http://www.shangyefenxi.com ShangYeFenXi.com Mon, 28 Sep 2009 03:44:27 +0000 http://backend.userland.com/rss092 en 说到网络产品，离不开的话题就是用户，就像传统行业的消费者。人是复杂的，网民的用户行为更加复杂，用户和用户是不一样的，或者说，每个用户都不一 样。一款成功的互联网产品往往并没有满足所有用户的需求，而是准确定位了某一类用户并且很好地满足了那类用户的需求。到底定位哪一类用户是我们需要考虑 的，所以就需要用户分类。 不分类不好定位, 好的用户分类让我知道了我在追求哪些人，满足哪些人，影响哪些人。但分不好类又会错位,更糟，那怎样才能对某一款产品的用户群进行合理分类呢，下面就来谈谈我对用户分类的一些看法。 一般提到某一款产品有几类用户可能主要包括以下几种情况：高端和低端用户、学生用户和白领用户、一二线城市和三四线城市用户、活跃和不活跃用 户、会员与非会员用户、红钻与非红钻用户、IT和非IT用户、初级用户、普通用户、高级用户等，以上这些用户分类的共同特征是从一个维度或者二个维度对用 户进行划分，就比如cooper的《About face 2.0》中提到从两个用户分类指标：业务领域水平（domain knowledge）和计算机技能水平，从而把用户划分为初级用户、普通用户、高级用户，更简化地说这种方法的用户分类模式就是基于操作频率，这个分类方法可以套用在任何一款产品上，但是这种用户分类的实际应用效果如何呢？ 先来说下如何判断某一款产品的用户分类效果如何，主要从两个角度进行判断：分类的信度和效度，也就是分类的准确性和精确性。分类的准确性是指分完类后，是不是现实中每一个用户都能定位到反映该用户的类别，也就是说任何一个用户都能给他贴上属于某个类别的标签；而分类的精确性是指得到的用户类别在多大程度上反映了实际用户所包含的属性含义，也就是说用来描述各类别用户的特征信息与实际用户所有属性的吻合程度。在实际分类中准确性和精确性往往不能同 时达到完美，当你追求100%的准确性时精度肯定会下降，比如只用性别去划分用户，准确度很高但是精度不够，所以在实际用户分类时找到准确性和精确性的一 个平衡点，达到自己分类目的即可。 又回到前面提到的把用户划分为初级用户、普通用户、高级用户，这种划分的方法是准确性很高，但是精确度不够，每一个用户都能根据实际情况判断为初级用户、普通用户还是高级用户，但是描述用户的特征信息很少只有操作频率和计算机技能水平两个维度。这是很不精确的，在实际情况中，用户的特征信息是包 含很多，用户间任何一个特征因素不同都会导致不同用户使用某个产品的行为习惯偏好等的不同。比如用户的年龄、性别、学历、收入水平、计算机水平、职业、地 域、网龄以及使用某个产品的目标等因素都会导致不同用户不同的使用习惯和偏好。所以在用户分类时需要从多个维度的特征因素去考虑如何划分用户。实际又该如何操作呢？ 首先考虑对某个产品进行用户分类时需要哪些特征因素，也就是从哪几个维度去划分用户。一般会从以下几个维度去考虑：用户的人口学信息，用户的计 算机背景（包括用户的互联网使用背景），上网地点，收入水平，职业，地域，用户对于该产品的一些使用经验和偏好，使用过哪些同类产品，使用的目的是什么， 认为哪款最好用，影响选择某款产品的因素有哪些，通过哪种途径得知的，使用产品的态度，使用产品的具体行为等因素。那具体到某个产品时应该选择哪几个因素去划分用户呢，解决的方法是先把所有维度都列出来，然后针对这些维度进行用户访谈，通过访谈能够得到大概的用户间的共同点和不同点。然后把所有因素转化成问卷题目，通过科学抽样的问卷调查得到用户调查数据。对这些用户数据进性行聚类分析即可得到您所需要的用户分类。用户聚类需要注意哪些呢？ 聚类分析中有很多因素影响着最后的用户分类结果，影响较大的因素有：聚类方法选择，距离算法选择，聚类变量选择，用户类数选择。对于聚类方法和 距离选择，我倾向于推荐选择两步聚类法和对数似然值距离算法，因为用户的人口学特征和使用某产品行为偏好等特征一般都是分类变量，用欧氏距离算法的话，它的距离公式所表示的含义很难用实际意义去描述，或者说它的距离值在现实中是没有实际意思的。聚类变量的话可以选择访谈得到差别较大的特征因素，但是这些变 量之间也是有关系的，具体还要通过不断的尝试去调整，主要看去掉某个变量后聚类结果是否有大得差异，如果有该变量则为重要变量，用户类数确定可以结合实际聚类得到的描述性判断因素和访谈等得到的实际情况共同确定。 