分析某陌生人社交产品业务情况

我们模拟了一款类似于探探、Tinder这样的APP,在 2018 年 9 月 1 日 - 10 月 14 日之间的行为数据。

如下图所示,此环境中抽取了 14 个行为事件。请借助数据平台,利用课程所学及相关知识,完成如下任务。

任务清单

请根据对此类 APP 的理解,选择不超过 5 个事件创建一个漏斗,以监控最核心体验的健康度。(Tip:选择指代核心体验的关键事件时,注意该事件的触发难度既不能太难、也不能太浅。)

根据第 1 步中创建的漏斗,试图分析不同人群在核心流程上的不同体验效果。(Tip:男女不同,体验肯定不同。)

国庆期间数据猛涨,试分析其原因。

除国庆节外,还有一天的数据异常,试找出并分析其原因。

试分析怎样的用户在平台更受欢迎。(Tip:被喜欢得更多,就是受欢迎;被选择不喜欢得更少,也说明更受欢迎。)

从第 1 步选取的核心体验来看,哪个群体的用户在平台的体验最好。(Tip:不限于第 2 问的流程顺畅,建议选择某几个关键事件考察。)


1.请根据对此类 APP 的理解,选择不超过 5 个事件创建一个漏斗,以监控最核心体验的健康度。(Tip:选择指代核心体验的关键事件时,注意该事件的触发难度既不能太难、也不能太浅。)

我选择的漏斗是选择喜欢→匹配成功→发送消息→收到消息

理由:探探、tinder都是时下比较火的陌生人社交软件,产品的核心功能就是找到互相喜欢的人并且建立联系,以加深彼此之间的熟悉程度,因此做漏斗监控的话关注选择喜欢-匹配成功-发送消息-收到消息即可


2.根据第 1 步中创建的漏斗,试图分析不同人群在核心流程上的不同体验效果。

按性别区分

将第一步的漏斗设定注册日期为2018年9月1日-10月14日,窗口期为当天,按用户性别对比,得到如下漏斗数据(因部分未识别到性别的用户总数较少,对整体影响不大,所以未计入分析)

女性在选择喜欢的动作之后匹配成功的转化率较男性更高,即女性更容易找到喜欢的人;

女性发送消息之后收到回复的转化率为85.05%,也远高于男性的64.5%;

整体的漏斗转化率女性为53.93%,男性为33.61%;

可见女性在平台的体验更好一些。

按地域区分

将地域数据导出,经excel处理,每一列转化率最好的省份标记颜色。

从数据表现来看,重庆市匹配成功的转化率最好,广西壮族自治区收到消息的转化率最好,河南省的整体转化率最好。


3.国庆期间数据猛涨,试分析其原因。

发现异常:

进入事件分析平台,查看任意事件的触发用户数,发现国庆期间数据涨幅明显

确定问题:

按省份查看,发现国庆期间海南省和云南省出现大幅度增长导致整体数据增长明显


确定原因:

①将海南省和云南省筛选出来,按照城市查看,发现猛增的用户集中在三亚市、丽江市和大理市


②将这三个城市筛选出来,观察14项用户行为事件,发现每一项行为事件的触发用户数都比十一前夕高很多,尤其是三亚市

注册成功:

匹配成功:



综上,十一长假为旅游高峰时期,数据猛增的城市三亚、大理和丽江又是旅游热门城市,但增长的用户从整体基数来看不属于暴增范畴,故产品进行了某个运营活动的可能性不大,所以最有可能的原因就是用户在旅游期间通过海报或者其他途径知道了此App并借旅游期间下载使用,希望能在美景中遇到“佳人”。


4.除国庆节外,还有一天的数据异常,试找出并分析其原因。

异常日期:

按照任意事件的触发用户数查看,异常点均在9月14日这一天,对比前后几天有明显的下降


异常原因定位:

①先定位省份,看是否是某个地方出现异常

结论:数据异常是全国范围内的

②其次看操作系统是否集中出现问题

结论:安卓和苹果用户均出现了异常

③再拆分到具体的行为来看,14个行为事件在14号当天数据均有下降,不是某个具体的功能出现问题

④最后看日期,9月14号为周五,是工作日,截取10号23点至-15号12点的登录数据

异常原因分析:

综合①-③来看,出现异常是全国范围且全设备受影响的,再看14号前后的登录数据,晚上17点之后至24点是登录高峰,14号零点开始登录人数相比前几个工作日出现大幅度下滑,再将时间维度拉到分钟看任意事件的触发用户数,14号00:01时用户跌至0,因此推测是服务器从14号0点开始出现了问题导致用户使用受到了影响。


5.试分析怎样的用户在平台更受欢迎。

按照神策平台给出的可参考维度,从性别、年龄、距离和照片数量四个方向来综合分析平台更受欢迎的用户画像。

①在事件分析中按照性别查看被多少人喜欢过的总和,数据显示女性更受欢迎


②在事件分析中按照年龄查看被多少人喜欢过的总和,数据显示年龄在23~28岁之间更受欢迎,占比超过50%


③在事件分析中按照距离查看被多少人喜欢过的总和,数据显示距离在200~800米之间更受欢迎


④在事件分析中按照照片数量查看被多少人喜欢过的总和,数据显示照片数量在3~6张之间更受欢迎



6.从第 1 步选取的核心体验来看,哪个群体的用户在平台的体验最好。

首先定义体验好的标准:按照陌生人社交类产品满足的需求来看,匹配成功率高、匹配成功之后能收到消息建立联系,对用户来说体验自然会更好一些,也会促进用户活跃、提高粘性,因此我选取这两个指标作为体验好的标准。

其次来定义群体:群体一般用户基数比较大、有代表性,比如女性/男性群体,某个年龄(段)的群体、某个省/市的群体

①按照性别对比转化率:女性体验更好


②按照年龄对比转化率:26岁的用户体验更好


③按照省份对比转化率:河南省的整体体验更好

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,236评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,867评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,715评论 0 340
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,899评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,895评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,733评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,085评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,722评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,025评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,696评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,816评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,447评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,057评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,009评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,254评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,204评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,561评论 2 343

推荐阅读更多精彩内容