介绍5个分析用户行为数据驱动业务增长的方法 如何用户行为数据分析?( 二 )


【介绍5个分析用户行为数据驱动业务增长的方法 如何用户行为数据分析?】比如,通过RFM模型进行用户分类,可以显示出该各类客户的占比 。 显而易见一般挽留客户与一般发展客户占据多数,说明该产品业务线用户结构不是很合理,需要尽快采取措施进行优化 。
还可以通过对R 和 F 的数据监测,推测客户异常状况,挽回流失客户 。
我们也需要思考一般挽留客户与一般发展客户占据多数,这个是比较正常的情况 。
根据正态分布,中间的数字确实是挺高的,所以这一点可能需要琢磨一下 。
根据二八原则,一个公司百分之八十的利润,是百分之二十的客户带来的,所以资源一般是向这百分之二十的客户去倾斜,而不是剩下的百分之八十 。 挽回流失的客户也是需要成本的,可能还是得考虑投入产出比的问题 。
总之,透过用户行为数据深挖用户表面行为的背后真实、本质的需求 。 全面视角的分析用户行为数据,实现用户精准营销和精细化运营,从而驱动业务实现增长 。
还有一个值得需要考虑的是成本问题,朋友如是说:

“我所了解的用户行为分析,需要较高的门槛,既要有一套完整的数据监控体系,而且要确保数据是真实的,同时拿到一大堆用户的行为数据来分析,也是很头疼的一件事 。 从产入产出比来看,如果用户行为分析只是用在用户画像和智能推荐的话,成本是一个必须要考虑的问题 。 ”
而对于用户进行分析不局限于“RFM模型”,可以根据分析的目的,灵活选择常用的分析模型,对用户进行分析和分类区分 。
引用朋友的一句话:
“我们意识形态里面都会觉得大数据里面一定能挖掘出一些信息,或者价值 。 实际情况有这么一种:在促销活动里面,我们通常会认为促销的方案落地之后,营业的数据一定曲线向上,实际上更多的时候营业数据的波动并不会特别明显,甚至用了某些模型,会得出“促销方案的效果几乎等于0”的结论 。 所以,数据分析的背后是不是一定能挖掘出某些价值 。 如果没有,那么问题出在哪里,对“数据分析”这个工具的使用,还有哪些注意方式 。 ”

推荐阅读