当前位置:虢王二宅新闻网 > 科技 > 数据是什么?产品人如何认识数据?
数据是什么?产品人如何认识数据?
2019-10-30 08:51:41

说到数据,我们不是陌生人。有大量热门的互联网大数据,支持结论所需的数据论证,以及做运营计划所需的数据统计等。,所有的数据。尽管我们非常熟悉数据这个词,但我们知道许多领域需要使用数据。但是解释这些数据并不容易。

百度百科对数据解释如下:数据是数值,结果是通过观察实验计算出来的。

当然,官方的解释是科学和准确的,没有疑问。但是,从产品人员的角度来看,我们能对数据有一个更常规、更逼真的理解吗?让我们更清楚地了解什么是互联网和产品的数据。

用户信息是指诸如用户名、性别、出生日期、居住地址、职业和家庭关系等信息。

互联网经常说获取用户数据实际上就是获取用户信息。

用户数据对互联网来说非常重要,无论是电子商务、短视频、旅游还是其他互联网领域,都是为了获取用户的性质或用户信息。了解用户属性、偏好等。以便更好地介绍更好的产品来为用户服务。

以电子商务为例,用户信息包括:姓名、性别、生日、搜索记录、收货地址、商品订单信息等。

电子商务平台可以利用这些数据准确、人性化地推动产品,达到促进交易的目的。

例如,你需要寻找鞋子。在用户没有准确输入男鞋或女鞋的情况下,性别是一个重要的属性。结果将捕捉你的性别信息来产生结果,这样就不会有女鞋的尴尬局面。

搜索记录也是非常重要的数据信息,将由平台自动记录。用户的需求和偏好可以通过搜索记录来判断。例如,当你浏览男鞋时,下次进入主页时,你自然会被推荐穿男鞋。

这些智能推荐并不真正智能,而是通过对用户信息的数据分析来匹配合适的结果,以满足用户的需求。用户信息是重要的用户数据。

对于许多基于内容的应用程序来说,海量数据是它们赖以生存的资本,而它们的数据量实际上是内容。

例如:颤音、换车、标题等。

作为一个内容类型的应用程序,需要大量的数据来支持用户。

基于内容的应用程序有一个特点,推荐阅读非常强大。推荐可以根据用户的地区、朋友、观看类型等向用户推荐阅读内容。通过相同的属性获取基于大量数据的内容。

我记得当我第一次画这个小视频时,它给了我一种轻松愉快的感觉。简单是因为短片容易阅读,不会打扰你的大脑。令人惊讶的是,它可以根据家乡、城市和观看类型推荐朋友和相关内容。

看完烹饪后,会有更多的食物视频推荐。当你了解日本的文化习俗时,你会推荐韩国和朝鲜供你观赏。

有人曾经开玩笑说,短视频软件可以帮助我们不用出门就能看到世界。虽然这是个笑话,但并不夸张。这个短片软件允许我们刷各种各样的内容,外国的,民间的,严肃的,模仿的...一切。

对于以内容为中心的平台来说,数据就是内容,数据量是您所能想象的最大值。

类似的还有在线课程、在线阅读和其他需要大量内容支持的应用程序。对于基于内容的产品,一切都是数据。

我们通常理解的数据是统计数据,也可以说是数据监控。

所有软件应用程序都在后台管理,并用于统计数据。这些管理记录产品的发布和使用。背景数据统计可以帮助产品和运营部门判断产品的使用情况并制定产品计划。

例如,一个产品被投放到应用市场。后台可以计算有多少设备在使用它,每天和每月有多少用户在活动,等等。

数据统计是数字,是具有相同特征的数据集。

让我们举一个电子商务商店的例子:如果同一天商店的独立访客(uv)是1000,产品a的订单是100。1000和100是一组统计数据。他们的共同点是结果相同。他们是参观商店并购买相同产品的人数集合。

许多人会忽略一件事,那就是,他们只看到数据表面的共性,而看不到数据表面的背后的秘密或差异。

区别或秘密在于1000和100的相同结果背后是由不同的原因和行为动机组成的。后面的差异是决定收集多少数据的关键因素。

假设产品A是一双男鞋,或者以购买100双男鞋为例。

同样的事情是:100个人买了这只鞋

不同之处在于:100个人有不同的动机和理由购买这只鞋。也就是说,购买的动机和原因在数字表面上是看不见的。我们需要分析和分析构成这些相同结果的原因,这有助于我们继续扩大购买结果。

