Red de conocimientos turísticos - Preguntas y respuestas turísticas - ¿Cómo pueden los desarrolladores utilizar el análisis de datos para aumentar los ingresos? Más tarde descubrí gradualmente que el análisis de datos juega un papel importante en las operaciones del producto y la toma de decisiones. Esto no es solo algo que el personal de BI empresarial debe hacer, sino que también es indispensable en el diseño inicial. promoción, operación y mantenimiento de productos está en todas partes, así apareció la frase inicial. A nivel de Internet móvil, la extracción de datos no parece tan fácil de realizar. udid ha sustituido las cookies en los PC como única forma de identificar a los usuarios. A medida que los sistemas antivirus y de protección se vuelven cada vez más sofisticados, el comportamiento y los atributos de los usuarios de dispositivos móviles se vuelven más esquivos y aún más difíciles de analizar cuando la fuente de datos es inexacta. Como desarrollador que se gana la vida monetizando el tráfico, he acumulado algunos métodos de uso del análisis de datos para aumentar los ingresos de mi experiencia laboral anterior y espero discutirlos con mis compañeros. Si quieres hacer bien tu trabajo, primero debes afilar tus herramientas. Sin las herramientas adecuadas, el análisis no se puede realizar únicamente con los ojos. Afortunadamente, estamos en un entorno de Internet gratuito y de código abierto, por lo que, naturalmente, existen muchas herramientas auxiliares excelentes. En la página web tenemos Baidu Statistics y cnzz. En el lado móvil tenemos Flurry, Umeng, TalkingData, etc. Los niños interesados ​​también pueden buscar en Google Analytics. Después de una breve investigación, la mayoría de los desarrolladores nacionales utilizan actualmente estadísticas de la liga para partidos amistosos. Aquí me centraré en cómo las uso. Las funciones y la interfaz revisadas de Umeng son similares a las de Flurry. Aunque prefiero el Panel de Flurry (probablemente debido a mi amor por el sistema Ios), todavía estoy bastante satisfecho con el estilo y las funciones de la interfaz de Umeng. Después de todo, es una herramienta y ¡la practicidad es la última palabra! Aprenda análisis multidimensional y charle con muchos colegas sobre el uso de sus respectivas alianzas de amistad. La conclusión es que muchas personas observarán varios indicadores en la introducción todos los días, como usuarios nuevos, usuarios activos y usuarios retenidos, si tienen un poco de cuidado, harán una comparación durante el mismo período para ver si los datos. ha aumentado o disminuido, y luego comparar los datos y los ingresos en la plataforma. Si la diferencia no es grande, se considera normal. De hecho, durante mi uso, descubrí que muchos módulos funcionales de Umeng son muy prácticos. Por ejemplo, en [Tendencias de aplicaciones], puede contar los tiempos de inicio por hora. Encontrará que su situación de inicio fluctúa hasta cierto punto. Por ejemplo, se puede ver claramente que esta aplicación relacionada con el horóscopo se inicia con mayor frecuencia entre las 8 y las 10 en punto todos los días, porque proporciona una función para evitar notificaciones automáticas todos los días. En este momento, puede agregar uno o dos anuncios de manera adecuada para lograr el doble de resultado con la mitad del esfuerzo. Junto con el uso frecuente del "modelo de embudo" en el análisis estadístico, es fácil ver la situación de filtrado de los usuarios que alcanzan cada paso de profundidad. Después de la visualización de datos, podemos centrarnos en analizar el impacto de un paso y cómo mejorar la tasa de conversión de un determinado enlace. Por ejemplo, mi producto de juego tiene un muro de puntos en la interfaz principal. Los usuarios necesitan obtener ciertos puntos para ingresar a un nivel por primera vez, y hay muchos usuarios nuevos de esta aplicación. Pero los ingresos por usuario son muy bajos. Para estudiar el impacto del modo de configuración del muro de puntos en el juego en sí, podemos ver en la ruta de acceso a la página en [Uso de funciones] que cuando el usuario abre la aplicación, 5.5 abrirá el muro de puntos, 30.6 abandonará la aplicación. , y 63.9 intentará seleccionar un nivel de juego. Cuando se repiten los pasos 2 y 3, solo 65,438 0 usuarios ingresan al muro de puntos para ganar puntos. Encontré el motivo en la Figura 2: ¡la tasa de abandono de usuarios que ingresan al muro integrado por primera vez llega a 44! Repita los pasos 2 y 3 y la tasa de abandono también es 17, lo que indica que no es una buena elección restringir a los usuarios justo después de ingresar al juego. Mi hermosa visión de aumentar los ingresos unitarios de los usuarios a través del atractivo del juego en sí no era factible, así que abrí obedientemente el primer nivel para los usuarios, y los niveles posteriores requirieron una cierta cantidad de puntos para activarse, lo que no solo mejoró la tasa de retención de usuarios, En consecuencia, también se han incrementado los ingresos de algunos usuarios de unidades. La cantidad de usuarios que han abierto el muro ha aumentado hasta cierto punto: al mismo tiempo, Umeng también proporciona una herramienta más práctica: [Tasa de conversión de eventos], que está diseñada para analizar rutas a través de eventos definidos por el usuario. De hecho, estas funciones ya son muy populares en las estadísticas web.

