不同崗位的數(shù)據(jù)分析人員,可能使用不同的分析方法

背景

最近在做業(yè)務(wù)分析,用到的方法大家可能都比較熟悉:漏斗分析,這個(gè)分析方法在很多業(yè)務(wù)場景都有應(yīng)用到,是業(yè)務(wù)側(cè)的常用的分析方法,除了此之外還有一些業(yè)務(wù)側(cè)常用的分析方法,比如:5W2H、AAARR 等

但是,熟悉本公眾號的讀者,可能比較了解公眾號分享的都是一些偏技術(shù)側(cè)的知識,之前分享過一些算法模型,包括統(tǒng)計(jì)學(xué)、特征工程、決策樹、人臉監(jiān)測、NLP 等一些機(jī)器學(xué)習(xí)文章,既有傳統(tǒng)的機(jī)器學(xué)習(xí)內(nèi)容,也有深度學(xué)習(xí)的內(nèi)容,這些都是偏向技術(shù)側(cè)的分析方法

有的同學(xué)可能一直在自學(xué)機(jī)器學(xué)習(xí),不知道怎么拿來用到真實(shí)的業(yè)務(wù)中,于是就是產(chǎn)生怎么把業(yè)務(wù)側(cè)分析方法與技術(shù)側(cè)的分析方法結(jié)合起來呢?

個(gè)人粗淺的理解

業(yè)務(wù)側(cè)分析方法是一個(gè)大框架,技術(shù)側(cè)分析方法屬于細(xì)節(jié)分析

要想運(yùn)用技術(shù)側(cè)的分析方法,則需要把業(yè)務(wù)側(cè)的需求進(jìn)行拆分,逐步轉(zhuǎn)化為數(shù)學(xué)問題,然后運(yùn)用技術(shù)側(cè)的方法,但是,業(yè)務(wù)側(cè)的分析大框架是不能忽略的,必須要有的。就好比蓋房子,業(yè)務(wù)側(cè)分析方法是房子的大框架,技術(shù)側(cè)分析方法是在大框架中填充磚頭。

比如最近在做的分析,業(yè)務(wù)側(cè)需要一些高意向客戶,進(jìn)行營銷,運(yùn)用的是漏斗分析的方法,
投放數(shù)量--->點(diǎn)擊數(shù)量--->意向數(shù)量--->成交數(shù)量,是一個(gè)層層遞進(jìn)的漏斗,每兩層之間有一個(gè)轉(zhuǎn)化率,只有把每層的轉(zhuǎn)化率都提高了,才能達(dá)到最終的目的,成交的客戶數(shù)才能提升。

投放數(shù)量--->點(diǎn)擊數(shù)量,會生成點(diǎn)擊率指標(biāo),那怎么提升點(diǎn)擊率呢?那就需要用ABtest這種統(tǒng)計(jì)學(xué)方法進(jìn)行測試,看哪種宣傳文案比較好,或者 運(yùn)用各種機(jī)器學(xué)習(xí)模型,預(yù)測哪些用戶有可能會點(diǎn)擊,對這部分用戶進(jìn)行不同渠道的觸達(dá),來提升點(diǎn)擊率

但是也有同學(xué)會問,不能直接使用機(jī)器學(xué)習(xí)模型篩選一批高意向用戶,不用漏斗分析嗎?
最開始也是這么實(shí)踐的,但是效果一直不好,原因就是雖然投放了,但是用戶根本沒有收到,大概率是被屏蔽了。假如你用模型選了100個(gè)能成交的用戶,但是最終成交只有60個(gè),那么40個(gè)在中間的哪一步給卡掉了,你都不知道,所以漏斗分析這種大框架還是必須的,不能忽略。

數(shù)學(xué)模型比較直接,行就是行,不行就是不行,但是業(yè)務(wù)或商業(yè)實(shí)踐中有很多環(huán)節(jié),需要一步一步去達(dá)成,這也一直有的調(diào)侃,理科直男的說法。也有點(diǎn)像在神經(jīng)網(wǎng)絡(luò)模型中,有很多隱藏層,每層之間必須要有激活函數(shù),否則即使有多層,合并后其實(shí)也就是一層。這個(gè)激活函數(shù),在不同層之間起到連接作用,連接不同的層。

業(yè)務(wù)側(cè)分析與技術(shù)側(cè)分析相輔相成,一個(gè)是大框架,一個(gè)是細(xì)節(jié)分析

這里只是小編的一些思考,有可能是錯(cuò)誤的,畢竟小編還資歷尚淺,需要不斷學(xué)習(xí),如果有錯(cuò)誤理解的地方,歡迎大佬不吝賜教,公眾號后臺消息,小編會及時(shí)關(guān)注。

歷史相關(guān)文章


以上是自己實(shí)踐中遇到的一些問題,分享出來供大家參考學(xué)習(xí),歡迎關(guān)注微信公眾號:DataShare ,不定期分享干貨

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,197評論 6 531
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,415評論 3 415
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,104評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,884評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 71,647評論 6 408
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 55,130評論 1 323
  • 那天,我揣著相機(jī)與錄音,去河邊找鬼。 笑死,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,208評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,366評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 48,887評論 1 334
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 40,737評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 42,939評論 1 369
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,478評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 44,174評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,586評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,827評論 1 283
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 51,608評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 47,914評論 2 372