精华内容
下载资源
问答
  • 第1章 人机交互与用户体验

    千次阅读 2021-06-09 14:30:02
    文章目录1.1 人机界面与人机交互1.2 人机界面的发展1.3 人机交互的重要性1.4 最佳用户体验1.5 实现最佳用户体验的基本步骤1.6 人机交互与软件工程1.7 人机交互技术的发展趋势 课程介绍:从用户的角度来改善用户和...


    课程介绍:从用户的角度来改善用户和计算机之间的交互、提高系统的易用性。

    人机界面(Human-Machine Interface)是人与机器进行交互的操作方式,即用户与机器互相传递信息的媒介。计算机系统中的人机界面(Human-Computer Interface)又称人机接口、用户界面(User Interface,UI),是计算机科学中最年轻的分支之一。

    用户体验(user experience,UX)是指日常生活里用户和计算机交互过程中,用户建立的所有知识、记忆和感受。具体来说,用户体验是指用户在使用数字产品或享受数字服务,或者预测使用方式过程中,建立的所有感受、知觉、认知印象等。

    1.1 人机界面与人机交互

    人机界面
      在人机系统模型中,人与机器之间存在着一个相互作用的“面”,即人机界面。人与机器之间的信息交流和控制活动都发生在人机界面上。
      人机界面介于用户和计算机之间,是人与计算机之间传递、交换信息的媒介,是用户使用计算机的综合操作环境。
      人机界面设计师处理的是人与硬件界面人与软件界面的关系,而硬件界面与软件界面之间的关系则通过计算机技术来解决。
    在这里插入图片描述

    人机交互
      传统的人机交互是研究用户计算机系统间往来的交互,系统和人之间存在着一般的输入和输出装置,在这些输入输出装置之间会发生一系列的相互作用,将人接触的系统的输入输出装置以及这些设备上显示的内容作为用户界面(UI)。界面设计是指对针对这种输入输出装置的外观和内容的设计。
    在这里插入图片描述
      新的人机交互可划分为计算机以及交互这三个要素。HCI 1.0关注于人们可以亲眼看到、亲耳听到的界面设计或音效制作。HCI 2.0规定的范围得到了拓展,它特指从2000年年末开始流行的Web 2.0环境下的人机交互。
    在这里插入图片描述

    用户体验

    用户体验用户界面人机交互差异性

      主观性:体验是人内心建立的一种感受。
      整体性:体验是特定个体在特定时间的总体性感受,无法用具体的要素来区分。
      情境性:用户环境和情境易变,因此用户体验也会频繁发生变化。

      人机交互是为了向用户提供满足主观性与总体性的最佳体验用户体验作为人机交互的目标用户界面是具体的手段交互是连接这两方面的纽带界面是基础,其次提供交互,然后最终形成体验

    1.2 人机界面的发展

    硬件人机界面:
      硬件人机界面的发展以人类社会的三次技术革命作为分水岭。
      随着计算机技术和网络技术的逐步发展,此时的设计逐步从物质化设计转向信息化、非物质化设计。软件开发设计层出不穷,虚拟设计、网络化设计、并行工程逐步成为设计的主流。

    软件人机界面:
      软件人机界面的发展首先归功于计算机技术的迅速发展
      早期的计算机需要人们用二进制编码形式写程序,既耗费时间,又容易出错,限制了计算机的应用。
      第二代计算机的时候出现了FORTRAN等高级程序设计语言,使人们可以用比较习惯的接近自然语言的形式描述计算过程,从而大大提高了程序开发效率,软件产业由此诞生。
      随着集成电路和大规模集成电路的相继问世,使第三代计算机变得更小、功耗更低、速度更快。

    人机界面保持“简单、自然、友好、方便、一致”

    1.3 人机交互的重要性

    市场—用户不能容忍设计低劣的产品。
    企业—能提高生产效率,降低产品后续支持成本。
    个人—希望使用简单的产品,获得较高的满意度。
    人性—帮助用户有效降低错误发生的概率。

    1.4 最佳用户体验

      人机交互设计的最终目标,是要在人们使用数字产品或服务来工作或解决问题的过程中,向他们提供最佳和流畅的体验

    最佳体验是指用户表现出如下几个特征

    • 一旦开始特定体验就愿意一直享受此体验;
    • 意味着在体验时全心全意地集中于此状态;
    • 有了最佳经验之后会格外关注该产品或服务;
    • 有了最佳经验之后会喜欢经历体验的过程。也就是说,欢乐与乐趣是提供最佳体验的重要要素。
        

    唐纳德•诺曼主张的产品设计:
    本能性设计:关注于人的感官与感性的层面来设计。
    行为性设计:以方便为中心的设计。
    反思性设计:人能做出的面向目的的行为。
      
      

    有效性:有效地完成人们利用系统所要做的事,这是开发任何产品或服务时最优先的目的。

    可用性:有效使用数字产品或服务的过程。为了高效,人们使用数字产品或服务时期望以最小的付出来达到所期望的目的。

    感 性:人们使用系统时心理上的感觉。为了满足感性,人们使用系统时要体验到符合其基本目的的各种感受。此时,感性是包括看到某个系统之后所接触到的审美印象和情绪,或是对象的个性等概念。
      例如,针对儿童的在线游戏可设计成令人高兴的画面,针对成人的在线游戏可设计成使人感到神秘的画面。过去认为感性跟有效性或可用性的条件相反,具有与众不同的感性体验的产品经常被贬低为拙劣的作品。但现在,感性被认为是适当满足有效性或可用性的必须条件。

    三位一体的体验:在使用特定系统时,要想获得最佳体验,该系统必须具备有效性可用性感性,三者缺一不可。

    1.5 实现最佳用户体验的基本步骤

    研究用户体验
      要分析什么是用户重视的价值,什么是用户看重的可用性,同时还要分析用户的情绪如何受到外部的影响;用户用系统完成什么样的任务;在众多的系统和技术当中,哪一种最适合在特定环境中完成特定任务。

    设计用户体验
      决定整体系统概念、设计系统信息结构、设计系统人机交互、设计系统用户界面。

    提升用户体验
      为了给用户提供最佳体验,需要设定所设计系统的最终目标,从人机交互观点对目前的数字产品或者服务所提供的用户体验级别进行评价,在评价的基础上,将系统朝着用户体验最终目标的方向改进。