¿Cómo pueden los desarrolladores utilizar el análisis de datos para aumentar los ingresos? Más tarde descubrí gradualmente que el análisis de datos juega un papel importante en las operaciones del producto y la toma de decisiones. Esto no es solo algo que el personal de BI empresarial debe hacer, sino que también es indispensable en el diseño inicial. promoción, operación y mantenimiento de productos está en todas partes, así apareció la frase inicial. A nivel de Internet móvil, la extracción de datos no parece tan fácil de realizar. udid ha sustituido las cookies en los PC como única forma de identificar a los usuarios. A medida que los sistemas antivirus y de protección se vuelven cada vez más sofisticados, el comportamiento y los atributos de los usuarios de dispositivos móviles se vuelven más esquivos y aún más difíciles de analizar cuando la fuente de datos es inexacta. Como desarrollador que se gana la vida monetizando el tráfico, he acumulado algunos métodos de uso del análisis de datos para aumentar los ingresos de mi experiencia laboral anterior y espero discutirlos con mis compañeros. Si quieres hacer bien tu trabajo, primero debes afilar tus herramientas. Sin las herramientas adecuadas, el análisis no se puede realizar únicamente con los ojos. Afortunadamente, estamos en un entorno de Internet gratuito y de código abierto, por lo que, naturalmente, existen muchas herramientas auxiliares excelentes. En la página web tenemos Baidu Statistics y cnzz. En el lado móvil tenemos Flurry, Umeng, TalkingData, etc. Los niños interesados ​​también pueden buscar en Google Analytics. Después de una breve investigación, la mayoría de los desarrolladores nacionales utilizan actualmente estadísticas de la liga para partidos amistosos. Aquí me centraré en cómo las uso. Las funciones y la interfaz revisadas de Umeng son similares a las de Flurry. Aunque prefiero el Panel de Flurry (probablemente debido a mi amor por el sistema Ios), todavía estoy bastante satisfecho con el estilo y las funciones de la interfaz de Umeng. Después de todo, es una herramienta y ¡la practicidad es la última palabra! Aprenda análisis multidimensional y charle con muchos colegas sobre el uso de sus respectivas alianzas de amistad. La conclusión es que muchas personas observarán varios indicadores en la introducción todos los días, como usuarios nuevos, usuarios activos y usuarios retenidos, si tienen un poco de cuidado, harán una comparación durante el mismo período para ver si los datos. ha aumentado o disminuido, y luego comparar los datos y los ingresos en la plataforma. Si la diferencia no es grande, se considera normal. De hecho, durante mi uso, descubrí que muchos módulos funcionales de Umeng son muy prácticos. Por ejemplo, en [Tendencias de aplicaciones], puede contar los tiempos de inicio por hora. Encontrará que su situación de inicio fluctúa hasta cierto punto. Por ejemplo, se puede ver claramente que esta aplicación relacionada con el horóscopo se inicia con mayor frecuencia entre las 8 y las 10 en punto todos los días, porque proporciona una función para evitar notificaciones automáticas todos los días. En este momento, puede agregar uno o dos anuncios de manera adecuada para lograr el doble de resultado con la mitad del esfuerzo. Junto con el uso frecuente del "modelo de embudo" en el análisis estadístico, es fácil ver la situación de filtrado de los usuarios que alcanzan cada paso de profundidad. Después de la visualización de datos, podemos centrarnos en analizar el impacto de un paso y cómo mejorar la tasa de conversión de un determinado enlace. Por ejemplo, mi producto de juego tiene un muro de puntos en la interfaz principal. Los usuarios necesitan obtener ciertos puntos para ingresar a un nivel por primera vez, y hay muchos usuarios nuevos de esta aplicación. Pero los ingresos por usuario son muy bajos. Para estudiar el impacto del modo de configuración del muro de puntos en el juego en sí, podemos ver en la ruta de acceso a la página en [Uso de funciones] que cuando el usuario abre la aplicación, 5.5 abrirá el muro de puntos, 30.6 abandonará la aplicación. , y 63.9 intentará seleccionar un nivel de juego. Cuando se repiten los pasos 2 y 3, solo 65,438 0 usuarios ingresan al muro de puntos para ganar puntos. Encontré el motivo en la Figura 2: ¡la tasa de abandono de usuarios que ingresan al muro integrado por primera vez llega a 44! Repita los pasos 2 y 3 y la tasa de abandono también es 17, lo que indica que no es una buena elección restringir a los usuarios justo después de ingresar al juego. Mi hermosa visión de aumentar los ingresos unitarios de los usuarios a través del atractivo del juego en sí no era factible, así que abrí obedientemente el primer nivel para los usuarios, y los niveles posteriores requirieron una cierta cantidad de puntos para activarse, lo que no solo mejoró la tasa de retención de usuarios, En consecuencia, también se han incrementado los ingresos de algunos usuarios de unidades. La cantidad de usuarios que han abierto el muro ha aumentado hasta cierto punto: al mismo tiempo, Umeng también proporciona una herramienta más práctica: [Tasa de conversión de eventos], que está diseñada para analizar rutas a través de eventos definidos por el usuario. De hecho, estas funciones ya son muy populares en las estadísticas web.

