数据

数据驱动产品运营的增长之道

很多运营同学都会觉得做运营是一件很苦的事情,重复地做着别人眼里没有技术含量的事儿。但运营真的就只是打杂的吗?本文中,诸葛io资深数据驱动顾问王洛,将结合自身数据运营经验分享一套通过精细化运营驱动产品增长 的“组合拳”,帮助大家学会将“运营工作中纷乱繁杂的点串联成线,发挥出运营的最大效果”。一、什么是运营? 围绕产品进行的推广、促活、拉新等一切干预手段都属于运营。用现在的话说

从 0 做数据可视化,产品经理应具备这些能力

数据可视化重要的还是数据分析,以及业务对数据的需求,单纯的可视化是无价值可言的。对于产品经理而言一切东西都需要自己去实操,不断练习才有可能真正意义的掌握并提高。要当好一名数据可视化产品应该具备的功能,排在前三位的分别是能够与其他数据源连接、强大的分析模型,以及门槛低、业务人员和高层也可以作数据分析。大数据和数据分析已经使多个行业动摇,并且随着数据分析的应用达到临界质量。数据

数据分析逻辑:流量转化漏斗模型详解

数据分析能够帮助我们更好地进行运营决策,数据分析能够很好的为转化用户提供参考与数据支撑。商业领域的数据分析,就是为了给商业行为提供良好的数据预测以及效果评估,在互联网界也是如此。我们在目前商业环境所做的每一项活动都直接或者间接与用户有着联系,其目的本质都是一样,为了让用户成为你的消费者,更进一步的持久消费者。因此数据分析,也应该为转化用户提供参考与数据支撑。毕竟没有用户转化

掌握 4 个有效的数据分析要点,切实解决用户痛点

产品经理应该正确的使用数据,让数据真正嵌入到产品的设计中,利用数据真正意义上的解决用户痛点问题。在互联网的下半场,不断精细化运营的背景下,产品经理不再是单纯的靠感觉来做产品,更需要培养数据的意识,能以数据为依归,来不断改善产品。不同于公司专业的数据分析师,产品经理更多的可以从用户、业务的层面去看待数据,去更快更透彻的去寻找数据变动的原因。那么在数据已经被有效记录的前提下,如

网站数据统计系统必不可少

随着互联网发展的越来越快,很多网站都有自己的数据库,在这个数据库里面记录着各种各样的不同数据,有关于网站自身的,也有关于网站浏览用户的,只有专业的数据分析师才能从庞大的数据中分析出有用的信息来,这个数据库也做叫网站数据统计系统。网站数据统计系统对于网站来说是必不可少的一个组成部分,只要是想把网站长久的运营下去就少不了对网站数据统计系统中记录的各种数据进行必要的数据分析,简单

读书笔记 | 谁说菜鸟不会数据分析(入门篇)

无论是产品经理,还是产品运营,数据分析都是每个产品汪/运营瞄必备技能。这篇读书笔记之前是存到Evernote的,现重新归纳共享。相信这本书很多人都已经看过了,看过的朋友就当回忆了~没有看过的朋友牢记,对于数据分析方面来讲,这些内容用来打基础还是很有帮助的~同样,需要PDF的同学,底部有下载链接。(另外,从零开始做运营的进阶篇的笔记正在整理中...稍后分享...^.^) 数据

DT 浪潮下,自助式数据分析在国内的落地和实践

我们为什么要做诸葛io?我们认为“自助式数据分析”会是后续数据分析的一个发展方向。目前,诸葛io也是在朝着这个方向转换和发展。在做诸葛io之前,我们最开始实际上也在给企业做一些DMP的产品和项目,当时也是从第三方数据切入的。比如:最早我们通过微博的数据给企业CRM里面的用户进行画像的丰富或者是通过其他社交网络上的数据补全用户的一些行为特征或者是消费模式。后来做诸葛io是因为

小程序风光上线背后,这里有一些你不知道的数据真相

客观来说小程序的出现给线上线下的结合带来一种可能,二维码只能通过线下扫描的方式,意味着仅仅在需要使用的场景下,小程序才会出现。有人戏称是3年后的手机屏幕:在微信诞生的第七个年头,已然有了「抖动」整个移动互联网圈的能力。一时间,所有的公号开始出动,分析小程序里里外外的可能性以及最新搭上小程序「快车」应用们的可能性。除了行动派,互联网江湖几大派别纷纷前来围观,归纳下态度大致以下

从 0 到 1 构建数据生态系列之三:拆解架构图

接上一篇《从0到1构建数据生态系列之二:拓荒》,这篇我们来好好拆解一下我们的蓝图。1 写在之前 之前有朋友在后台留言说,从第二章中,可以看出文章略显匆忙,并没有把拓荒的一些过程细节给描绘出来。这里检讨一下,我坦白、我认罪。当时那个话题一写开来的时候,突然就发现这是一个巨大的话题,随便发散下去又一大篇了,所以我还是在这一张穿插着把上一张的部分内容补充完整。当然,至今为止,我已

从 0 到 1 构建数据生态系列之五:让你的数据生态变得更高效

接这个系列的上一篇《从0到1构建数据生态系列之四:与研发的爱恨情仇》。好像间隔的时间有点长了,中间插了好几篇其他主题的文章,我们再回归到这个系列。从早期的数据迁移、数据上报体系的建立,再到数据多维分析BI体系的建立,再到后续的各种不同数据应用服务,诸如各种推荐服务、搜索服务、各种榜单数据的推送服务,整个数据生态已经逐渐丰满了。随着内部数据业务的逐渐增多,我们对于这些业务服务