注册 | 登录
用心做好：人人都是产品经理、起点学院
从零开始学运营，10年经验运营总监亲授，2天线下集训+1年在线学习，做个有竞争力的运营人。
交互设计的经典著作《About Face 》中，Alan Cooper将用户分为三类：新手、中间用户和专家。他指出在软件领域，最终大多数用户会停留在中级阶段。
软件领域，多数用户会停留在中间阶段
互联网产品主要为谁而设计？新手、中间用户还是专家？
我们每天在不同的网站上不断寻找需要的信息，不知道打开过多少未知的网页。而每个网页或许作为新手的时间又很短暂。大概访问个3次，就能够达到中间水平。也许永远不需要进阶到专家水平——去了解网站的运行方式，使用工程师式的高级功能。这样看来，互联网产品很少包含专家用户。那么究竟该把重点放在新手用户还是中间用户上呢？
一种观点：互联网应该为新手用户而设计
人们访问网站的目的决定新手众多。
用户访问网站主要有三个目的【注1】：
1、他们在寻找某样东西
2、他们想完成某项任务
3、由于距离下次会议还有5分钟，他们想在网上消磨一会儿时间
多数时候，我们偶然通过各种渠道（比如搜索引擎）找到信息（类似1或2的情景）。即使是常用网站，如果没有要找到的满意答案也会无情关闭。再用到这个网站或许是很久以后的事情了。比如：某天我要找＊＊（和谐），之后某天我想找＊＊(也许是在同一网站，也许不同网站)也是几个月以后的事情了。所以对于这个网站来说，我一直处于新手阶段。
而且很多网站创建者错误地认为用户多数是想消磨时间的人（如情景3）。他们以为访问者会有2个小时或更多时间停留在网站上直至成为中间用户，而不是仅仅5分钟。
对于网站来说，希望给人留下深刻印象，是不可能包罗互联网所有信息同时适用所有目的（因为你不是google，即使是google也需要神奇的搜索算法）。如果人们几秒内看不懂网站主要可以做什么？是否有他们寻找的东西？很有可能立刻跳走。
这就决定网站创建者要尽量满足潜在用户（新手）希望完成的动作。只有帮助他们成功，才意味着网站的成功。
重视用户的第一次，做符合心智模型的设计
当新人注册都会先从初始阶段开始。多数设计和开发童鞋来不及思考初始状态就被常规状态满满测试数据占据了。但就是这个内容和信息量最少的阶段，很多用户会在初始界面时决定产品是否值得一用。忽视初始界面绝对是个大错误。要知道，初始界面是产品给人留下的第一印象，永远不会有第二次这样的机会……
乔布斯一定是深深理解到第一印象的重要性……无论是打开iPhone盒子时的悸动还是OS x操作系统的安装和初次运行的体验，也许乔布斯在考虑初次运行时会想，它可能是一个用户使用产品最重要的一次，因为人们对它寄予了期望并形成产品初步的印象。——John Gruber
也许有人会说，用户是很聪明滴～对于增加的新功能教育下就够了。不过正如前面所说，用户是没啥耐心的，别指望花很多时间成本来愿意听您的说教。好的设计追求一种本能反应，符合人们心智模型的设计降低学习成本更容易被接受。
无论孩子还是老人都能流畅地使用iPad,更多信息可以访问。
另一种观点：互联网产品主要为“中间用户”而设计。
企业建立网站业务模型不同，决定为新手还是中间用户服务。
互联网的业务模型众多，不同类型的网站往往目标用户存在差异。主要目标就会不同。
互联网业务模型
一般来说，越是对用户忠诚度和黏性要求高的网站，越是要尽力满足“中间用户”的需求。对于不断追求用户黏性的SNS网站（例如Qzone空间、Facebook）来说，仅仅有些供新手使用的基础应用慢慢的已经不够了。越来越多的SNS逐步平台化，通过不断加入新的、更复杂的功能和应用程序来满足“中间用户”越来越大的胃口。
网站发展不同阶段，新访用户和回访用户有所不同。
随着互联网的发展，越来越多的产品希望增加用户黏性，留住中间用户，通过不断的增加新的功能来吸引老用户不断回访。如果不科学地将回访用户（大于等于2次）当作中间用户，那么网站不同时间的新访用户和回访用户的比率也是不断变化的。网站初期，通过营销等手段良性的新访用户比率应高于20～30%，甚至高于回访用户也很正常。网站成熟期黏性增加，或许回访用户占多数。网站为了不断发展壮大，不断推出和优化适合“中间用户”的功能，维持用户新鲜感和兴趣亦是非常重要的。
最后发现：偶啰嗦了这么久也没有出现一个绝对的答案。很难说互联网产品是为新手还是中间用户设计，还是要以实际情况来定：您的网站定位，发展时间和规模综合考虑。很多时候需要重视新手的设计，并努力留住中间用户。至少在我看来，互联网产品设计新手和中间用户一样重要的。当然，偶目前的眼界或许还不够寛，如果有啥高见欢迎您随时来拍砖。
【注1】：《锦绣蓝图：怎样规划令人流连忘返的网站》
来源：http://www.zhangyq.com/internet-products-designed-for-whom/
收藏已收藏 | 0赞已赞 | 0
用心做好：人人都是产品经理、起点学院
产品经理群
运营交流群
品牌营销群
文案交流群
Axure交流群
关注微信公众号
大家都在问
15个回答5人关注
7个回答3人关注
8个回答6人关注
5个回答4人关注