    1.6 人机交互与软件工程

    软件工程人机交互视为两个相互独立的学科
       首先,软件工程师与人机交互设计师关注的重点有很大不同软件工程师经常是以系统功能为中心,形式化方法在这里得到了广泛应用;而交互设计人员则以用户为中心,对用户特性和用户需要执行的任务要有深入的了解。
      其次,交互设计的评估方式也与一般软件工程方法存在不同:交互评估通常基于真实用户,评价机制也往往来自于用户使用的直观感觉
      再次,以往人机交互与软件工程经常是分开讨论的,一方面软件工程较少提及交互团队在产品设计中的重要作用,另一方面人机交互也很少谈及其与软件工程的密切关系。
    在这里插入图片描述

      人机交互软件工程技术的发展具有很大的促进作用,但现有的软件工程技术大多仅包含少量交互情况或者根本不涉及用户交互的软件,在实现交互式系统过程方面存在天生的缺陷,如:
       1)没有提出明确的对用户界面及可用性需求进行描述的方法;
       2)不能够在系统开发过程进行中对用户界面进行终端测试等。

      使用现有软件工程技术开发出来的交互式系统尽管具有完善的系统功能,但对用户而言,产品的可用性、有效性以及满意度并不高,相应地,产品很难取得市场上的成功。程序开发过程中约80%的维护开销都与用户和系统的交互相关,这其中又有64%属于可用性问题。在软件开发过程引入人机交互技术,可有效改进上述问题。

      以用户为中心的设计(User-Centered Design,UCD)方法提出了多种用于构建交互式系统的技术和工具。UCD和传统软件工程方法的相似之处(如均包含用例和任务分析等),并试着用UCD思想来取代传统软件工程方法。
      

    软件工程方法与人机交互相结合存在一些困难
       首先,双方人员通常对对方的价值观持否定态度:软件工程人员在对工作的实施策略和方法选择上常有一定的倾向性,通常基于对问题性能和处理复杂度考虑等;而人机交互人员的工作则包含较多的主观性和灵活性,这也可能是学科自身尚不够成熟的缘故。
      其次,它们所使用的方法论体系存在差异:软件工程师较多使用形式化方法分析问题,对非形式化方法存在偏见;而人机交互领域虽然也可能使用到一些形式化的方法,但对非形式化方法也给予了充分重视。

    1.7 人机交互技术的发展趋势

    高科技化
      计算机越来越趋向超薄型和平面化,输入方式由单一朝着多通道输入发展,软件也不断推陈出新,全新的界面给设计师提供了广阔的造型空间。

    自然化
      交互原理和方法相继产生并得到了广泛应用,推动人机界面自然化向前迈进了一大步,而且人们要求能够通过视觉、听觉、嗅觉、触觉以及形体、手势或口令等,更自然地“进入”到工作空间中去,形成人机“直接对话”,从而取得“身临其境”的体验。

    人性化
      现代设计已经从功能主义逐步走向了多元化和人性化,从单通道向多通道以及从二维向三维交互的方向转变,发展用户与计算机之间快捷、低耗的多通道界面。

    展开全文
  • 点击上方蓝字关注我们世界著名咨询公司麦肯锡(McKinsey)的调查显示,企业正在使用高级呼叫中心分析技术,将客诉问题的平均处理时间降低40%,并将售后服务电话的转化率提高近50%。调...

     点击上方蓝字关注我们 

    世界著名咨询公司麦肯锡(McKinsey)的调查显示,企业正在使用高级呼叫中心分析技术,将客诉问题的平均处理时间降低40%,并将售后服务电话的转化率提高近50%。调查还发现,为了提升客户体验,企业会在呼叫中心使用内部和面向客户的分析应用软件来生成可行的商业见解。

    尽管对大部分人来说理解自然人类语言并没有什么困难,但想要通过情感分析获得对人类自然语言100%的精确理解还是有挑战的。

    情感分析的挑战

    自然语言的五个定义要素(包括对象、属性、意见持有者、意见倾向、意见强度)增加了情感分析的难度对象是指分析的目标对象,如产品、服务、个人等;它们的组成部分和自身特质构成了属性意见持有者是表达情感的客户;意见倾向是指他们的意见是积极的、中立的还是消极的。最后,意见强度是指情感的强烈程度、情感水平,如狂喜或满足。情感分析必须分别识别以上五个定义要素,再将它们组合起来才能做出对上下文比较完整的诠释,从而生成可行见解。对于人来说理解其他人在说什么很容易,因为你可以结合一个人的面部表情、肢体语言、语境、语气、习语等独特因素对他的情感做出综合判断。但对机器来说就不同了,自然语言的复杂性让关键字处理和对情感的算法检测变得极其困难。

    另一个挑战是使用模型训练框架对文本数据进行分类的复杂性。如果你有一个适用于呼叫中心的文本分类解决方案,你需要重复训练每一个新增数据集来分析从NPS、客户调研等渠道获得的源源不断的客户反馈。加上信息传递不畅和语言本身的复杂性,借助算法模型很难做到对情景语境中的语气和情态有一个准确判断。

    以上难题都可以通过AI驱动的情感分析平台来解决。

    AI是如何帮助企业克服这些挑战的?

    在这个社交媒体盛行的数字化时代,从海量非结构化数据中挖掘分析自然语言的复杂程度可想而知。有了Stratifyd这种AI驱动的情感分析工具,你就可以发挥机器学习的力量,去处理结构化和非结构化数据并从中提炼有价值的商业见解。通常,有机器学习能力的AI模型可以更容易从调研问卷这种结构化数据源和社交媒体这种非结构化数据源中检测出语言信息。

    那么话说回来,这种AI驱动的情感分析工具是如何工作的呢?