怎么对用户分类，细分到何等程度，不太会有一个模式或者方法来通用。所以涉及到某个具体产品的用户分类时，首先明确你得分类目的，分完类之后你需要面怎么利用这些类。当能够从用户分类中得到明确的产品用户群和产品定位时，说明该分类就基本有效了。 以上内容摘自腾讯CDC之浩峰作品欢迎使用商业分析|ShangYeFenXi提供的用户分析服务。 http://www.shangyefenxi.com/tech/238/ 以下是几款商业图表经典用色示例，我们会持续更新，欢迎使用商业分析|ShangYeFenXi.com提供的图表制作服务。 华尔街日报》常用的黑白灰 经济学人》常用的深青色 《商业周刊》常用的蓝红组合 《FOCUS》常用图表配色 设计师珍藏自用颜色：橙加灰 暗红加灰组合 橙加绿组合 黑底图表 使用同一颜色的不同深浅1 使用同一颜色的不同深浅2 ... http://www.shangyefenxi.com/tech/commercial-color-classical-charts/ 总呼叫量分析 呼叫总量与被放弃率 呼叫覆盖率与放弃比率 ACD每日呼叫量分析 周同比呼叫量模型对比 线路分配模型对比 被放弃数据分析 平均通话时间 服务水平合格率 平均应答速度 效率与速度矩阵 品质/速度矩阵 效率 成本分析 员工流失率 当前员工状况 员工绩效评估 CSR业绩分布 员工客户满意度 订单质量分析 ... http://www.shangyefenxi.com/tech/call-center-data-analysis-key-points/ 一、产品概括（卖什么？） 1、产品分类 2、产品利润 3、消费周期 4、生产工艺 5、储存办法 6、饮用事项 7、知名品牌 8、如何鉴别 二、市场概要（市场如何？） 1、市场规模 2、发展趋势 3、从业企业 4、行业领头 5、从业人员 6、集中市场 三、竞争分析（谁在卖？） 1、有那些竞争对手 2、竞争对手的优劣势 3、对手特点分析 4、主卖商品 5、月和日销量 6、销量变化 7、网站特点 四、消费用户（卖给谁？） 1、年龄结构 2、收入结果 3、地域特点 4、性别特点 5、职业特点 6、消费偏好 7、消费时段，如季节效应； 8、消费者了解渠道。 五、机会和风险（有没机会？） 1、资金门槛 2、所需人员 3、机会底线 4、时间预计 5、主要风险 6、风险突破 以上文字修改自老邢的作品，只做了一点小的改动，希望对您有益，更希望您能提出优化建议！ 如果你再在行市场调查的时候，需要对相关数据需要处理，或者需要进行在线调查（免费），欢迎随时与我们联系！ http://www.shangyefenxi.com/tech/ec-new-markets-research-case/ 　　当Riswan Khalfan想着手改善TD Securities公司的期权交易系统的性能时，他发现自己无法找到适合于这项工作的随即可用的技术。Riswan Khalfan是TD Securities的首席信息官。 　　于是，他同意让自己的公司成为IBM“流计算”研究项目的试验对象。该技术是由IBM研究部的一个由70多位科学家和工程师组成的团队花费五年多时间开发成功的，使各企业能在刚收到数据时就对其进行分析，根本无需首先把数据放入数据库。 　　流计算使TD Securities每秒能处理500万条期权交易数据，随时对其进行分析，并自动做出交易决定。之前，TD Securities的交易系统每秒一般只能处理100万至200万条数据。Khalfan说：“在本业务领域，更快做出的决定就是更好的决定。如果你落后了，那么你处理的就是旧数据，这会使你处于劣势。”TD Securities目前正在考虑将其整个交易系统改用这项新技术。 　　许多人像Khalfan一样，对数据分析有强烈且迫切的需求。IBM知道这将是一笔大生意。据IBM商业价值研究院调查，全球80%的商业领袖做重大决策时面临着信息不足或不可靠的困境，2009年全球“分析与优化”这一市场的空间将超过1000亿美元。 　　预言家IBM 　　“根据以往的数据进行分析后，就可以掌握在某一个地点、某一个时间，容易发生哪类犯罪，这样警方就知道如果晚上11点到那个地方去，就可以预防犯罪的发生；纽约市现在有80万栋住房，IBM基于对以往数据的分析，可以预测出哪些住房有可能发生火灾、有可能坍塌，这样就可以通过预测结果提前进行维修，减少人员的伤亡和财产的损失；对银行和保险公司的数据进行分析后，也可以更好地预测有哪些欺诈可能出现、哪些风险可能出现……”IBM全球企业咨询服务部（GBS）总裁范克安这样描述那些枯燥的数据经IBM分析后所产生的功效，这时IBM给人的感觉就像一个预言家，能够预测未来将发生什么。 　　