发帖
雷达卡
举个栗子。一个快递公司通常会检测平均送达每件货物的时间。这看上去是很关键的数据，但如果没有充分的上下文（毕竟收货人可能在一个街区外，也可能在几百公里外），这也是没有意义的。另一个角度上，平均送货时间也没有收货人的整体满意度重要。因此，你必须确保你的分析囊括了正确的数据。
请列举量化你需要的结果：你希望你的客户体验是怎么样的？一些常见的成功数据分析会基于销售或用户转化率（即如果客户做了XX事情以后会购买或者成为用户），转化需要的时间，以及让客户产生负面体验的比例。你会希望第一个比例很高，而后两者降低。
通常来说，媒体网站会全然以网页浏览量论英雄。但现在他们也开始注意一个叫做“注意力停留时长”的指标：人们在某个页面专注多长时间，是否注意到某些字句，是否在上下拖动页面，是否有看视频，等等。他们不仅仅实在看用户在某个页面停留了多少时间，他们更需要知道用户被页面中的哪些部分吸引，且积极专注地浏览了多少时间。这样可以帮助媒体网站设计新的标题，页面设计和内容选择，以延长这样的注意力停留时长。这样，他们可以革新网站设计的方式，来更好地打动他们的受众。
另一个重点是监测留存用户。成功的数据分析可以同时涵盖日常运营数据以及活动数据，并横向分析。如果你仅仅看日常运营数据，你能指导那些人会回访你的网站，哪些人可以达成复购。但你还需了解哪些回访网站却没有复购的人群: 为什么他们不愿意再次购买？这样的问题可以通过介乎运营与活动数据分析来找到答案。活动数据会告诉你哪些没有购买行为的客户按照何种顺序浏览网站，注意到了什么，点击了什么，在离开网站前做了什么。当你跟踪这个线路，你可以了解如何修改这种行为，来增加他们下次访问时购买的可能性。
为了设计最适合你的数据篮子，你可以参考以下三个建议：
1）寻找一类合适的用户行为
2）测算多少比例的受众会有这一类的用户行为
3）测试这一类用户行为是不是包含了重要的信息
有时候，发明一个新的数据记录篮子可以促成对公司很大的改变。
拿Venmo(一个纽约的小额支付平台)举个栗子吧。有段时间，公司的支付APP团队听说很多本想向朋友索取款项的用户不慎把钱反而支付给了朋友，因为“索取款项”和“支付款项”的按钮放在一块很容易按错。然而公司并不知道这个问题有多普遍，是否值得公司重新设计用户界面。为了更好地做决策，他们设计了一个新的数据系统来检测这个索取/支付失误有多常见。他们把“A向B付款后不久B双倍将款项付给了A”这种奇怪的支付行为全都找了出来。结果显示，这个情况经常发生。所以在下次的产品更新中，他们修复了这个问题。
| 相关帖子DA内容精选 |
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