    先进的情感分析软件使用内置数据连接器从调研问卷、电商评论、CRM、社交媒体等反馈来源获取数据,一旦得到这些数据,自然语言处理(NLP)就会把文本或语音记录中的人类语言转换成机器可以理解的语义表示。AI自动应用句法和语义技术来理解文本结构,识别文本中单词的含义,并根据情感倾向将文本分为积极、消极和中立类别,从用户反馈数据中去挖掘深层情感态度和观点意图。敏捷AI允许业务人员零门槛享受AI技术红利,分析人员无需掌握复杂的算法含义,无需具备数据科学背景,简单“点选拖拽”操作即可快速训练敏捷AI并生成实时的个性化业务见解,解决了大部分企业面临的情感分析难题。

    情感分析在客户体验中的应用实践

    以下是客户体验团队通过使用情感分析挖掘数据价值、提升客户体验的三个应用实例

    01

    识别关键问题

    客户体验团队通过情感分析来识别隐藏在论坛、聊天、呼叫中心通话记录、调研问卷、社交评论等结构化与非结构化用户反馈中的关键洞察。通过分析重复出现的高频话题抽取关键特征,定位核心问题。

    某全球领先快消品牌的客户体验团队通过此方法去了解某新款卷纸产品的市场反馈。该团队利用Stratifyd情感分析引擎对全渠道消费者反馈进行分析,发现大部分消费者的反馈是比较负面的,主要原因是许多消费者拿到手后才发现是无芯卷纸,然而他们并不喜欢这种设计,并表示以后不会再购买这种卷纸。该公司决策层得知这些问题后立即决定停止该产品的推广计划,挽回了不必要的经济损失。

    02

    基于语音分析的情感判断

    通过语音分析,客户体验团队可以从客户与客服代表之间对话的语音语调中判断其对特定产品或服务的兴趣程度。

    某保险公司的外呼团队使用Stratifyd敏捷AI驱动的语音分析平台来判断潜在客户的兴趣度,从而决定是否需要继续跟进。负责线下跟进的销售代理商只跟进那些对公司保险政策非常感兴趣的潜在客户。语音分析帮助外呼团队快速识别潜在客户是否为高意向客户,成单率提升了50%。

    03

    发现市场流行话题

    某汽车制造商的客户体验团队借助Stratifyd自然语言理解(NLU)、话题预测模型等AI底层技术识别客户反馈的流行话题以及情感态度。

    Stratifyd帮助该企业客户体验团队从海量嘈杂的信息中快速梳理出有价值的规律洞察,发现“烧焦味道”是车主集中反馈的流行话题之一。该汽车制造商进一步深钻问题发现是谐振器组建丢失所致。利用Stratifyd情感分析引擎,分析人员很快定位车系、车型以及批次,于是该企业迅速采取应急预案并进行定向找回,挽回数万美元的潜在损失。

    体验Stratifyd

    Stratifyd提供敏捷AI驱动的体验分析平台简化文本、语音分析流程,帮助企业更好地了解客户,读懂客户心声,提升客户体验

    您也可以使用Stratifyd情感分析解决方案去探寻未知的业务洞察,找到业绩增长发力点,制定最贴合自身需求的营销策略。还在等什么?点击文末“阅读原文”开启您的试用之旅吧

    END

    扫码关注&进群

    为了方便用户及时获取Stratifyd培训信息、行业洞察白皮书/Gartner报告等干货资料,与数据同行交流经验,Stratifyd开通官方粉丝交流群!关注微信公众号并在后台回复“粉丝群”即可加入!快来互动吧~

    扫码关注我们

    微信号|Stratifyd

    新浪微博|斯图飞腾Stratifyd

    点击“阅读原文”,免费体验demo~

    展开全文
  • 电商用户行为分析需求分析说明书 项目名称: 电商用户行为分析 修订时间: 2021-05-28 修订版本: 3.0 一、引言 1.目的 通过编写需求分析文档,对基于电商数据的用户行为分析系统进行介绍,使得文档的目标阅读人员...

    电商用户行为分析需求分析说明书

    项目名称: 电商用户行为分析
    修订时间: 2021-05-28
    修订版本: 3.0

    一、引言

    1.目的

    通过编写需求分析文档,对基于电商数据的用户行为分析系统进行介绍,使得文档的目标阅读人员能够对需求有一个清晰的认知。同时,方便开发人员为接下来的系统设计与实现打下基础。
    本文档的预期读者是:需求分析人员、设计人员、开发人员、测试人员、目标用户。

    2.项目信息

    项目的名称:电商用户行为分析
    项目的提出者:小组成员
    开发者:zsw
    用户:电商用户分析人员

    3.缩写说明

    缩写说明
    ODS操作数据存储(Operational data storage)
    DWD细节数据层(data warehouse detail )
    DWS服务数据层(data warehouse service)
    ADS应用程序数据存储(Application Data Store)
    OLAP联机分析处理(Online Analytical Processing)

    4.术语定义

    术语说明
    离线分析对用户产生的数据以日或周为单位更新进行批处理
    实时分析对用户实时产生的数据进行实时处理
    流量指标与商品浏览量、在线人数等流量相关的指标
    销售转化指标在浏览量的基础上,对用户各种行为比例的分析
    用户行为活跃率分析用户活跃度,分析活动效果
    用户价值分析不同用户价值,更精准推送
    热门统计对热门商品统计
    监控指标对安全相关的指标统计
    用户画像多维度用户的占比分析和多维度指标分析
    实时分析对实时产生数据的重要指标实时分析

    5.参考资料

    电商用户行为数据分析 - 知乎 (zhihu.com)

    6.版本信息

    编号修改日期修改人员版本号修改位置修改内容
    12021.05.28zsw1.0全部添加全部内容
    22021.05.31zsw2.0多处添加用户画像部分
    32021.06.04zsw3.0多处原型界面完善

    二、任务概述

    1.系统定义

    1.1项目背景

    当今社会,互联网飞速发展,网上购物成为更多人的购物选择,淘宝、京东、拼多多,苏宁等一大批网上商城随之崛起,为人们提供各种各样的网上购物平台,在人们上网购物的同时会产生大量的用户数据,这些用户数据对于这些公司来说非常重要,他们需要针对用户的线上访问时的购物行为,消费行为,业务操作行为进行统计分析,数据挖掘来支撑整个公司的业务运营,精准画像营销、个性推荐等来改善公司的运营效果,这些需求需要我们构建一个基于电商数据的用户行为分析系统来支持。

    1.2项目要达到的目标

    我们主要针对用户的线上访问行为,业务操作行为进行离线和实时两部分的统计分析,对于离线分析,系统需要分析最近一段时间内用户行为的各项指标,例如流量指标、销售转化率指标,用户行为活跃率,热门商品统计等,对于实时分析,系统需要实时展示当前时间段的安全指标和订单分析数据。通过离线和实时两部分的数据分析支撑公司的业务运行提高业务转化率,改善公司运营效果。

    1.3项目整体功能结构

    在这里插入图片描述

    1.4用例图

    在这里插入图片描述
    在这里插入图片描述

    2.运行环境

    2.1设备环境

    设备处于稳定、电源充足的地方运行。

    2.2硬件环境

    普通PC机:处理器英特尔七代i5以上,内存4GB以上,存储空间128GB以上。

    2.3软件环境

    搭载了hadoop、hdfs、zookeeper、kafka、flume、flink、hive、clickhouse、python、java等环境的linux系统

