5大分析方法!抵御「大数据杀熟」
共 1060字,需浏览 3分钟
·
2020-11-25 00:42
导语
小猴老家“花果山”
要举办一年一度的“蟠桃大会了”,
本想着机票可能会打个4-5折,
但实际呢...
随着日子越临近,
这机票几个始终在8折左右,
没有降下来。
后面呢,
同村的小花也买了机票飞回去,
她的是5折左右,
小猴越想越气,
感觉“系统”在针对自己。
后面小猴找到了猴哥,又来诉苦啦。
方法1:简单粗暴去标签法
运营人员四大工作内容:
拉新、留存、促活、转化,
对于新用户来讲:
拉新给新用户最大的优惠力度,
同样的对于流失用户来讲:
此类用户会给予特殊福利以召回与挽留。
所以卸载行为对应——用户流失,
重装后,
有一定概率被认为是新下载用户
通过以上卸载重装简单行为,
可能
被贴“新用户”或“召回的流失用户”标签
同时给予一些特殊的优待。
方法2: 亲朋好友比对法
背后原理:
精细化运营下,
同一策略命中多人概率很低,
多找几个朋友试试看,
甚至用父母手机
(网络行为不活跃,数据少)
进行搜索对比,
选择最低价下单
方法3: 伪装价格敏感者法
背后原理:
价格敏感用户
指下单意愿强弱受价格高低、
优惠力度影响极大的
用户群体。
在用户运营中,
为了节约预算同时最大化提升转化,
平台会选着
将补贴下发给
最容易受补贴诱导转化消费的
用户。
方法4: 打乱标签法
背后原理:
用户画像的准确性
来自于用户行为数据的收集与分析。
违反自身实际意图的进行一些操作,
留下错误标签,
降低平台收集数据的真实性与准确性,
是用户画像匹配度降低。
需要注意的是,
用户画像是一把双刃剑,
它越了解你越能为你提供贴心的服务,
同时也容易找到你的弱点伤害你。
因此,
当你的用户画像准确度降低时,
你被伤害的可能性降低了,
同时你所能享受的个性化服务器也降低了。
因此,鱼跟熊掌不能兼得。
方法5: 保护数据法
公共wi-fi链接
或者
某些app请求定位服务器开启
极大可能
收集你的个人数据与信息,
其原理
通过网络获取你的物理信息(车展现场),
然后分析你所属人群(即将买车的消费者),
然后进行相应精准推送。