20个回答21人关注
12个回答17人关注问题比较长，我说的也比较分散：&br&1，信息流适合用户活跃度高、停留时间长的网站，因此适合知乎&br&知乎的社区属性强于工具属性（wiki、google），用户活跃、登陆频率高，目的性不强。对于高活跃用户来说，浏览间隔的增量内容对他们更有价值（老内容已经看过了），而feed就是呈现增量内容用的。相比分类内容、搜索等形式，信息流更利于活跃用户获取新信息，用在知乎这类社区比较合适。&br&&br&2，关于知乎内容时效性&br&题主说知乎是“高质量问答社区”，所以时效性长。但其实，知乎的答案一般不是“结论”，而是“讨论”，讨论就需要人不断的参与，有更新、有反馈，所以时效性很重要！&br&&br&3，内容的排序是一种取舍&br&信息一般来说是过量的，用户的注意力有限，所以只能取舍。比如，论坛的置顶呈现的是人工筛选的内容，reddit是用算法呈现最新+最热的内容，搜索呈现的是相关性最大的内容。但对社区来说，一般认为内容产生有一定的密度（时间上）才有效（热闹）。所以，就采用以时间为主的排序，这样的确丧失了一些经典内容，但也没办法。&br&&br&----------------以下内容可能跑题，但可能更有趣-----------------&br&&br&4，有没有更好的模型&br&信息流/关注 这种形式，的确有很多缺点。比较常见的情况：&br&
1) 新用户难入门，不是feed空空如也，就是feed被过量的、无关的内容充满。&br&
2) 内容固化。当feed内容增长到一定程度，人会满足现状，新增关注放缓，很少能够发现新来源。&br&&br&除去引导、推荐功能做的水平之外，我觉的引起这个问题的根本原因是&b&follow这个行为不是个所见即所的的行为、不是日常行为&/b&。比如搜索，输入关键字---得到结果，很连贯。但是follow之后，什么都不会发生（直到内容有更新）。同时，follow也不是日常行为，浏览信息流是日常行为（被动的），而follow是主动的、创造性的，所以更难。&br&&br&改进follow/feed模式&br&1) 将feed可以触及到的页面做好，触发更多的follow行为。feed是入口，从feed进入一个人的页面时（例如个人资料、话题），如何组织、展现内容，弥补feed的不足。&br&2）通过其他的方式补充信息流的不足。比如搜索、推荐、人工内容聚合等。&br&3）新的发现内容的模式，还没想好，总觉得有一种主动（搜索）、被动（feed）之间的形态去发现内容。
问题比较长，我说的也比较分散： 1，信息流适合用户活跃度高、停留时间长的网站，因此适合知乎 知乎的社区属性强于工具属性（wiki、google），用户活跃、登陆频率高，目的性不强。对于高活跃用户来说，浏览间隔的增量内容对他们更有价值（老内容已经看过了…
当然方法非常多，spammer的用户名通常都有统一的特征，注册邮箱也是，注册的IP，等等等等。&br&&br&但是这些都不是最重要的，最重要的是构建起一个体系，而不是单点击破，例如记录用户在站内的信用值，对低信用用户采取一些特别的方法，设置一些产品方面的门槛，比如不是注册之后就能马上发帖之类的。提供举报机制，让反spammer陷入人民战争的海洋。&br&&br&另外，你要清楚你的对手要的是什么，现在的spammer是一个产业链，有的公司管注册邮箱，有的管注册网站帐号，有的负责发帖，还有的负责打码。哪个环节都可以做，都可以增强，但到底哪个效果好，就要构建相应的评价体系，一个反spamer的方法采用了，效果到底是怎样的，需要有一个评估，因为反spammer就是在准确率和召回率上不断取得平衡。&br&&br&我一直说做antispam的人，一定要先成为一个好的spammer，去尝试做一些上面提到的事情，会对做antispam的事更有帮助，因为你会用spammer的眼光去看待你的网站。&br&&br&最后，你要知道这些spammer是靠这件事吃饭的，所以他们会不停的去寻找网站的漏洞以及规则，这是一场持久战，而不总是遭遇战。&br&&br&P.S 这是Facebook的整个举报，反垃圾系统的体系图，仅供参考&br&&figure&&img src=&https://pic1.zhimg.com/50/808f63e65b3db9d92d147fea833a88e0_b.jpg& data-rawwidth=&5100& data-rawheight=&3300& class=&origin_image zh-lightbox-thumb& width=&5100& data-original=&https://pic1.zhimg.com/50/808f63e65b3db9d92d147fea833a88e0_r.jpg&&&/figure&
当然方法非常多，spammer的用户名通常都有统一的特征，注册邮箱也是，注册的IP，等等等等。 但是这些都不是最重要的，最重要的是构建起一个体系，而不是单点击破，例如记录用户在站内的信用值，对低信用用户采取一些特别的方法，设置一些产品方面的门槛，比…
