留存功能是三個階段都適用的，只是說哪個階段的效果最佳而已，低層本高產出，做最有效率的事情。
就像一個剛畢業的大學生，你給他講再高質量的500強企業商戰干貨，對他來講，并沒有什么卵用，還不如教他如何提高面試成功率比較實在。留存的方案策略使用也是如此。
以上是留存方面的一點小思考，希望有用。
內容轉載自公眾號 油炸果子
]]>
一個漂亮的平均數完全是用數據創造出來的虛幻景象，會給我們的決策造成誤導，因此我們需要掌握一個行之有效的方法來剖析真實的用戶行為和用戶價值，這個方法就是同期群分析（Cohort Analysis）。事實上，數據不會說謊，只是分析數據的人沒有做到精準分析而導致對數據呈現的錯誤解讀！
國內對同期群分析相關的研究相對較少，也許不是所有的運營都知道同期群分析，但它是每個產品運營必備的分析方法。在著名的《精益數據分析》一書里面，作為測試數據分析的靈魂也提到了同期群分析的相關內容。
同期群分析最早用于醫藥研究領域，意在觀察不同被試群體的行為隨著時間的變化呈現出怎么樣的不同。通過監測不同的被試群體，醫藥研究員可以觀察到不同的處方和治療方式對被試的影響并且確定被試共同的行為模式。 ]]>
一個漂亮的平均數完全是用數據創造出來的虛幻景象，會給我們的決策造成誤導，因此我們需要掌握一個行之有效的方法來剖析真實的用戶行為和用戶價值，這個方法就是同期群分析（Cohort Analysis）。事實上，數據不會說謊，只是分析數據的人沒有做到精準分析而導致對數據呈現的錯誤解讀！
國內對同期群分析相關的研究相對較少，也許不是所有的運營都知道同期群分析，但它是每個產品運營必備的分析方法。在著名的《精益數據分析》一書里面，作為測試數據分析的靈魂也提到了同期群分析的相關內容。
同期群分析最早用于醫藥研究領域，意在觀察不同被試群體的行為隨著時間的變化呈現出怎么樣的不同。通過監測不同的被試群體，醫藥研究員可以觀察到不同的處方和治療方式對被試的影響并且確定被試共同的行為模式。
那么在運營領域，什么是同期群呢？
同期群屬于用戶分群里的一個細分，是指在規定時間內對具有共同行為特征的用戶進行分群。“共同行為特征”是指在某個時間段內的相似行為，它除了按不同時間的新增用戶來分類外，還可以按不同的行為來分類，譬如“在2017年6月第一次購買”，“在2017年10月第二周對產品的使用頻率開始降低”等。
注意同期群分析側重于分析在客戶生命周期相同階段的群組之間的差異。
同期群分析（Cohort Analysis）為什么很重要？
在產品發展過程中，我們通常會把產品收入和產品用戶總量作為衡量這個產品成功與否的終極指標。不可否認這些指標固然重要，但是它們并不能用來衡量產品最近所取得的成功，并且極有可能會掩蓋一些急需我們關注的問題，如用戶參與度持續走低、用戶新增在逐漸變緩等。在分析用戶行為的過程中，我們需要更細致的衡量指標，這樣才更有利于我們準確預測產品發展的走向并通過版本迭代及時對產品進行優化和改進。
同期群分析（Cohort Analysis）是提高APP用戶留存的關鍵
上面提到，一個產品的成功與否不在于下載量多少，而在于如何留住即將流失的用戶以及如何召回已經流失的用戶。
我們不能通過下載量確定APP發展的具體情況，因為漂亮的下載數據會誤導我們以為APP發展很健康，但實際上，很多用戶下載幾天后就流失了。同期群分析是提高用戶留存的關鍵。
案例
針對首次啟動APP的用戶進行同期群分析，并觀察他們接下來七天的留存情況。
17461個新增用戶在10月30日首次啟動了APP，第一天在這些用戶里有 30.6%的人再次啟動，第四天12.2%，第七天7.9%，這表明在第七天的時候約每12個用戶里就只剩下一個活躍用戶。這同時也意味著我們流失了92%的用戶