    2.4网络环境

    正常的网络连接。

    2.5操作环境

    普通PC浏览器打开网页登录即可。

    3.条件限制

    3.1软件开发工作的假定和约束

    项目需要在两个月内开发完成。

    3.2软件的最终用户、用户的教育水平和技术专长

    软件的最终用户:电商公司的用户分析师。
    用户的教育水平:大学本科及以上。
    技术专长:擅长利用数据进行用户分析,制定相应策略。

    3.3软件的预期使用频度

    公司的用户行为分析员需要用户行为数据的分析情况来作为公司决策的重要依据。故分析员需要每天至少使用10次本系统。

    三、数据描述

    1.数据

    UserBehavior,存储用户行为数据。
    在这里插入图片描述
    扩展后的UserBehavior
    在这里插入图片描述
    用户登录数据,LoginLog
    在这里插入图片描述
    订单数据,OrderLog
    在这里插入图片描述

    2.数据特征描述

    扩展后的UserBehavior

    特征说明
    第一列:userid用户id,用户的唯一标识
    第二列:itemid商品id
    第三列:categoryId商品类别id
    第四列:behavior用户行为,pv(点击)、buy(购买)、cart(加入购物车)、fav(收藏)
    第五列:time时间
    第六列:day产生的某一天
    第七列:hour产生的小时数
    第八列:gender性别(0女,1男)
    第九列:age年龄
    第十列:occupation职业(0-7八种职业)
    第十一列:province省份(0-33表示34个省)

    用户登录数据,LoginLog

    特征说明
    第一列:userid用户id
    第二列:ip用户ip地址
    第三列:eventype事件类型,成功或失败
    第四列:time登陆时间

    订单数据,OrderLog

    特征说明
    第一列:userid用户id
    第二列:orderid订单id
    第三列:type行为类型create(创建),pay(支付)
    第四列:money订单金额
    第五列:time时间

    3.数据说明

    三表数据都会有一部分历史数据存在clickhouse数据库中,除了实时分析外,指标的分析都通过这些历史数据完成。这三种数据也会实时产生,重要的指标会进行分析,通过实时大屏展示。实时产生的数据会先存放在mysql中,以天为单位定时运行程序同步到clickhouse中成为历史数据。

    4.数据库说明

    MySQL :是一种开放源代码的关系型数据库管理系统(RDBMS)
    ClickHouse:Yandex开源的数据分析的数据库,名字叫做ClickHouse,适合流式或批次入库的时序数据。ClickHouse不应该被用作通用数据库,而是作为超高性能的海量数据快速查询的分布式实时处理平台,在数据汇总查询方面(如GROUP BY),ClickHouse的查询速度非常快。

    四、功能需求

    1.功能划分

    1.1系统功能组成

    主要功能模块:
    1.流量指标
    2.销售转化指标
    3.用户行为活跃率
    4.用户价值
    5.热门统计
    6.监控指标
    7.用户画像
    8.实时分析

    1.2功能编号和优先级

    编号名称优先级主要发起者
    0101独立访客数重要用户
    0102浏览量重要用户
    0103当前在线人数重要用户
    0104平均访问量重要用户
    0105回访数重要用户
    0106跳失率重要用户
    0201收藏转化率重要用户
    0202购物车转化率重要用户
    0203购买转化率重要用户
    0301时间段活跃率重要用户
    0302日活跃率重要用户
    0401重复购买次数重要用户
    0402复购率重要用户
    0403累计购买客户数重要用户
    0501热门商品统计重要用户
    0502热门商品类别统计重要用户
    0601恶意登录重要用户
    0602登陆警告重要用户
    0603失效订单监控重要用户
    0701多维度用户占比重要用户
    0702多维度指标分析重要用户
    0801实时大屏重要用户

    2.功能描述

    0101 独立访客数
    统计每天的,所有的访客数量(用userid划分)。

    0102 浏览量
    统计每天的,pv行为的全部数量。

    0103 当前在线人数
    至少有两次行为称为有效在线人,即统计每天的两次行为的访客数量。

    0104 平均访问量
    统计每天的,浏览量/独立访客数。

    0105 回访数
    对一个页面(即同一个商品id)至少有两次pv行为的访客数量。

    0106 跳失率
    统计每天的,只有一个pv行为的访客数/总访客数。

    0201 收藏转化率
    统计所有的,有收藏行为数/总行为数。

    0202 购物车转化率
    统计所有的,有购物车行为数/总行为数。

    0203 购买转化率
    统计所有的,有购买行为数/总行为数。

    0301 时间段活跃率
    时间段内有3次动作的用户成为时段活跃用户。每小时的活跃人数/该小时的总人数。

    0302 日活跃率
    一天中有5次动作的成为日活跃用户,每日活跃人数/总人数。

    0401 重复购买次数
    统计所有的,有两次及以上的购买行为的人数。

    0402 复购率
    统计所有的,有两次及以上的购买行为的人数/总人数。

    0403 累计购买客户数
    统计每天的,有购买行为的总人数。

    0501 热门商品统计
    统计拥有最多行为的top10商品。

    0502 热门商品类别统计
    统计拥有最多行为的top5商品类别。

    0601 恶意登录
    在loginlog中一个ip地址连续5次登录失败,视为恶意登录。

    0602 登陆警告
    在loginlog中一个账号连续5次登录失败,是为警告登录。

    0603 失效订单监控
    在orderlog中提交订单后10分钟内没有支付视为失效订单。

    0701 多维度用户占比
    统计所有用户的年龄、职业、年龄段、省份分布情况

    0702 多维度指标分析
    融合在其他分析指标中,加入用户的年龄、职业、年龄段、省份限制条件进行指定信息查询和对比

    0801 实时大屏
    在实时产生的数据基础上,对重要指标实时分析、大屏展示。指标:总销售额、今日销售额、总浏览量、今日浏览量、恶意登录、警告登录、失效订单

    五、性能需求

    1.数据精确度

    严格验证每个数据的录入保证数据录入的无误,显示用户数据要和原始数据一样无差别。

    2.时间特性

    在网络通常的情况下用户点击网页后5s内必须出结果。

    3.适应性

    网页支持主流浏览器的正常加载显示,控制可视化图表和报表显示正常。

    六、界面需求

    1.选用技术

    springboot和echarts

    2.界面风格

    简洁、统一、不低龄化即可

    3.界面草图

    3.1登录

    在这里插入图片描述

    3.2主界面

    在这里插入图片描述

    3.3分析界面

    流量指标
    在这里插入图片描述
    销售转化指标
    在这里插入图片描述
    用户行为活跃率
    在这里插入图片描述
    用户价值
    在这里插入图片描述
    热门统计
    在这里插入图片描述
    监控指标
    在这里插入图片描述
    用户画像
    在这里插入图片描述
    实时大屏
    在这里插入图片描述
    修改统计指标弹窗
    在这里插入图片描述