范克安知道，这样的表述非常能打动企业。由于工作的关系，他经常接触各个国家的客户，这些客户向范克安抱怨：虽然拥有海量信息和数据，但要根据浩繁的资料迅速而准确的做出判断，拿出前瞻性的决策越来越难。他们不能再像以往那样只是感知，感知以后再进行反应，那样就太晚了，他们需要前端信息的出现。 　　在此背景下，2009年6月、7月和8月，IBM分别在柏林、东京、北京建立了三家分析决策创新中心，其他三家中心将设在伦敦、纽约和华盛顿。作为计划的一部分，IBM将在全球范围内再培训或招聘多达4000名分析咨询顾问和专业人士。“现在，仅数学部就有150名数学博士，想想这150名数学博士在一起本身就让人感觉到震撼，”范克安说。 　　IBM分析决策创新中心的使用是通过整合海量数据并进行分析及优化，帮助客户发现数据的新模式和关联，主动预测潜在风险及机遇，改善商业决策的速度和质量，同时使客户更好地了解这些决策所产生的影响和业务结果，实现智慧决策。 　　“我们的客户认识到自己的公司正处于前所未有的竞争环境，他们的决策不仅要迅速，还要正确。这就需要超越传统的‘感知－回应’模式”，范克安说，“现在进入了‘预见－行动’的时代，要求加快业务决策速度，了解任何决策所产生的影响，并更好预测结果。” 　　曾经的临床试验 　　自从IBM推出“智慧的地球”后，无论谈论什么，IBM的高管都会贯以“智慧”二字。范克安说：“分析决策创新中心，要帮企业达到智慧的新高度。” 　　这种通过数字化的手段，来解决一些工作难题，进而提高效率和控制成本的做法，在IBM内部此前曾有一次“临床实验”。 　　IBM准备为每位员工创建一个数学模型，或许有一天，这些模型还可以包含喜欢吃牛肉还是猪肉、在空气混浊的墨西哥城是行动自如还是喷嚏连天……负责此项目的是数学专家萨默尔塔克里蒂。 　　为汇总30万名同事的个性特征，IBM雇佣了大约40名专业领域涉及数据挖掘、统计甚至是人类学的博士，帮助梳理海量数据。通过审视个人简历和项目从事记录，负责此数学模型的团队可以为每名员工建立一份技术和经验档案。在线日程表则可以显示员工如何利用他们的工作时间和会见什么样的客人。塔克里蒂希望把这些工具运用于安排企业日程和生产项目。 　　例如，对IBM这种拥有众多员工、分公司遍布全球的企业而言，要想为一个项目在全球范围内挖掘出最合适的一名员工或一个团队，就如同大海捞针。塔克里蒂所做的就是把所有员工变成一系列数字，当IBM的一名经理需要指派一个5人团队前往马尼拉创建呼叫服务中心，他只需在电脑前填写一个需求表，描述所需职员的职位和技能，及所需的预算范围。 　　之后，系统马上会向他推荐一个符合全部技能要求的特殊团队。或许，他们全都有进入菲律宾的护照且居住在直飞马尼拉的航班起飞机场附近。又或许5名员工中有3人曾有过相互成功合作的经历，甚至其中一人会说当地的语言。 　　数据的灵性 　　经过了临床试验之后，IBM现在把这个项目推向了市场。如范克安所言，他们已经与纽约的警察局和消防部门展开了合作。在中国，与中国远洋物流有限公司的合作是IBM最愿意分享的一个案例，它是通过数学的方法来实现供应链物流方面的优化、改善。 　　借力IBM，中远物流的分销中心从100个减少到40个，燃料节约了25%。而整个供应链服务质量不但没降低，反而极大地提高了效率：节约了25%的燃料，减少了23%的分销成本，减少了一万余吨的二氧化碳排放。 　　“中国很多物流企业的信息处理能力非常强，以中远物流为例，其具备完善的综合物流信息系统，包括订单、仓库、配送管理系统，以及货运、传单系统等。但缺乏高端的智能化分析优化系统，现场处理系统也比较弱。”中远网络总工程师黄大雷说，中远网络目前已设立了物流新技术实验室，供应链优化特别是绿色供应链项目是其中的研究方向之一。其次还有车载应用、大件货物运输仿真等技术。 　　IBM大中华区首席技术官兼IBM中国研究院院长李实恭将数据产生的价值，比喻成“数据的灵性”，即数据所代表的意义。不过，这对许多企业而言，还是个稍显陌生的领域，IBM只有通过不断举例的方式获得更多的共识。 　　“例如，银行网点的选择是很复杂的，它涉及到经济、地理、人口、时间和空间多维度的海量数据。如何通过这样的海量数据在一个城市的近万平方公里的范围内选出优化的银行网点？如何在近千万人口中选择出优质客户？这是一个非常复杂的、海量的优化问题。我们会考虑银行的历史交易数据之后，帮助客户进行网点的优化和选择及投资计划。