&p&Anti-spam&/p&&p&@周源的邀请，我现在才回应，见谅。做反 Spam 工作的人，要禁得住诱惑耐得住寂寞扛得住压力受得了委屈，本想路过算了。但看看互联网上这块内容都比较少，看到有人说自己会说些干货，结果找到很少，做 Anti-spam 的人不多，也时常不受重视，其实交流又非常重要，基于此，我就从产品的角度谈谈这块自己的一点积累，抛砖引玉。&/p&&p&Anti-spam 是数据分析工作的一个方向，非常考验一个产品人员对数据整体和局部的把握，如果对产品无爱，对数据，特别是数据的细节刨根问底不着迷，这事儿做不好。&/p&&p&做 Anti-spam工作，只掌握了数据分析的方法是不够的，还要加入足够的产品市场人员的思维——对用户需求的分析，对用户需求的理解，对人性的理解，多换位思考。有了这些才能真正的把基于XX产品的反 Spam 工作做好。这也是一般做了几年反 Spam 工作后，能力提升瓶颈的关键点。&/p&&p&开始正文，先分4部分：具体工作怎么做，如何进阶，反spam产品经理还需要具备哪些能力，我个人的经验。&/p&&p&1.
具体工作怎么做&br&1.1
做数据分析&br&第一次接触这个工作的人，一般压力很大，都是人肉通过后台工具解决spam问题解决不了或者这个问题已经严重的威胁产品安全了，希望你能解决，如果你幸运的解决了一两个问题，更希望你能成为黯淡无光黑夜里的救星。&br&在很多人指手画脚，投诉各种问题的时候，自己不要乱，一定先只做一件事件——数据分析，抽XX产品10万个数据分析分析。&br&目的：了解目前整体的情况，对问题严重性，多样性，有足够的认识。&br&产出：分析报告，列出当前所有问题的分类情况，比例情况，严重性情况，每类呈现出什么特点，给出问题解决的优先级排序。&br&做完这个事情，整体情况你应该最了解，老板再问你，你就能从全局介绍情况，然后再分类给出优先级。一般老板都关注最关键，最重要，影响最大等关键问题。&/p&&p&&br&&/p&&p&&br&&/p&&p&1.2
给出XX产品spam的定义&br&数据分析报告中列出所有问题，而非仅仅是spam问题，因为几乎没有人能在不看大量数据的情况下，就能给出这个产品spam准确的定义，如果有给出的，基本也是拍各种器官拍出来的。&br&给出XX产品spam的定义很重要，重要的意义有：&br&1.2.1
明确自己的工作范围&br&做反spam工作一般开始压力大，万事开头难，千万不要一上来眉毛胡子一把抓，贪多，定位太高，当前具体问题解决不好，赢得不了信任，以后工作很难开展。&br&
跟反spam工作，相关的有很多，黄反监控、账号安全、防攻击防抓站，这每一个都是难度大不好做的工作，反spam没有做好前，不要牵扯精力。&br&1.2.2
明确自己的工作目标&br&有了工作范围和工作任务定义，自己的工作目标就容易定出来了，也就是你的KPI，这个很重要，spam问题只要不是瞎子都看得到，不管懂不懂都可以上来说一通自己的策略，如果没有KPI，你就无法证明自己的工作是否有效，无法证明虽然现在问题比较多，但整体情况是在前进，变好的。&br&1.2.3
指导今后判定问题的标准&br&今后的工作中，会遇到很多灰色地带和问题，这个定义就是你划分是否属于你工作范围的明灯，也是你在数据分析中，判断具体问题是否是spam的标准。&/p&&p&&br&&/p&&p&1.3
发现问题&/p&&p&1.3.1
以spam问题为导向&br&没啥好说的，初期就是哪里有问题，哪里就有你的分析，研究。&br&1.3.2
全面掌握spam情况，找出主要问题&br&面对一个产品的spam问题，首先应从基础数据入手，全面的掌握spam问题的类型、比例情况，最有效的办法是：大量的基础数据标注。这个办法好处非常多，除了能掌握主要问题和全面的情况外，还能对spam的贴子有亲生的体会，了解spamer在想什么，惯用的伎手段有哪些，找出很多典型的例子。&br&1.3.3
保持发现问题的敏感性，把握spam流行趋势&br&大型的数据调研有一定的周期性，获得的结论一般关注的是主要问题，由于spam问题有着很强的时效性，反spam系统一旦出现漏洞，某一类之前可能比例较小的spam问题也很容易泛滥起来，因此保持敏感性，把握流行趋势很重要。方法是：&br&①
关注spam收益高的spam案例；&br&这个因产品而已，但是每个产品总能找到。&br&②
注意用户反馈；&br&任何监控和机制，总免不了有疏漏，我们也要非常注意用户关于spam问题的投诉、反馈，用户深恶痛绝的spam问题，往往也是危害大，容易流行起来的问题。&/p&&p&&br&&/p&&p&1.4
分析问题&br&一个产品中出现的spam行为，也可以看成是一种用户需求，当然这些用户需求从产品官方角度看是不正常的，都是以伤害绝大多数用户体验为代价，满足小部分人赚钱的需求。&br&反spam中，分析问题最主要的目的，就是把这些一小撮害群之马的行为从绝大多数正常行为中，抽象化、规律化、用机器能执行的语言分离出来，最终变成反spam策略解决掉。主要方法是：&br&?