    七、其他要求

    1.易用性

    系统交互需要做到简洁易用,能够让工作人员简单上手,降低学习成本。分析任务的结果都以图形界面进行展示,做到直观明了。对于开发人员,代码需要符合规范、填写注释、提供良好的交互接口,方面系统的维护和二次开发,这也兼顾了系统的可维护性。

    2.可扩展性

    基于大数据的电商用户行为分析系统是基于大数据相关生态组件。基于此构建的构建的系统具有极强的扩展能力,开发人员可以无需大量配置增加机器数量。除此之外,该系统提供的工具和功能需要设计良好的数据交互接口。开发人员能够方便地根据这些工具对系统进行扩展。

    3.安全性

    电商用户行为分析系统需要使用严谨的开发流程,在代码编写上要严格符合规范,具有一定的风险抵御能力,且对数据库要设置明确的读写权限,预防数据泄露。在程序开发上对内存的进行合理的分配,避免产生内存泄漏等问题。

    3.健壮性

    该系统需要经过多次测试,避免程序发生无法预期的错误,并且有一定的自我恢复和反馈功能。

    展开全文
  • 1月14日,Kyligence 产品经理陈思捷开启了我们在 2021 年的首场线上分享,为大家介绍了用户行为分析的应用场景、以及通过一些行业案例展示如何使用 Kyligence 进行用户行为分析,最后用 Demo 演示了具体的行为分析...

    1月14日,Kyligence 产品经理陈思捷开启了我们在 2021 年的首场线上分享,为大家介绍了用户行为分析的应用场景、以及通过一些行业案例展示如何使用 Kyligence 进行用户行为分析,最后用 Demo 演示了具体的行为分析过程,还有大家在会上的 Q&A 解答,感兴趣的小伙伴别错过啦。

     

    用户行为分析是什么?

    用户行为是指用户为使用产品或获取服务而进行的一系列行动。以网站或者手机应用为例,用户点击按钮、跳出网页、注册等都属于用户行为,而用户行为分析是指对用户行为数据进行分析。
    为什么大部分企业都需要做用户行为分析呢?

    • 快速决策。处理和解释用户行为信息的速度越快,就能更快掌握目前业务状况,从而帮助更早做出决策判断,团队可以第一时间采取措施积极应对。
    • 更完整的用户画像。基于用户行为数据的这种用户模型中,记录了每个用户的每一次行为,这样可以客观、真实地还原用户与产品的交互过程,从事实的角度帮助构建更加完整、真实的用户画像。
    • 精细化运营。用户行为数据是动态变化的,随着用户从认知,熟悉,最后成为高价值用户,用户的每个行为都记录了下来。不同阶段的用户可以分别采取有针对性的运营策略。

     

    用户行为分析的应用场景

    用户行为分析的典型场景流程就是这样的:

    • 第一步:通过分析埋点数据,还原用户使用产品的全流程路径,可视化显示用户访问路径,从整体的视角查看用户在各个节点上的流量,定位关键路径。
    • 第二步:指定关键步骤进行漏斗分析,得到各个步骤的转化率和流失率,定位转化步骤中的问题节点和客群。
    • 第三步:再将关键步骤中的客群与标签数据联动,得到这客群的价值分布。
    • 最后,有了完善的数据做支持,业务人员不仅能够在指定运营策略的过程中,参考过往的活动数据,做到手中有数,心中有谱。

     

    所谓自助式闭环分析,就是能够在第一时间,对当前的运营策略进行及时的效果评估,并根据具体情况和必要性进行快速调整,将运营活动的效果进一步优化。产品调整或运营活动执行之后进行效果追踪,又可以将结果反馈到路径分析环节中,来得到优化后的直观展示。


    接下来看看用户行为分析在各行各业中有哪些实践应用?

     

    1)金融领域,提高订单的转化率

    在金融领域中,对于理财类产品的运营人员,首要关注理财产品订单转化率。理财 APP 中一个典型的用户行为路径是:用户先浏览详情页之后,加入购物车,提交订单,最后到成功支付。


    为了提高订单的转换率,需要分析用户从看到商品,到最后支付成功的各个环节的流程。定位流失率高的步骤,分析此步骤中流失用户有什么特点,用于指导产品优化;

    如果发现加入购物车步骤流失较高,且发现这部分流失用户的设备类型 75% 都是安卓,这可能说明了安卓系统的 APP 加入购物车页面、按钮有问题。通过修复安卓版本 APP,从而提高了订单成单数量。


    利用好用户行为分析,就可以对产品、服务进行优化从而引导用户进行转换,或者引导用户进行复购。

     

    2)社交领域,注重用户获取

    在社交领取中,分析人员特别注重的是用户从哪个搜索引擎带来的流量、点击哪个入口进入社交网站界面,且注册成功、以及在社交网站中参与社交互动的行为和频次。通过分析新用户从开始使用到参加社交这个过程的转化情况,进行渠道资源评估、投放效果评估,找寻最佳拉新渠道资源。

     

    3)零售领域,关心营销优化

    在零售行业的促销活动中,营销人员首先通过分析以往的历史数据,找出一批优质的高价值用户名单,例如近七天之内未访问平台的用户,然后在推送平台中发送短信,用户收到短信后,点击链接领取优惠券,吸引用户进行消费;再通过一定时间的观察以后,针对完成首单的用户通过APP 推送的方式发放优惠券,刺激二次消费。这个过程中,就需要分析用户的转化行为和留存行为。


    综上,在接触到的许多客户案例中,特别是精细化运营过程中都需要构建个性化的用户旅程,在用户旅程的不同时机,适时传递用户所需,从而提升用户转化和留存。但随着移动化、数字化、智能化不断加强,各大企业持续加大对线上渠道的建设投入,线上的用户数不断增加,用户行为数据量也在增加。而进行用户行为分析,总是会遇到难点。

     

    用户行为分析的现状及挑战

    对于许多大型企业来说,日常面对数十亿用户数据,上千个用户标签维度,用户行为分析就面临巨大挑战。


    首先是底层的数据结构无法支撑复杂的分析需求,此时需要技术人员投入大量精力和时间,来进行跨表、跨库的查询,处理无法被复用的数据请求。在灵活的维度组合下,分析人员无法快速得到查询结果,甚至计算不出结果。


    数据割裂也是用户关心的问题。当数据散落在多个系统中时,就无法支持多维度的下钻分析或精细分析。无法进一步分析查看用户明细和用户特征,行为分析流于表面,只有转化表现而缺乏转化原因的探查入口。


    进行用户行为分析时,由于 SQL 难度高,业务人员需要依赖大数据部门或者研发部门排期编写、维护 SQL 逻辑,不仅维护困难,开发周期还很长。当有业务调整需要时,又需要另外的开发周期,无法快速响应业务上的诉求。


    如何应对海量数据、多维度、高基数的分析挑战?

