关于数据采集的数据埋点设计.pptxVIP

埋点·用户端平台特点高频场景驱动用户消费的地理位置相对固定一方面消费频次高，用户生命周期相对好判定；另一方面消费单价较低，用户决策时间短、随意性大不同的时间、地点，不同类型的用户的消费意图会有差异。例如白领在写字楼中午的订单一般是工作餐，通常在营养、品质上有一定的要求，且单价不能太高；而到了周末晚上的订单大多是夜宵，追求口味且价格弹性较大外卖自取平台，可以结合地理位置判断用户的消费意图促进转化提升用户留存提升用户价值具体而言就是提升用户的单均价和消费频次，从而提升用户的LTV（life-time value)。基本手段包括交叉销售（新品类的推荐）、向上销售（优质高价供给的推荐）以及重复购买（优惠、红包刺激重复下单以及优质供给的推荐带来下单频次的提升）；提高效率，通过一些个性化的营销和广告手段，吸引到真正有潜在需求的用户，并刺激其转化通过提升用户总体体验以及在用户有流失倾向时通过促销和优惠将用户留在平台。新客识别流失预警场景识别什么样的用户会成为平台的顾客用户所处生命周期的判断，用户是否可能从平台流失用户处于什么样的消费场景时间（下午茶、早餐、工作餐）地点（学校、社区、写字楼）订单新客在哪里？新客的偏好如何？新客的消费力如何？用户流失的原因通常包括：竞对的吸引体验问题需求变化用户属性商家属性订单属性新客的潜在转化概率影响因素:新客的人口属性（职业、年龄等）、所处地域（需求的因素）、周围人群（同样反映需求）是否有充足供给而对于新客的偏好和消费力，从新客在到店场景下的消费行为可以做出推测。另外用户的工作和居住地点也能反映他的消费能力。预测用户未来若干天是否会下单这一事件发生的概率。这是典型的概率回归问题，可以选择逻辑回归、决策树等算法拟合给定观测下事件发生的概率；借助于生存模型，例如COX-PH模型，做流失的风险预测。下图左边是概率回归的模型，用户未来T天内是否有下单做为类别标记y，然后估计在观察到特征X的情况下y的后验概率P(y|X)。埋点设计流程确认主题确认指标分解指标事件点位统计开发沟通调整数据收集分析梳理产品分享餐厅User flow下单流程取餐确认付款加入外卖蓝查看外卖蓝菜品选择餐厅详情页首页定位地址埋单Banner优惠券精选活动绑定信用卡附近餐厅绑定钱包注册流程手机号Facebookgoogle搜索User flow下单后流程付款取餐评价优惠券售后再来一单明确埋点主题产品使用情况用户画像核心功能转化率用户行为监测活动运营产品核心指标了解产品用户群体了解用户在哪个关键节点发生了流失圣诞节活动运营监测关注用户特殊路径，挖掘用户更深层次的需求。产品规模市场运营商业效果基本属性消费特征行为特征年夜饭预订用户增长用户留存用户平均客单价定位地址行为-手动更改定位；关闭定位权限选择餐厅行为-从外部链接进入；运营活动入口；推送消息入口；我的收藏选择菜品行为-填写备注行为；再来一单联系客服行为核对商品-修改购物篮行为取餐行为-从订单列表直接取餐投诉建议行为分享邀请行为指标拆解转化率年均转化率弃买率产品下载量注册运行率注册激活用户总数日活数、月活数流失率产品规模产品使用情况活跃用户比例留存率用户来源渠道重复购买率获客成本推荐商品加入购物车比率邀请好友邮件链接点击率市场运营日均流水订单转化率平均客单价商业效果上线行为：上线时间；进入渠道（H5/app）下单行为：首次付款成功时间；店铺详情页、菜品详情页、外卖篮页面（订单确认）停留时间、确认付款页面停留时间…搜索行为：搜索框输入；搜索标签选择；搜索结果停留…评价行为：点击评价时机（订单完成后多长时间）；星级、文字评价、图片；领取优惠券：领取优惠券时间；领取优惠券后下单时是否使用优惠券分享行为：分享店铺时机（下单前；下单后：订单完成后多长时间） 邀请好友收藏行为：收藏店铺时机（下单前；下单后：订单完成后多长时间）指标拆解行为特征用户画像最近一次消费消费频率每单平均消费金额消费总次数消费总金额口味偏好：中餐；西餐；东南亚；日韩…消费特征性别、年龄、地区、职业使用系统（iOS/android）使用设备型号基本属性指标拆解进入平台核心功能转化率下载用户餐厅详情页注册用户菜品选择注册流程外卖蓝埋单绑卡流程绑卡用户付款交易用户指标拆解需要通过了解目标用户、兴趣、标签、来源，入口的引导和布局，更好地评估面向对象、渠道活动前活动运营数据的时效性要求更高，落地页或者活动页面的 PV/UV、活动参与数、页面登录数、活动转化人数/金额以及用户信息等。必要的时候根据数据反馈及时调整问题和优化。活动中更加注重反馈和总结，对活动的复盘；本次活动带来了多少的访问流量，转化率如何，不同渠道过来的用户表现如何，最终这些用户转化成活跃用户的又有多少？活动后分析维度RFM模型R = Recency 最近一次消费F = Frequen