购买的动机和理由可能包括:合适的价格、时尚的风格、方便的穿脱、防尘、优惠待遇、详细的海报设计等。

购买这100人是由上述原因组成的。当然,每个原因的比例是不同的。有很大一部分原因的企业可以被优化,并学会分析潜在的原因。优势在于它们可以帮助调整策略和改善销售数据。

例如,如果价格更高,它会稍微低一点,优惠券会更强,海报设计会得到更好的优化。也许销售量高于100或更多。

只有更多地了解用户,我们才能提供更好的服务。

像熟悉我们的朋友一样,他们很容易知道我们需要什么,但不知道陌生人需要什么。

了解用户使得知道用户需要什么变得容易。

天猫和百度,他们记录我们所有的搜索记录。根据浏览时长、浏览频率和浏览价格范围,逐层分析用户需求,捕捉符合用户习惯的产品,最终推荐给用户。在这种多维数据分析之后,结果的准确性和用户要求已经非常高。

数据也像一面镜子,合成的数据也能反映产品本身。

16年来,我在一家互联网加财税平台公司工作。根据当时的数据,每天大约有3000家新公司在深圳注册。当时,该公司的定位是成为深圳最大的互联网财税平台。然而,该公司每天只有几十或20个客户,不到1%,远非该公司最大的互联网金融和税收平台。因此,从这些统计数据中,我们可以审视自己的缺点。

例如,不足之处是:

统计的一大功能是量化。使用量化来了解你在哪里,并判断是否有改进的空间。

或者以上述情况为例:

每天有几十个客户,市场份额接近1%。对于一个小工作室来说,业务量可能太大了。然而,对于一家拥有近200名员工的公司来说,这只是沧海一粟。不到1%的份额可能处于竞争的底部。

假设一个短期的月度目标:将客户数量增加到100个。

措施可以是:

(以上措施仅用于案例分析,仅供参考)

我们无法获得一些数据。

例如,在规划项目的早期阶段,一些市场分析、市场数据和项目需要根据市场情况进行定位。另一个例子是竞争对手的情况。

这些都不是我们可以直接获得的,但却是至关重要的。

在这种情况下,我们可以使用估计方法来估计我们的数据参考。这种方法被称为费米估计。

思考:从店铺规模和店铺规模出发,通过每平方米租金来估算店铺的日租金。然后,根据商店的成本构成,得出整个商店的日平均营业额。然后,考虑促销期间的销售量与正常销售量之间的多重关系,促销期间的日营业额可以通过乘以该倍数得到。具体而言,它包括以下估计值:

以大型购物中心为例,购物中心一般按6层计算,每层长约100米,宽约100米,总面积6万平方米。

这家商店的规模约占市场规模的一半,总面积为3万平方米。

该店租金约为40元/平方米,估计年租金为40 * 30000 * 365 = 4.38亿。

对于商家来说,租金通常约占销售额的20%,年销售额为4.38亿* 5 = 21.9亿英镑。计算出的平均日销售额为21.9亿英镑/3.65亿英镑= 600万英镑。

促销时,日销售额一般是平时的10倍,所以大约是600万* 10 = 6000万。

误差分析:我们这里的计算处于理想状态。购物中心的商业商店肯定会空置并出租。我们还应该排除空缺率。这些是费米估计的一些想法。供参考。

数据是存储在数据库中的所有信息。它可以是用户信息、产品内容和各种数字数据统计。

数据统计不仅是数字的表面集合,而且具有内在的意义。客观统计由许多主观动机组成,应善于发现和分析主观因素。

统计有助于分析产品的输入和操作。产品所有者应该清楚地理解产品数据对产品内部和外部的重要性。

这篇文章最初由@我是一个广告班,每个人都是产品经理。未经允许禁止复制。

主题地图来自unsplash,基于cc0协议。

上一篇:今年 汶马高速计划通车55公里 明年 西昌至香格里拉高速有望
下一篇:产业互联网的春潮涌动,去消费互联网化势在必行

© Copyright 2018-2019 binnurcelebi.com 虢王二宅新闻网 Inc. All Rights Reserved.