    • 首先需要更强大的计算引擎提供分析,支持海量数据分析和低延迟;并且在数据量增长、业务需求增长的情况下,保证稳定的查询体验。
    • 其次,我们需要一个统一的数据模型,帮助企业创建数据资产之间的关联,以获得对数据更全面的视角。还应支持数据导出,与画像系统联动、与营销系统打通。
    • 最后,应该提供拖拽式的行为分析。用户根据相关业务,灵活地创建图表,分析自己想要看的行为数据。易学易用,快速上手。不仅如此,用户还可以灵活的多维选择进行组合查询、下钻分析和明细信息查询。

    总结一下,强大的计算引擎、统一的数据模型和自助式的分析体验是企业在大数据场景下做好用户行为分析的关键。

     

    Kyligence 如何助力企业用户行为分析

     

    1)技术架构

    下图中底层蓝色的部分是 Kyligence 的数据处理计算部分,依托于存储与计算分离的特性以及预计算能力,Kyligence能够很好地满足在海量数据场景下的数据高效计算能力。同时 Kyligence 还提供了完善的企业级平台运维处理能力,支持多种架构满足各类客户的场景需求。

     

     

    往上,通过 Kyligence 多维数据模型框架,对用户基础数据进行语义分类和转化,提供多种维度分类的数据主题模型。基于这些数据主题模型,就可以直接对接应用分析端进行常用的事件分析,漏斗分析,留存分析了。


    总结下 Kyligence 用户行为分析的解决方案主要有以下 4 点强大功能:

    • 支持从多种数据仓库、数据湖加载数据,进行海量数据的存储,为全时间段、全维度分析提供基础,实现海量数据融合查询与统一管理;模型预计算技术,分析击中预计算不重复计算,不断复用预计算结果,提升查询的速度和性能,同时,查询的性能随业务的增长也不会受到影响。
    • 利用 Bitmap 计算 提供了高基数维度的精确去重计算,满足真实场景中的用户行为分析需求。
    • 提供了高性能的查询保障和交互式的分析需求;拖拽式开发报表,解耦 IT 人员的依赖,赋能更多业务人员,充分发挥业务人员的聪明才智,大幅度的缩短业务策略的落地实施周期。
    • 通过 Kyligence 将用户行为数据、用户标签数据打通,业务人员基于统一的业务数据集进行自助式分析。将精确用户 ID 数据导出到其他系统,支持后续营销活动。

     

    2)典型分析场景应用

    事件分析

    对行为事件进行分析,主要应用于统计和追踪用户行为或业务过程。拿理财 APP 为例,用户先浏览详情页再加入购物车,提交订单,最后点击成功支付。在这个过程中,对应了 APP 中的按钮点击事件、曝光事件、加载事件,可以对这些事件进行统计、分组,或是筛选,可以回答以下问题:

    • 每天成功购买的用户数是多少?
    • 每天各个时段浏览量、浏览用户数的变化?
    • PV、UV数的变化趋势是什么?

    还可以根据设备、APP 版本等维度进行对比统计分析,回答关于变化趋势、维度对比的各种细分问题。


    在用户统计中,UV 的计算并不是简单粗暴的统计相加,而是需要依据用户唯一的识别符,例如用户ID,或者 IOS 广告标识符 IDFA,或是 IMEI 等,根据这些标识符来做去重计算。而对于多维度下的 UV 查询,则需要根据分析人员的查询条件来实时地做去重计算。


    相对于传统技术中大量依赖人力的去重分析,使用 Kyligence 产品提供的精确去重技术就可以实现超高基数的 UV 分析。

    > 全路径转化效果分析

    全路径分析提供了流量的全局分析视角,在图表可以看到不同节点之间的流量走向。由此可以判断各个页面之间的流量配比是否满足预期,并查看整体路径/节点的转化率是否正常。

    通过用户全路径分析,还能找出用户实际访问的关键路径,例如可以得到转化率较高的路径中用户是否成功注册,以及产生购买行为;或者转化率较低的路径中用户是否实际到达登录步骤等。

     

    > 漏斗分析

    漏斗分析是对产品中、营销活动一系列关键节点的转化分析和流失分析。利用漏斗分析,可以轻松看出各个步骤之间转化情况和流失情况的比较。业务人员通过拆解业务流程,并在 Kyligence 中按照关键流程节点来自定义漏斗分析步骤,就可以很快发现重要的路径上是否有转化异常的情况。


    通过增加或者调整步骤的顺序,可以进行更细粒度的转化率分析。使用更改筛选条件,还可以直接比较不同人群的转化效果。

     

    > 用户标签分析与漏斗分析联动

    用户标签分析,通过标签筛选,帮助业务人员通过页面点选标签的方式,圈选出目标群体用户,进而实现精准营销。


    标签可以按照用户的基本属性来分析:例如有年龄分段、性别、地理等信息,来反映用户群体的大致形象;或者根据 CRM 系统中同步的信息:对客户等级信息,保险、贷款等客户标签进行展现;再抽取业务相关的属性,例如对于理财产品:有历史累计交易金额、历史购买过理财产品、当前持有资产等标签。


    通过这些标签,再联动漏斗分析,就可以精准定位关键步骤中的流失人群,并了解价值分布,为产品设计、精准营销提供依据,进行客户挽回。

     

    案例解读

    1)物流运输平台

    背景介绍:每天产生近 10 亿的流量数据,需要响应业务方的多维查询、自定义漏斗分析、留存分析、用户画像等流量分析需求。


    作为全国最大的车货匹配信息平台,这个平台上连接着上千万的司机和货主用户,这些用户每天都会访问平台各种各样的产品来进行发货、找货,或使用一些加油、ETC充值、借贷的服务。平台每天会产生近十亿的流量数据,近半年的数据累计甚至达到了千亿级。


