數據分析與挖掘

一、 概述

1.1  用戶研究縱覽
       移動app成功的關鍵在於市場營銷和產品設計，數據分析與挖掘解決的核心就是市場營銷過程當中的客戶定位和產品設計過程當中的用戶體驗改善。向目標用戶提供所需的產品和服務，是任何一款移動APP應用成功的祕訣。而如何找到目標客戶，如何瞭解用戶的產品需求，則須要依靠數據分析和挖掘的力量。不管是客戶定位，仍是用戶體驗，歸根揭底仍是用戶研究，在這一點上，移動APP產品的成功和其餘任何類型的產品沒有任何區別。

 

       用戶研究能夠從定性分析和定量分析兩個不一樣的維度展開：定性分析是從小規模的數據樣本中發現新事物的方法，主要應用於用戶體驗調查；定量分析是用大數據量的樣原本測試和證實某些事情的方法，主要應用於用戶行爲數據分析。
1.2  數據分析與挖掘流程規範
        數據分析與挖掘型系統建設與傳統的業務操做型系統建設不一樣，有其自身的特色和規則。數據分析和挖掘是數據庫知識發現（KDD：Knowledge-Discovery in Databases）中一個重要的環節，KDD是經過從數據集中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。
跨行業數據挖掘標準流程（CRISP-DM：cross-industry standard process for data mining）是KDD過程模型中佔據領先位置，採用量達到近60%，由歐盟機構聯合起草的數據分析和挖掘過程模型。CRISP-DM包括6個不一樣的環節，以下圖所示：

 

1.      業務理解（Business Understanding）：
最初的階段集中在理解項目目標和從業務的角度理解需求，同時將這個知識轉化爲數據挖掘問題的定義和完成目標的初步計劃。
2.      數據理解（Data Understanding）：
數據理解階段從初始的數據收集開始，經過一些活動的處理，目的是熟悉數據，識別數據的質量問題，首次發現數據的內部屬性，或是探測引發興趣的子集去造成隱含信息的假設。
3.      數據準備（Data Preparation）：
數據準備階段包括從未處理的數據中構造最終數據集的全部活動。這些數據將是模型工具的輸入值。這個階段的任務能執行屢次，沒有任何規定的順序。任務包括表、記錄和屬性的選擇，以及爲模型工具轉換和清洗數據。
4.      數據建模（Modeling）：
在這個階段，能夠選擇和應用不一樣的模型技術，模型參數被調整到最佳的數值。通常，有些技術能夠解決一類相同的數據挖掘問題。有些技術在數據造成上有特殊要求，所以須要常常跳回到數據準備階段。
5.      模型評估（Evaluation）：
到這個階段，你已經從數據分析的角度創建了一個高質量顯示的模型。在開始最後部署模型以前，重要的事情是完全地評估模型，檢查構造模型的步驟，確保 模型能夠完成業務目標。這個階段的關鍵目的是肯定是否有重要業務問題沒有被充分的考慮。在這個階段結束後，一個數據挖掘結果使用的決定必須達成。
6.      模型發佈（Deployment）：
一般，模型的建立不是項目的結束。模型的做用是從數據中找到知識，得到的知識須要便於用戶使用的方式從新組織和展示。根據需求，這個階段能夠產生簡 單的報告，或是實現一個比較複雜的、可重複的數據挖掘過程。在不少案例中，這個階段是由客戶而不是數據分析人員承擔部署的工做。

 