La única desventaja es que para los webmasters hay demasiados enlaces, botones y contenido en una página. Por lo tanto, cuando el tráfico del sitio web no es tan grande, el análisis del embudo de definir un evento por sí solo producirá cierta distorsión de los datos, lo que provocará. al fracaso del análisis, y la ventaja de los dispositivos móviles es que simplemente lo evita; por lo general, una sola página de una aplicación móvil no ofrece a los usuarios una variedad de opciones, por lo que en el caso de tráfico concentrado, el análisis de. la tasa de conversión de eventos será más efectiva. Por ejemplo, el modelo de evento de tres pasos mencionado anteriormente es publicidad emergente, introducción de detalles del anuncio (aplicación) y descarga de la aplicación. De hecho, lo que más nos preocupa es el último paso: descargar la aplicación publicitaria. Se pueden analizar varias preguntas con base en las figuras anteriores y siguientes: 1. Si la tasa de conversión del segundo y tercer paso cumple con las expectativas, cómo mejorar rápida y efectivamente la tasa de conversión del tercer paso y si el diseño del proceso es razonable. No hay ningún gran problema en el proceso de publicidad desde la ventana emergente hasta la visualización y el clic del usuario para descargar. Obviamente, nuestras expectativas para la tasa de descarga de anuncios son relativamente altas, porque determina los ingresos finales, y la descarga emergente de 1.6 en realidad no es alta. Como se puede ver en la imagen de arriba, todavía hay mucho margen de mejora desde las ventanas emergentes publicitarias hasta la visualización de detalles publicitarios. Si hacemos todo lo posible para mejorar la tasa de retención de los usuarios que muestran anuncios, ¿ayudará a la tasa de descarga? Aquí, hice otra versión: cuando aparece un anuncio, el usuario no puede cancelar, pero debe hacer clic para ingresar a la página de detalles para cancelar. Esto muestra el siguiente efecto: de esta manera, todos entenderán por qué muchas plataformas publicitarias nacionales diseñan deliberadamente el botón para cancelar el anuncio para que sea más pequeño, o diseñan deliberadamente el anuncio para que sea extremadamente atractivo, lo que hace que los usuarios lleguen tarde. Esta es la forma más sencilla y sencilla de aumentar la tasa de conversión y funciona muy bien. Aunque fuerza e induce a los usuarios hasta cierto punto, también está profundamente influenciado por las plataformas publicitarias y los desarrolladores. Mire los datos racionalmente. En la actualidad existen varios "big data" y "nubes" en todo el mundo. El autor ha tenido la suerte de participar en varios foros y cumbres sobre big data. Parece que hay muchos anuncios y muchos servidores, pero muy poco análisis real. Como desarrollador, si ni siquiera conoce los datos clave de los ingresos publicitarios, cómo medir la calidad de una forma publicitaria o la calidad de una plataforma publicitaria, algunas de las llamadas "grandes empresas" lo confundirán fácilmente. “grandes plataformas” y “big data”. "Engañados por el halo. De hecho, no es necesario mirar los datos todos los días para estudiar cuántos usuarios nuevos hay. ¿Cuántos usuarios activos hay? Sólo necesita considerar la "tasa de conversión" y los "ingresos por usuario" en su conjunto y luego evaluarlos por separado en diferentes formatos publicitarios.