    这些流量数据记录着非常丰富的用户行为。所以无论哪条业务线,无论是管理者、数据分析师、产品经理,还是运营人员,都非常希望深入分析流量数据,以此来洞察用户,为各项业务的展开提供决策支持。


    在接入 Kylin 的技术以前,他们的业务人员以人工提数的方式处理流量分析需求。业务人员每周会把需求提交给数据分析师,数据分析师进行排期、写 SQL 提数,最后把数据反馈给需求方。这种方式非常的原始低效,一方面,业务人员要等较长的时间才能拿到结果;另一方面,人工处理需求的成本非常高,需要数据分析师全力投入来支持。因此,他们希望做到快速地响应业务方的多维查询、漏斗分析等流量分析需求。


    在使用 Kylin 技术后,IT 人员只需要对数据进行简单的处理和转化,配置模型,然后构建数据。业务人员在前端展现平台进行查询,平台根据查询条件生成相应 SQL 语句下发到查询引擎,就可以得到结果。


    整体实现了以下多个分析场景:

    • 多维查询:系统有十多个维度可以相互交叉分析,并且和任意日期关联。
    • 虚拟埋点分析:虚拟埋点就是由几个埋点组合成的埋点。在很多场景下,只查询单个埋点的行为数据是不够的。而虚拟埋点的转化分析涉及到多个埋点先做并集,再做交集的 UV 聚合去重。对于这种复杂分析需求,业务用户只需要把这个虚拟埋点具体包含哪些埋点告诉系统,系统会自动地生成 SQL 去查询。
    • 自定义漏斗:在这个方案中,利用 Kylin 提供的交集函数,可以在前端自定义漏斗配置后即刻返回数据的效果。

    从时间成本上来看,新的方案实现了 T+0 的流量数据查询,端到端的延迟大概是 15 分钟左右。显然,新的实现方式能够更近一步支持精细化的流量分析,提供丰富的维度、T+0 的数据、即时灵活的自定义数据,让系统的功能得到了非常强大扩展。

     

    2)房地产开发商

    背景介绍:后台数据每天按日更新,并且日均数据量都会在百 G 以上,需要对业主特征,房产特征,活动营销进行快速分析响应。


    第二个案例是国内知名的房地产开发商,通过一整套垂直行业的用户画像系统,持续给他们的客户营造高品质的房产品和生活服务。这个系统利用了 Kylin 技术加速主要数据服务,有效提升了互联网广告推广、营销服务的效率。


    系统中融合各业务系统数据,包括线下房产、4S、商业园区、线上 APP 的服务数据,完成客户全生活链用户画像的建设。线下交易数据,联动线上的埋点行为数据,为数字化营销建立更为准确优化的策略,从而真正做到“数据驱动营销”。


    后续,这套系统会融入知识图谱,建立业主与业主、业主与房子之间的连接,从而形成一套更加全面、可视化的用户行为画像系统。


    如果你想亲自体验使用 Kyligence 助力企业用户行为分析,欢迎免费试用,全程免费的测试场景,等你来体验!

     

    Q&A

    Q:请问用户路径分析中步骤需要提前预设值吗?其中的 Null 是指?

    A:路径分析图中的步骤都是根据数据自动生成的。例如数据中存在步骤 A -> 步骤 B有 800 人,则路径分析图中就会展示步骤 A -> 步骤 B 中的流量为800,无需手动设定步骤。当数据中存在 Null 时,会把 Null 也认为是一个步骤。


    Q:请问分析的结果是否可以推送或者分享到其他的平台(比如报表平台)?

    A:分析的结果可以通过 csv、xlsx 的方式下载下来,也可以直接将报表链接分享。


    Q:如果用户行为类型有多种,这个在数据模型建设的时候是先将这些数据整合在一起,然后加载至 Kylin,接下来再针对不同的分析主题建设不同的 Cube 嘛?

    A:数据建多少个模型和 Cube 取决于数据采集、数据处理的方式。可以将不同类型的数据创建为不同模型,基于不同模型来创建后面的图表;也可以整合到一个模型当中支撑分析。当然根据具体情况的不同,解决方案也不同。如果需要具体讨论,您可以在 Kyligence 微信后台详细描述您的场景以及遇到的问题,期待和您进一步交流。


    Q:这里演示的功能是基于行为明细和画像标签实时聚合计算的吗?和开源 Kylin 预计算的技术架构是不是不太一样?

    A:在 Demo 演示中,展示了漏斗分析图和用户画像相关的图表之间的联动。图表的查询击中了行为数据的预计算模型和标签数据的预计算模型。这与开源 Kylin 预计算的技术是一样的。

    展开全文
  • 淘宝用户行为数据分析详解

    千次阅读 2021-02-24 09:32:13
    淘宝用户行为数据分析详解前言一....分析用户使用户行为的漏斗模型2, 不同时间尺度下用户行为模式分析1)分析一周内每天的用户行为2)分析一天内用户每小时的行为3, 不同商品种类的用户行为1)统计浏览次数、收藏次
  • 2018年小红书app用户群体分析报告

    千次阅读 2021-01-14 14:49:25
    小红书是一款内容电商类产品,产品目前主要有笔记内容和电商两个模块,内容是基于UGC的生活笔记,电商部分以自营为主,第三方入驻商家为辅。...三、用户分析1. 用户画像小红书的用户以女性居多,男女比例3:7左右。...
  • 提供一站式的数据采集和分析平台,帮忙开发者的运营团队高效分析,开发者无需自建数据分析系统,即可完成一系列的分析模型如漏斗、留存、转化等,帮助清晰理解用户行为方式,从而实现用户洞察,产品优化以及精细.
  • 用户流失预测分析

    千次阅读 2021-01-03 16:51:08
    为了更好运营用户,这就要求要了解流失用户的特征,分析流失原因,预测用户流失,确定挽留目标用户并制定有效方案。 2.明确分析问题 分析用户特征与流失的关系。 从整体情况看,流失用户普遍具有哪些特征? 尝试...
  • 书评官:玉米哥哥(某教育科技有限公司产品经理)推荐图书:《体验传递:游戏用户体验分析与设计》“用户体验设计”入门必读近年来国内的游戏行业蓬勃发展,精品游戏不断爆发,《原神》《阴阳师》《王...
  • 作者:freedom_limehttps://juejin.im/post/6844904202590748679#heading-01项目背景项目对京东电商运营数据集进行指标分析以了解用...
  • 京东用户行为数据分析报告(python)