我們需要知道哪些同期群有更好的留存并分析原因。如：我們在那一天發起了一場新的營銷活動嗎? 還是提供了促銷或折扣？或是發布了新功能，在產品里添加了視頻教程？我們可以將這些成功的策略應用于其他用戶，來提高用戶活躍度及留存率。我們還可以比較不同時間段的留存：
? 拉新后的留存：
通過比較拉新后不同的同期群，我們可以看到4天，7天等時間段后再次回來的用戶。這些同期群數據可以讓我們了解用戶登錄體驗，產品質量，用戶體驗，市場對產品的需求力等關鍵信息。
? 長期留存：
通過觀察每個同期群用戶再次回來使用APP的天數，我們可以看到每個同期群長期的留存，而不是拉新后幾天的留存。
我們可以知道用戶是在哪里退出的，并且可以知道活躍用戶群有什么特征，他們在做什么，這樣一方面有助于我們在拉新時快速找到目標用戶，另一方面我們還可以影響新用戶，讓他們遵循同樣的路線，最終成為忠誠用戶的模樣。
同期群分析（Cohort Analysis）能幫助我們實時監控真實的用戶行為、衡量用戶價值并制定有針對性的營銷方案
例如我們的運營團隊在9月份發起了一場為期60天的歡迎活動，想要通過一系列折扣和優惠來推動用戶增長。通過廣告展示和社交媒體，我們每天都有數以千計的用戶增長。5個月后，我們的用戶增長量非常大，領導對我們的活動結果非常滿意。
表面看，我們順利達到了用戶增長的目標。然而，當我們仔細研究同期群的數據，從用戶的終身價值出發，我們會發現，歡迎活動中新增的用戶在活動2個月之后購買率持續降低，與之相反，活動前的新增用戶如8月份的用戶，在活動的這五個月里購買率一直比較穩定。
如果我們只把每月總收入作為衡量指標，我們就會以為收入增長僅僅來自新涌入的用戶。然而，活動啟動之后的用戶群組數據表明，一旦優惠活動結束，收入就會下降。收入下降證明我們并沒有擴大忠實用戶群體。
如上所示，通過同期群分析我們可以實時監控真實的用戶行為趨勢，否則，我們會因為只分析總體數據得到錯誤的判斷而做出錯誤的決策。通過分析每個同期群的行為差異，我們可以制定有針對性的營銷方案。在這個案例中，運營人員需要制定新策略來提高活動開始兩個月后的用戶參與度。
如何實施同期群分析（Cohort Analysis）？
首先從定義商業疑問開始
定義商業疑問是研究得到有效結果的前提。商業疑問定義基于商業目標以及研究試圖解決的問題。
用戶在我們優化產品之后購買轉化率是否提升？產品改進后用戶流失率是否降低？我們需要對這些疑問進行迭代和細化，以確保它與商業目標一致。
依據商業疑問定義度量指標
如購買轉化率和用戶留存率是回答業務問題的關鍵指標，我們想要了解從注冊到完成購買每一步的用戶流失率以及最后的購買轉化率。
定義同期群
前面留存的案例里，同期群是基于創建賬戶一周內購買的用戶。在其他情況下，我們可以用不同的方式定義同期群，例如，某個內容APP，我們可能會基于創建賬號的24小時內發布內容的用戶。
分析同期群數據
我們還以圖一典型的同期群表格為例，橫向為自然天數排列，縱向為每天的新增用戶數，表格內部是計算的每天留存率，一般情況下橫向的留存率最終會在某天后停留在一個相對穩定的狀態，從圖中我們可以看到，在第5天留存趨于穩定。這就說明這批用戶是穩定留存下來的。否則，如果留存率一直下降，總有一天會歸零。
我們再來看下縱向的留存數據，如果一個產品在健康發展，這個數據應該是越來越好。很顯然這個產品并不是，PM應該不斷根據歷史數據優化改進產品，提升用戶體驗,從而提高用戶留存率！
總結
同期群分析（Cohort Analysis）有利于我們更深層地分析用戶行為，并揭示總體衡量指標所掩蓋的問題。在營銷方式和活動效果不斷變化的當下，學會運用同期群分析有利于我們預測未來收入和產品發展趨勢。
]]>