用户数据分析模型-UI博客精选(136)

jolielee

要执行差异化策略，首先要做到用户的差异化，不把信息投送的对象搞清楚，所谓的差异化就无从谈起了。那么，首先要做到了解用户、认识用户。

在开始进行用户分类之前，面对的是一个未知的数据库，不知道哪些人使用得多？哪些人使用得少？多的多多少？少的少多少？多多少才算多？少多少才算少？不把这些概念转化成准确数据支持的清晰认识，就不可能把握产品运行和用户使用的现状，也就无从制定产品研发和运营推广计划。解决上述问题，就需要通过开展基础用户数据统计分析。

怎样开展基础用户数据统计分析？以得到分类用户标准和宏观认识？可以采取模型分析法。以下以某网络软件为例开展分析，列出了两种可选的分析模型：

说明：潜在用户不需要通过模型分析，而是通过市场调查和产品定位分析获得；
新注册用户通过设定成为注册用户之后的时间限制，确定身份。在抽样之前首先把新注册用户剔除。

一、抽样分析模型

建模方法
首先确定统计的时间段，暂定为15天；从数据库中随机抽取若干名用户作为分析样本建立分析模型，模型图中假定抽样人数为100人，15天内最高使用量为200最少为15，在横坐标轴依次画出每人的使用量立柱图；

然后向右侧画出最高点和最低点的水平引线；然后垂直划线连接水平线，得到上下交点之间的线段，分别在线段的中点和三分点处水平画出“中分线”“上分线”“下分线”；

分析方法
根据立柱图的分布比率确定哪条线为“多”“少”的分割线；
1、高柱和低柱比较均衡，则以中分线为分割线；
2、普遍偏高，少量低柱，则以上分线为分割线；
3、普遍偏低，少量高柱，则以下分线为分割线；

优点：统计建模方便快捷；
缺点：不能获得准确的宏观数据，仅获得近似的参考数据。

二、数量区间对比分析模型

建模方法
假定统计时间段为15天，抽取10000人，分别统计他们的使用量，假定最多使用量为200，最少使用量为0；

模型的横坐标为使用量，纵坐标为发送人数；

在横坐标上，以10条为量级，从少到多依次画出不同数量区间的发送人数立柱图，连接主图顶部重点，得到人数波动曲线。

分析方法
1、波动曲线的顶点和与顶点最近的最低点，即为使用量“多”和“少”的分水岭，连接两点，取中点画垂直线，即得到二分法的临界线，左侧为非活跃用户，右侧为活跃用户。如图示

2、根据柱状图在不同量级的分布状况，也可以采用多分法细分用户类型，如图示

三、对比分析模型曲线类型分析
利用“数量区间对比模型”分析，不仅能得到分类用户量级标准、人数、和使用量数据，通过分析使用量曲线类型，可以得到产品和运营的宏观印象。以下对四种典型的曲线类型进行分析。

原文链接：http://hi.baidu.com/interaction_design/blog/item/438690646b92dcf3f6365428.html

更多UI博客精选