找碴，找不容易变的碴&br&反spam就是找出spam行为与正常用户行为之间的不同规律，把这些不同区分出来，区分的办法价值的高低，主要是两点来衡量：spamer的规律是否易变和我们区分的成本是否很低。机器最容易区别的，spamer变化成本高的不同点，就是我们要的点。&br&常见的4个方向&br&①
内容；spam行为都是以获利为目的的，在产品里spam，最终spamer都是要把用户、流量导入到目标网站，一般都会在内容中留下spam特征即利益的出口。&br&②
行为；凡是spam能获利的地方，spamer都希望更快更多的获利，这就注定了spam行为一定会走发的多、发的快的路线，一定会跟正常用户有区别。&br&③
社区属性数据，包括：发贴作者注册时间、作者等级（新用户、平民、会员、认证人员），spam贴子发布的连续性，spam用户发贴在贴子页面停留时间等等&br&④
用户之间的交互数据，这个不一一列举。&/p&&p&总之，一种类型的数据，就像素描中的笔触，数据越多，意味着你描述犯罪嫌疑人的线条越多，就越能清晰的把spam辨别出来，如果数据很少，那就很难解决复杂问题。另外，数据多了，也应该注意使用最简单有效的数据，RD会感谢你的。&/p&&p&1.5
解决问题&/p&&p&1.5.1
优先解决主要问题&/p&&p&一段时期只能解决一个问题，优先解决影响面最广危害最大的问题，这样获得的收益最大，同时对其他次要问题的解决也非常有帮助，甚至次要问题在解决主要问题的过程中，也会迎刃而解。&/p&&p&1.5.2
小数据量验证策略效果&/p&&p&当spam问题发现和分析完毕后，一般一个解决策略基本成型，这时，一定要先用小规模的数据验证一下策略的效果后，再进行策略的开发和上线。一个反spam策略无论多么的简单或巧妙，都要用数据去验证效果，验证的方法是抽小量的数据去检验，按照这个策略看是否能获得好的准确率和召回率。&/p&&p&1.5.3
坚持低成本、低误伤、高收益，数据说话的原则&/p&&p&很多反spam问题都不止一个解决办法，哪个低成本、低误伤、高收益我们就走哪条路，无论谁提出的想法或策略，用数据检验没有问题后，才进行下一步工作。&br&不要一上来就想搞个智能分析打分系统，什么贝叶斯，什么离散系统，先一个问题一个问题的解决，一个策略一个策略的上，等你有基础有积淀，如果还需要做这样的系统，那就再做吧。&br&智能系统很难做，要很高阶的RD和PM搞基一样的配合，才能孕育的出来的生命。Spam变化很快，做智能系统解决很耗时。&/p&&p&1.5.4
解决问题时，以PM还是RD为主导？&/p&&p&一般RD珍贵，事情又多，PM RD 7 3开吧&/p&&p&具体工作怎么做，讲完了，其实，在这个过程中有非常多的难点，定义如何制定，数据怎么分析，excel怎么用等等，欢迎讨论，有空我再续。&/p&&p&2.