    千次阅读 2021-07-26 15:40:14
    该重构项目对京东的运营数据集的用户购买行为进行分析,研究用户过程中的行为特点、购物偏好、以及在购物过程中的转化率和流失情况,为精准营销提供高质量的目标群体。 2. 分析思路 用户行为分析目的(根据目的拆解...
  • 本文主要阐述一种客户端体验分析的思考与系统化实践。优化用户体验的关键点在于如何评估衡量用户体验,传统用户体验分析度量主要有埋点耗时统计及录屏帧耗时统计等手段,这些方法存在开发接入成本较高,...
  • 用户体验 | 页面阅读进度提示

    万次阅读 多人点赞 2020-12-21 11:13:42
    顾名思义,就是在刚进入页面或刷新或请求数据时在页面顶部有一个进度条给用户以反馈,使页面加载显得不那么“尴尬”。 但只有很少人见过 “在页面顶部实时反馈当前阅读进度” 的效果 —— 为什么?因为有滚动条。 但...
  • 电商用户画像分析

    千次阅读 2021-01-13 15:27:02
    通过京东用户信息数据、用户订单数据对用户进行用户画像分析,给出促销活动建议 3 数据理解 1)数据来源京东平台用户信息和订单信息(2020年8月13日-8月19日) 2) 数据字段说明 ①用户信息表共有39个字段,共计325,...
  • 项目对京东电商运营数据集进行指标分析以了解用户购物行为特征,为运营决策提供支持建议。本文采用了MySQL和Python两种代码进行指标计算以适应不同的数据分析开发环境。 2、数据集介绍 很多人学习python,不知道从...
  • to B软件为啥用户体验不好

    千次阅读 2021-06-16 00:13:50
    to B软件为啥用户体验不好?我今天从机制根源层面给大家说说。否则大家还停留在UI、UE的认知层面上。(1)从甲方视角看to B软件其实分为:高层决策软件、中层管理软件、基层业务操作软件。...
  • 电商用户行为分析1、项目背景和目的2、数据集简介3、数据处理3.1 加载数据 1、项目背景和目的 \quad \quad随着互联网和电商的发展,人们习惯于网上购物。在国内,电商平台深受欢迎,每年的双11,双12活动,大量的...
  • 用户画像建模可以分为三步:1.统一化;2.标签化;3.业务化。 统一化 统一用户的唯一标识。用唯一标识是整个用户画像的核心。... ...给用户打标签,即用户画像。...用户标签:包括性别、年龄、...这些是通过分析用户行为,来得到
  • CDC在2020年调研中新增设计人才市场招聘需求、设计教育分析等,关注设计职能的变迁、人才能力要求的变化等,旨在帮助设计人才供需两侧及设计人才本身快速了解疫情下市场招聘变化、供需两侧变化,推动用户体验行业及...
  • 本系列的第一篇文章介绍了可用于促进应用数字健康的一组用户体验原则。这 4 条设计原则支持了数字健康的 7 个维度: 身体、环境、精神、财务、职业、心智和社会。它们分别是: 赋能 意识 控制 适应 与指导原则、用例...
  • 【Soul】用户运营策略分析报告

    千次阅读 2021-03-09 13:08:14
    【Soul】用户运营策略分析报告 一.产品介绍 1.产品背景: 所处领域: 目前,社交软件是重要的聊天交友软件,社交软件大致分为熟人社交(如:QQ、微信)和陌生人社交(如:探探、陌陌)。而Soul这款产品,是陌生人社交为...
  • 19 用户体验测试/专项测试

    千次阅读 2021-06-09 15:13:24
    文章目录19-1 app启动性能测试19-2 接口性能测试19-3 PC浏览器的性能数据获取与分析19-4 系统资源分析1)cpu统计2)mem统计查内存命令procstas也可以用meminfo提示3)网络流量分析显示网络流量命令指定应用UID命令19...
  • 互联网业务数据分析报告及用户分层模型一、业务逻辑回顾及互联网相关指标1、实战项目与业务逻辑回顾(1)日常型分析报告 一、业务逻辑回顾及互联网相关指标 1、实战项目与业务逻辑回顾 数据报表(数据源)→用户画像...
  • 一、中国网络购物用户规模及使用率截至2018年12月,我国网络购物用户规模达6.10亿,较2017年底增长14.4%,占网民整体比例达73.6%。手机网络购物用户规模达5.92亿,较2017年底增长17.1%,使用比例达72.5%。2017-2018...
  • 一、 项目背景项目对京东零售集团的运营数据集进行指标分析,研究京东用户在购物过程中的行为习惯,购物偏好,在购物过程中各个环节的转化和流失情况,为运营决策提供数据支撑。二、 数据介绍本数据集采用京东用户...
  • 通过对用户行为流的分析可以实现持续改善App用户体验,快速定位线上问题,获得海量运营数据等。 二、如何建立用户行为流分析体系 1.以脱敏的方式收集客户端用户操作App时产生的数据信息 在客户端sdk中以全埋点,...
  • 无关乎算法原理,本文将从用户体验的角度,着重分析多维度数据处理的降维方法:主成分分析法(PC A)主成分分析法(PC A):类似SUS,该方法能够将诸多因子如(满意度,可用性,简易性等多指标转化成低维度数据,以数字或...
  • 抖音、快手竞品分析报告

    千次阅读 2020-12-18 21:01:30
    一、产品初步体验介绍体验环境:Redmi Note5A体验时间:2018.7体验人:Cinnamon抖音快手抖音的logo以暗黑色为底,一个大大的亮白立体音符占据中央,强调了抖音重点在于结合音乐,给人的第一感觉就是炫酷,符合年轻人...
  • 为了更好运营用户,这就要求要了解流失用户的特征,分析流失原因,预测用户流失,确定挽留目标用户并制定有效方案。 2.明确分析问题 分析用户特征与流失的关系。 从整体情况看,流失用户普遍具有哪些特征? 尝试...
  • PerfDog性能狗上手体验及总结分析

    千次阅读 2021-11-15 14:52:54
    PerfDog性能狗是移动全平台iOS\Android性能测试工具,快速定位分析性能问题,提升APP应用及游戏性能和品质,手机无需ROOT/越狱,手机硬件、游戏及应用无需做任何更改,极简化即插即用。 PerfDog支持移动平台所有...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 307,125
精华内容 122,850
关键字:

用户体验分析