通过这样的优化可以使银行网点网络的盈利率提高30%。实施3年来，我们帮助某家中国银行客户增加了5000万的利润。”IBM中国分析决策创新中心主任董进表示。 　　与IBM之前提出的所有新理念一样，数据分析市场同样需要培育的过程。不过，越是在经济不确定的环境中，商业领袖越希望自己在决策过程中，可以有更强的可确定性，更好的可预测性，更大程度的降低风险。这对IBM而言，也许是一个好消息。 　　来源: 中国经营报 　　如果您想及早体验数据分析对您的影响，欢迎随时与我们联系。 http://www.shangyefenxi.com/news/170/ 专业的分析在减少成本的同时，更能协助您加快项目进度，使您专注于您的商务计划。 免费在线调查问卷制作 是否在为您问卷制作头疼？ 本站还提供免费的网络在线调查服务，您只需提供调查问卷，我们将在24小时内为您免费制作在线调查问卷，免费输出专业格式数据。 （超过30题且提交数量少于300的问卷我们将酌情收取少量服务费。） 联系我们 立即联系（联系邮箱：ShangYeFenXi@gmail.com）。简便而又实惠！ 您也可以在下面留言！（24小时内回复） http://www.shangyefenxi.com/service/market-research/ 常言道“知己知彼方能百战不殆”，对您的用户进行特征提炼，用户群细分，以帮助您明确目标用户，从海量的数据中找到您要的“她”。 http://www.shangyefenxi.com/service/user-research/ 通过模拟现实生活中的具有不同属性组合的产品，请消费者在权衡诸如价格、功能、配置等互相牵制的产品属性的基础上，从中做出理性选择，来寻找能够最大限度契合消费者需求，同时满足企业利润需求的产品的配置、功能、价格组合。 http://www.shangyefenxi.com/service/analysis-of-product-concept-testing/ 传统行业、电子商务行业已有交易数据挖掘、分析，未来交易状况预测，交易关联情况分析。 对业务开展进行整体投入产出分析，对明显的市场变化情况进行原因分析，和您一起甄别新出现的市场机会; B2B、B2C、C2C交易分析与预测，对交易进行核查，发现并挖掘虚假交易、违规交易特征，建立系列预警规则；同时进行信用体系的模型搭建。 http://www.shangyefenxi.com/service/analysis-of-transaction-data/ 商业分析|ShangYeFenXi.com网站数据分析服务提供多维度的访客行为分析报告，这些报告可以帮助您全方面改善网站质量与推广方案。希望您的网站能吸引更多期盼的点击量，并帮助您将更多访问者转变为客户。我们了解经济有效的在线营销活动以及访问者与您网站的实际互动方式，协助您从量化的角度进行网站用户行为研究。科学的进行网站整体规划特征，进行用户需求研究 和分析，制定可量化的、明确的产品规划，完成详细的功能规划；胸有成竹地改进网站设计，增加有针对性的点击量，并提高转换次数和利润。 流量分析- 有谁来过您的网站？ 流量分析服务包含流量趋势、流量地域、访客忠诚度等报告，能告诉您谁来过您的网站，他们分别来自什么地域，以及这些访客是否足够关注您网站等等。 来源分析-他们从哪来？ 来源分析服务包含来源类型、搜索引擎来源、搜索词来源、媒介营销来源等报告，能告诉您通过提交哪些关键词可以让更多的潜在客户找到您的网站，哪些关键词还需要进一步优化，哪种媒介推广方式更有效果，哪种推广方式需要改善等等。 转化分析-他们在网站上做了什么? 转化分析服务包含转化趋势、转化来源、转化路径、推广活动转化等报告，能告诉您访客在网站上的行为是否达到了您的预期目标，哪些网站页面对访客的转化行为有促进作用，哪些页面容易导致访客的流失，以及在您提交的关键词中哪些转化效果更好，哪些需要进一步优化等等。 网站分析-我该怎么做？ 网站分析服务包含页面分析、上下游、客户端属性等报告，能告诉您什么原因让您失去了访客，如何更好地吸引访客，您的网站设计是否存在问题等等。 网站综合效果分析与预测 此服务综合各项指标，分析各指标间的交互情况，了解现在网站的整体情况和未来发展趋势，为您的计划提供量化依据。使用数据挖掘的方法，对网站产生的各种类型的数据进行可视化处理与分析研究，从中还原与发现用户使用网站的行为及模式。 网站分析相关信息 http://www.shangyefenxi.com/service/web-site-data-analysis/