如何在反spam业务上进阶&/p&&p&当各类问题和策略的制定，做到两位数的时候，比较少的会碰到无法解决的具体问题时，就可以开始考虑工作的进阶和深入。&/p&&p&2.1
综合问题把握方向&/p&&p&反spam工作是持久战，spam问题也会一直有不断有，头痛医头脚痛医脚只能解决一时局部的问题，要全面彻底做好反spam工作，把spam问题控制在一个相对低的水平，就必须每隔一段时间分析回顾这段时间所作的工作，总结经验把握下一步方向。&br&一般方法：&br&2.1.1
首先在解决具体问题中，不断明确解决反spam问题有哪些办法和角度，把这些角度归纳出几个方向。&br&2.1.2
回顾这一段时间里，我们都是从哪个方向出发的，这个方向我们做的如何？是否已经做的比较彻底了？是否到了瓶颈的地方？是否存在这个方向解决不了的问题。如果有，是否需要换个角度和思路，是数据少了还是方法不对等等。&br&2.1.3
分析当前面临的主要问题和spam流行趋势&br&2.1.4
综合过去的经验和当前遇到的问题，系统的完善上一个方向，同时在适当的时候提出和推进下一个方向的开展。&/p&&p&&br&&/p&&p&&br&&/p&&p&2.2
反 Spam 人才业务上的培养&/p&&p&PM的人才培养，每个产品经理都有自己的特点，我只说一下反 Spam 业务中，如果培养的话，特别需要注意的问题。&/p&&p&（注释：本文的pm不是product manager，而是product marketing的缩写，意思是基于市场需求的产品，（而非创造需求）翻出来说，是提醒新入的pm，别上来就搞什么管理，先把精力投入到产品研究上，product master比别的都有价值。via &b&UBee&/b&）&/p&&p&2.2.1
解决问题的办法真心不止一条，教给新同学方法，不要总觉得自己的想法最靠谱，都要按照你的意思来。&br&2.2.2
放权，在背后做支持，发挥新同学的主观能动性吧，做的好是他的功劳，做的不好是他的责任，让新同学尽快的负起责任来，有利于新同学更快的独当一面。&br&2.2.3
没有做数据分析，就不要乱发表具体策略的建议。经验是个好东西，但会犯错，作为资深人员，仍要注意，没有亲自看数据，不要随便定策略，说出来很容易不靠谱。&br&2.2.4
把试错的机会留给新人。每个资深产品人员想想自己是怎么成长的，犯了多少错，只要不是方向性的错误，尽量把试错的机会留给别人，在新同学每次犯错后引导他们去思考避免，从错误中学到成长。via 百度产品市场部&/p&&p&&br&&/p&&p&3.
Anti-spam 产品经理需要具备哪些能力&br&正如之前所述，解决反 Spam 问题的办法有很多种，所以，成功的反 Spam 产品经理各有千秋，从介绍这个行业或圈子的角度，我列一列众多能力中的几种，大家参考，方便大家了解或招聘时参考。不同的环境导致不同的成长路径，不一定非要照此修炼。&br&3.1
反 Spam 的数据分析能力&br&这是实际动手的能力，方法论都可以学可以听，数据分析能力我觉得是一个无法传授，只能自己实践的能力，但在实践过程中，也有一些总结提高的方法。&br&3.1.1
培养数据亲切感&br&在热爱这个产品的前提下，数据抽出来时，别人看到的是数据，你看到的是数据背后的用户，用户的需求，他们的种种行为总是给你带来惊喜，他们需求得到满足后，总是能给你带来喜悦。&br&Spam 各种行为背后都是有着各种各样的联系，产品对他们来说是黑匣子，大量数据放在一起的时候，稍微的排一下顺序，规律就会显现出来。&br&3.1.2
在数据分析时，不要想当然的给用户打上标签，也就是不要过快的判定非黑即白完事儿，而是不停问自己，他为什么要这样做，是一个还是很多个这样，很多个这样一定有原因，这样原因可以先假设，但一定要用数据验证假设，验证的次数越多下次做建设的时候越容易正确。道理很简单：熟能生巧，简单的东西做到极致，你就像在开外挂一样，别人看不出的规律你总能看出来。&/p&&p&（写到这里说说题外话：写到这的时候，我想起的搜索引擎9238，&a href=&//link.zhihu.com/?target=http%3A//www.9238.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&搜索研究院―&/a&，一个超级到不能再超级的超级用户、每天至少搜索上千个词、半夜还在用产品、深夜实在累的不行了摊开睡袋睡下，大家早上上班的时候他去洗手间洗脸刷牙。成功的路上没有捷径，听到、看到或者别人教你关于某个问题如何做跟自己完全掌握，之间还有数以百计个小时。）&/p&&p&3.2
关键问题的把握&br&做产品做久了，一起讨论问题的时候，你会发现总有那么几个人，他们每次指出的问题都是整个问题的关键点，策略型 PM 这点非常重要。&/p&&p&&br&&/p&&p&3.3
全局的产品意识&br&3.3.1
平台型产品不用在产品设计之初特别在意反 Spam 问题，有这个意识觉悟，不要故意做漏洞，犯低级错误即可。&/p&&p&非小型UGC产品，一般都是先有了这个产品，这个产品发展到一定阶段后，才出现 Spam 问题，所以在产品一开始设计之初，很难有人能考虑到反 Spam，即便有人考虑到这个问题，在产品都不知道以后能否火的前提下，反spam的需求也会因为优先级、资源等问题搁置。再则，平台型产品初期就是要以低门槛来抢用户，成功的运气因素也很重要，在早期做相关的功能或限制没有必要。&br&另外，反spam是问题导向，问题没有发生，你怎么预设问题然后去控制。&/p&&p&产品人员在分析用户需求，设计产品之初，要心无旁骛的只关注如何更好的满足用户需求，一定要抱有N个假设，这样才能把产品做好。这个 N 个假设里，其中两条是：RD 是万能的，只有成本和收益的权衡；Spam 问题不存在无法解决的问题，只有重视程度和阶段的不同。&/p&&p&3.3.2
能深入细节，更能跳出细节看大局部，看整体。&/p&&p&这句话，看起来比较虚。举个项目例子（我不可以细说），比如你解决某类 Spam 问题，时刻想着做这事儿的目的是什么，有时候解决到80%了，是否可以换个方向审视一下，做一做，可能效果更好。&/p&&p&我一直打一个比方——反 Spam 需要几十个策略，交织在一起想一张网，Spam 来了都要过这张网，当你的网策略少比较稀疏的时候，漏洞就大，Spamer 一试就知道你的大概策略，大概阈值，很容易就钻过去，但是当策略较多，网比较密的时候，钻过去的成本就大大提高，这就要求产品经理能细节能整体。&/p&&p&3.3.3
要共赢，维持生态平衡，不要伤及产品和自身。&/p&&p&Spam与营销有时候只有一线之差&/p&&p&反Spam的目标就是把Spam控制在可以接受的范围内，保持生态平衡，利益链条平衡。做的太狠，也会自损忍受阉割之痛，另外，也会有意想不到的麻烦，你懂的。&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&4.