二、 用戶行爲數據分析

2.1 目標
       用戶行爲數據是指用戶與移動APP應用之間的交互行爲信息，是用戶研究維度中定量分析部分，經過分析用戶的登陸、操做日誌，獲取用戶對於移動APP產品的使用信息和用戶設備、網絡環境等信息。
2.2 方法
       用戶行爲數據獲取一般採用數據埋點的方式進行，經過在記錄用戶詳細操做日誌，瞭解用戶與產品的詳細交互行爲，以及用戶訪問移動APP時的設備、網絡環境等信息。傳統的數據埋點方式，須要企業開發本身的信息採集程序和日誌處理程序，實現成本和開發工做量具體，若是同時兼容平臺差別，成本會更大，所以並不適合新興移動APP。用戶行爲數據的分析，能夠借用成熟的數據統計分析平臺進行。
2.3 工具
       百度移動統計平臺是百度公司推出的一款專業的移動APP統計分析工具，支持ios和android平臺。開發者能夠方便地經過嵌入統計SDK，實現對移動應用的全面監測，實時掌握產品表現，準確洞察用戶行爲。
百度移動統計平臺針對移動APP提供強大的應用統計分析功能，包括：
1. 流量來源：渠道流量對比、細分渠道分析，準確監控不一樣推廣位數據，實時獲知渠道貢獻；
2. 受衆洞察：基於百度的海量數據積累，多維度分析並呈現用戶畫像信息；
3. 終端分析：設備分佈一目瞭然（設備型號、品牌、操做系統、分辨率、聯網方式、運營商等）；
百度移動統計功能界面以下圖所示：

 

 

2.4 輸出
       用戶行爲數據分析的結果是用戶角色畫像，構建用戶的標籤模型，用戶標籤數據的獲取則主要是依賴數據挖掘算法，標籤體系的構成針對不一樣的行業、不一樣業務、不一樣用戶，各有不一樣，須要更專業的行業用戶畫像模型，在此不作過多的討論。用戶畫像輸出結果示例以下圖所示：

 

三、 用戶體驗數據分析

3.1 目標
       一款移動APP要想取得成功，除了知足用戶功能性的需求以外，還必須提供良好的用戶體驗。用戶體驗是指產品如何與外界發生聯繫併發揮做用，亦即人們如何「接觸」和「使用」產品。用戶體驗造成了用戶對企業或產品的總體印象，界定了企業或產品與競爭對手的差別，而且決定了用戶是否還會再次光顧。優質的用戶體驗是企業或產品重要的資產，可以給企業帶來投資回報率（ROI）的提高和用戶轉化率（conversion rate）的提高。
3.2 方法
       改善用戶體驗的前提是獲取用戶體驗數據，用戶體驗數據的能夠採用傳統的直接接觸用戶來了解用戶，也能夠經過互聯網模式遠程異地在線調研來了解用戶，二者互爲補充，相輔相成。直接接觸用戶模式經過用戶訪談和現場調查進行，溝通充分，效果顯著，可是目標調研對象選擇、溝通成本和樣本規模受到時間、資金投入的限制。互聯網遠程異地在線調研模式實現了線下問題線上化，經過線上問答，能夠節約成本，擴大樣本規模，是直接接觸用戶模式的一種有益補充。兩者主要特色對好比下圖所示：

 

3.3 工具
       百度衆測平臺是百度公司開發的衆包模式在軟件和產品測試上的延伸和典型應用，它將企業產品的相關測試工做交由網絡社區大衆來完成，是一個任務衆包平臺，即服務於百度自身產品，也面相公衆提供服務。百度衆測平臺的目的是利用大衆的測試能力和測試資源，在短期內完成大工做量的產品體驗，並可以保證質量，第一時間將體驗結果反饋至平臺，再由平臺管理人員將信息蒐集，交給開發人員，這樣就能從用戶角度出發，改善產品質量、提高用戶體驗。
百度衆測平臺主要提供如下幾種測試任務類型：

 

1. 快速判斷任務：通常是簡單的單選題，用戶能夠快速完成判斷。
2. 問卷調查任務：用戶只須要完成在線問卷調查就能夠獲得相應的禮券獎勵；
3. 產品找茬任務：體驗一款新產品，提交該產品的BUG或提出該產品的改進建議。
4. 特殊任務：企業能夠基於特定目的，設定特殊任務，如當前正在進行的尚德教育機構創意徵集任務。
5. 實地調研任務：調研對象招募類項目，經過發起實地調研任務，招募符合條件的調研對象，參與用戶現場溝通。

百度衆測平臺首頁操做界面以下圖所示：

 

 

 

      百度MTC是業界領先的移動應用測試服務平臺，爲廣大開發者在移動應用測試中面臨的成本、技術和效率問題提供解決方案。同時分享行業領先的百度技術，做者來自百度員工和業界領袖等。 

      更多幹貨分享請關注「百度MTC學院」http://mtc.baidu.com/academy/article