渠道后台之数据分析

场景描述

新用户在使用一些平台的时候，如百度APP、今日头条等平台的时候，查看到我们在各种渠道投放的广告，经过落地页的引导进行“注册”、“安装包下载”、“登录”进入我们的系统中，然后进行相关的业务操作进行账单导入、办卡、借贷、信用卡还款等用户行为。

用户的价值除了大家都能看到的收益外，通过办卡、借贷为公司带来收入，还有用户的活跃度、流程率、详细业务的转化率等。

我们希望可以通过数据分析平台来自助的探索数据背后的价值。我们希望能够做到，不同渠道的来的新用户在不同数据上的具体表现？同一个渠道不同的计划、单元、关键字级别的数据表现？反过来又可以指导前面的渠道推广投放。

1. 自助分析报告。不同渠道来源不同时段的用户的人口属性分析，地域、年龄、性别分布。
2. 智能分析。分析人员选择需要评估的指标，通过用户标签库智能分析除哪些属性对结果的分类影响更大，比如可以查看出办卡的用户中哪些类别的的转化率更高。

场景描述

数据分析人员可以自助的根据预定义好的模型自助的配置一些报表。

1. 各渠道的每天活跃的用户数
2. 各渠道每天app使用时常
3. 各渠道每天的理财用户数、办卡用户数、登录用户数等
4. 各渠道的流程漏斗

用户设置好数据指标大盘后，然后可以创建不同的用户人群，查看不同的人群的数据表现情况。比如可以方便的满足下面的场景：

1. 当月人群和上月人群的数据对比
2. 不同地域的数据对比
3. 临时组建人群的数据查看对比

渠道数据例子

根因分析，可以利用庞大的用户标签数据来分析出是哪些属性和需要查看的指标相关性更强

1. 自助分析。哪些属性对办卡率的相关度更大。可以探索出时间、投放的关键字、活跃度等因素，也可以评估某个属性对某个指标的相关度
2. 智能分析。信息流的渠道投放中，可以结合用户注册成功后的业务行为表现刻画出某个渠道、单元的高转化人群特征，同时展示其覆盖的能力。我们可以得到某个投放应该只针对30岁以下的男性用户投放
3. 可以自助基于数仓的数据自助添加一些指标和维度数据，同时设置相关的元数据信息，便于管理和复用，用于下次的数据分析。

核心能力

1. cube模型定义。用于构建维度列和指标列（指标列需要支持聚合），实时表中需要有userid字段，便于后面的分析
2. 人群的构建。支持查看特定人群下自定义数据表现情况，支持按照条件圈选适当的渠道来源人群，分析其在各个阶段的呃数据表现
3. 智能分析。用户选择特征集合和目标指标外，系统自动归因出重要的特征排名。

产品形态

人群圈选

1. 用户标签的元数据定义，支持用户自定义标签（通过标签系统来构建），如渠道来源，用户可以指定其来源的数仓表和字段类型
2. 人群条件筛选，比如下图的例子，条件一表示的是购买了“product1”商品同时购买个数1-2之间。
3. 数据分析。构建好人群后，我们可以圈选需要查看的数据指标，如留存率、借贷次数、收益、成本等。
4. 重复用到的人群和其指标表现，可以通过报表的方式固化下来，便于下次查看

image.png

上述的人群分析属于用户主动分析探索的范畴，我们可以根据这些数据探索出哪些属性或者用户行为对收益等指标影响最大

智能分析

通过影响一个某一个指标的因素多种多样，用户难以一个个的去进行手工的分析处理，这时候常常需要利用相关的机器学习知识自动的完成这个过程。

1. 圈定特定的人群范围，比如只分析百度渠道的某个计划下的来源的人群
2. 勾选一批可能影响的标签信息，当然也可以勾选全部标签，选择需要评估的指标如办卡数，也可以自定义一些加权指标
3. 点击自动分析，系统给出重要性排名靠前的用户标签属性以及其相应的数据结果表现