我个人的一些经验&/p&&p&4.1
以spam问题为导向&br&4.2
一段时间只解决一个问题&br&4.3
优先解决范围最广危害最大的 Spam问题&br&4.4
策略提出后一定要小数据量验证效果&br&4.5
发挥每个人的积极性、主观能动性&br&4.6
坚持低成本、低误伤、高收益，数据说话的原则&br&4.7
Spam问题具有时效性，反spam更要快速有效&br&4.8
先下猛药再解决误伤&br&4.9
不要指望一个策略或一组策略解决所有问题&br&4.10
勿以善小而不为 &br&当成本也很小的时候，一些收益看起来小的策略，在多个策略综合起效的时候，也能带来很大的收益。例如：在策略很多的前提下（这个前提很重要）解决某些问题的时候，关键词匹配也能很有效。&br&4.11
人工靠不住，尽量多用机器&br&4.12
对数据要有亲切感，乐意探究数据背后的故事&br&4.13
机器不够用，人工过来补。注意是应对图片、视频 Spam，机器识别难度很大的问题。&br&4.14
注意遗漏，连连看、挖掘召回。&br&4.15
解决问题的路不止一条。&br&4.16
PM抽数据困难不畏惧。&/p&&p&&br&&/p&&p&&br&&/p&&p&========================================================&br&2016 年 8 月 2 日更新&/p&&p&5. 最近一些时间，在反作弊业务上，自我感觉成长不多，有什么新的感悟，我会逐步更新在下面&/p&&p&&b&5.1 如何解决误伤问题&/b&&/p&&p&不同大小体量的平台解决思路不一样&/p&&p&流量、用户群比较大的平台，一般的做法是，周期性的评估误伤，误伤比较高的策略下线掉，再去优化策略，优化到一定程度后再上线；&/p&&p&优化策略一般都会面临挖掘新的数据项的问题，在当前仅有的数据项基础上去优化策略难度比较大，需要很认真细致的看数据，思考策略；而挖掘新的数据项会更容易更有效。新数据项的挖掘，产品最好找到多一些的数据项，预防着有些很好的数据项工程师挖的难度比较大，就需要换。&/p&&p&策略评估误伤，下线，优化，再上线，再评估……，这样的循环做多了，需要思考如何把策略制定变得产品或运营人员可配置化，策略上下线自动化的工作。&/p&&p&策略可配置化，主要是要抽象化策略共同的项，由技术做成模块，新的策略就是由这些通用的模块搭配一些条件生成出来。产品或运营可以去组合出新策略，自由调整关键阈值。&/p&&p&体量小一些的平台，用上述的方法，可能效果不好且成本高，有点像用牛刀杀鸡，而且小体量的平台往往更注重误伤（原因：小平台正常用户本来就少，误伤几个就是大事儿；小平台里当个正常用户影响力更大，十几个核心用户出来反馈误伤，感觉就是大新闻），那怎么办呢？&/p&&p&解决方案是：把处理手段做的有层次些。以前反作弊抓住了，都砍头，砍错了，当然压力大；现在反作弊抓住了都把小拇指的指甲剪了，剪错了，压力不大。但是，剪指甲的手段也要达到反作弊的效果。追求什么效果？第一追求：把人和机器区分开，把机器人干掉；做不到的话，退而求其次，打断 spam 的连续性，提高 spam 的成本吧。&/p&&p&&br&&/p&&p&这种手段怎么做？&br&验证码就别用了，除非是 Google 那种行为验证码，但一般公司做不了也也舍不得花钱做，开源接口被墙了。&br&三个强&br&结合性强，要跟自身产品特性结合。Facebook 验证你是不是账户拥有者的时候，会让你填你上传上的照片中，人脸都是谁的脸。&br&趣味性强，验证有段要有趣，不然正常用户被误伤的时候填起来就会很颓废。我在微博做过把你最近关注的人抽 4 个出来，把名字打乱，让你让头像和名字连线连正确。&br&安全性强，能真正的把人和机器分开。&/p&&p&&br&&/p&&p&&b&5.2 如何挖掘数据项&/b&&/p&&p&挖掘数据项是反作弊至关重要的一环，数据项多，解决 Spam 的思路就广。&/p&&p&挖掘数据最关键是两点：好的分类方法和注意细节的能力&/p&&p&好的分类方法：我的经验是，基础数据、社区属性数据、用户之间的交互数据；两个维度：显性数据和隐性数据。&/p&&p&细节数据的分析归纳能力，我的两个经验：多思考如果我是正常用户使用产品一般流程是什么；多思考如果我是作弊的我会怎么作弊，以及多研究各种发帖机、注册机。&/p&&p&&br&&/p&&p&&br&&/p&&p&==============日更新==================&/p&&p&&b&5.3 产品如何用 Excel 做模型&/b&&/p&&p&&br&&/p&&ul&&li&什么时候适合做模型解决问题？&/li&&/ul&&p&一般满足下面两个条件中的一个的时候，就适合用模型解决问题&/p&&p&策略怎么做效果都不好，要么召回低，要么准确率很难调；&/p&&p&问题本身比较复杂，是个长线解决问题，始终排在反作弊工作的 TOP3；&/p&&ul&&li&为什么要用 Excel 做模型？&/li&&/ul&&p&工程师比较忙，工程师做模型产品掺和不上，模型成本高无法证明有效的情况下谁也不愿意投资源试。&/p&&ul&&li&怎么做？&/li&&/ul&&ol&&li&把样本数据准备好，一个数据一个数据的看，特征总结出来，尽可能多的列出来；&/li&&li&从特征里选出比较靠谱的特征，根据标数据的经验，给核心重要的特征项赋予不同的分数，尽可能的简单给，比如：条件 A ，给 3 分；条件 B 给 5 分；&/li&&li&一般的前面设置几个豁免的门槛条件，比如满足这几个条件，就直接是好人，不用进入模型算分数；&/li&&li&条件、分数设置好了之后，模型基本成型，把 Excel 里面分数计算的公式写好；&/li&&li&找两种数据简单验证模型的准确率和召回率，一种数据是已经人工标注出来的正负样本，代入模型中计算得分，这部分数据既可以验准确也可以验召回率；一种数据是随机抽的样本数据，代入模型中计算得分，这部分数据重点验证准确率；&/li&&li&代入的时候，人肉看，满足条件就标注 1，不满足条件就标注 0，最后拿公式算总分；&/li&&li&最后得分先要有区分度，在区分度的基础上，看准不准。&/li&&li&效果好的话，找工程师开发吧，把人肉代入标注的工作，用机器去替代。&/li&&/ol&&p&模型没有那么难，也没有那么神秘，产品靠自己也能做，机器化的话，还是要写码实现。产品的价值就是理解模型解决问题的这个事情，搞清楚核心步骤，以及核心步骤里面用什么数据项，给多少权重。&/p&&p&&br&&/p&&p&====================================&/p&&p&日15:31:09&/p&&p&最近在思考，反作弊的第一原理是什么。&/p&&p&从我对 spam 的定义理解的转变，记录一下认知的变迁。&/p&&p&&br&&/p&&p&我在贴吧、微博的时候，定的 spam 的定义：以营利为目的，大量发布伤害用户体验的信息和大量实施破坏用户体验的行为，这些信息和行为，我们称之为 spam 。&/p&&p&&br&&/p&&p&现在我对 spam 的定义：非官方的违反产品价值而谋利的需求，称之为 spam 。&/p&&p&以前的局限是把作弊定义到行为、内容上面了，现在我觉得作弊应该落脚到 需求 层面。&/p&&p&====================================&/p&&p&日00:20:31&/p&&p&C2C 电商公司的反作弊比 UGC 社区反作弊更难做。&/p&&p&&br&&/p&&p&====================================&/p&&p&日00:24:37&/p&&p&没有解决不了的风控问题，态度决定一切。&/p&&p&人肉用 Excel 做模型，数据很可喜，找时间详细分享一下，如何选数据项，如何设置分数的权重。&/p&
Anti-spam@周源的邀请，我现在才回应，见谅。做反 Spam 工作的人，要禁得住诱惑耐得住寂寞扛得住压力受得了委屈，本想路过算了。但看看互联网上这块内容都比较少，看到有人说自己会说些干货，结果找到很少，做 Anti-spam 的人不多，也时常不受重视，其实交…
这个问题有点舍本逐末，产品经理最忌讳的一点就是上来就陷入细节中。&br&从运营的维度看，最关键的运营数据也不止三项。&br&作为产品经理，你要考虑的是：这个产品从用户层面最想得到的是什么，这个产品从公司层面最想得到的是什么。
这个问题有点舍本逐末，产品经理最忌讳的一点就是上来就陷入细节中。 从运营的维度看，最关键的运营数据也不止三项。 作为产品经理，你要考虑的是：这个产品从用户层面最想得到的是什么，这个产品从公司层面最想得到的是什么。
一个好的名字不仅可以展示你应用的功能、特点，还可以提高你在各个平台上的展现次数和搜索排名。用户在移动端的搜索和下载行为与PC端有很大不同，把握其中的规律，或可为App接下来的推广提供助力和方便。&br&&br&我们常说的App大致分为两类：应用、游戏。两类App都有不同的命名规则，在此我们着重讨论应用类App的命名方式，游戏类我们在结尾处稍带介绍一下，也欢迎大家讨论拍砖。因为我比较关注安卓平台的运营，对苹果的AppStore不甚了解，所以以下就针对安卓平台做讨论。&br&&br&首先要明确以下几个问题：&br&&ol&&li&App的名称有哪些作用？&br&&/li&&li&你的App提供的最主要功能是什么？&br&&/li&&li&在哪里展示和被下载？&br&&/li&&li&App的名称对不同渠道的搜索排名有哪些影响？&br&&/li&&li&我们该如何设计App名称？&/li&&li&其他。&/li&&/ol&&b&一、App名称的作用&/b&&br&其实App名称的作用就两个，即：&br&&ul&&li&展示品牌和核心功能（如百度地图、必应搜索）；&br&&/li&&li&一般为权重最大的搜索关键词（特别是在不能设定关键词的平台）。&/li&&/ul&为什么这么说？以豌豆荚为例，我们来看看目前主流安卓平台是如何展示应用的&br&&figure&&img src=&https://pic1.zhimg.com/50/eab7fca58a4f24e3edeac1ce_b.jpg& data-rawwidth=&300& data-rawheight=&533& class=&content_image& width=&300&&&/figure&可以看到，在搜索“词典”的情况下（哈哈，又给我必应词典做广告了，关键是真的好用啊），排名靠前的应用（请忽略那个推广。。。）都具备了我上面提到的特性。而且，一个手机屏幕最多只能展示3-4个应用，展示内容只有：名称、大小、安装量、产品介绍的首段内容。所以我要说，产品介绍的第一段也非！常！重！要！&ul&&li&一个好记的名称+一个吸引人的首段介绍=用户有可能点开你产品展示页！&br&&/li&&/ul&这次我们只讨论名称，以后有机会我们可以一起来看看如何更好地介绍和展示App。有了上面两点做基础，就可以知道我们追求的结果是：&br&&ul&&li&名字好记好理解，用户一眼就知道你是谁，干嘛的，能提供什么功能和价值（瞬间判断我需不需要）；&br&&/li&&li&用户搜索功能和品牌相关的关键词，排名靠前的总有你。&/li&&/ul&&br&&b&二、App的主要功能&/b&&br&一个词如果不能表达你应用的最核心功能，那这个应用该回炉重造了。我不是说起一个具有特别寓意的名字不好，但是你要明白你放弃的是什么（参考&b&一、&/b&App&b&名称的作用&/b&）？也就意味着你的产品在其他方面要更加出众才会被用户发现和喜爱。在这个什么都讲究速度和规模的时代，哎，这段不多说了。。。&br&&br&&b&三、应用的下载和展示渠道&/b&&br&目前国内主流的安卓应用商店有：&br&&ul&&li&第一集团：豌豆荚、360手机助手、百度手机助手、小米应用商店、腾讯应用宝；&br&&/li&&li&第二集团：91、安卓市场、Google Play、应用汇、安智；&br&&/li&&li&第三集团：各大手机厂商如联想、华为、魅族、OPPO，以及机锋、木蚂蚁、N多等曾经还不错的平台。&/li&&/ul&为什么提这个呢？因为我要说第四个大问题。&br&&br&&b&四、不同平台的排名算法&/b&&br&想知道各个平台的排名算法进而修改相关信息提高排名？想得美！各个平台的算法是业内公认的机密，且一直在变化。App的名称几乎是权重最大的检索关键词，那么我们把可能的考虑因素及权重（以字母代替）罗列一下，看看平台方葫芦里买的是什么药.&br&&br&搜索排名总分=名称匹配程度xA + 关键词/副标题匹配程度（有的平台没有关键词）xB + 产品介绍匹配程度xC + 总下载量xD + 最近X天下载量xE + 最近Y天下载量xF + 最近Z天下载量xG（X&Y&Z，E&F&G） + 目前评分xH&br&&br&当然还有评分=最新版本评分xI + 上一版本评分xJ + 上上版本评分xK（I&J&K）&br&&br&注意，仅是简单地举个例子，不是具体算法，只是帮大家理解可能影响应用排名和评分的因素。&br&&br&&b&五、如何起名字&/b&&br&上面说了那么多，其实就为了最后这个问题。之前的分析其实也已经给出了答案。在此我们再分析一下用户分别在搜索应用类App和游戏类App的心理。除非用户已经明确知道App的名称，那搜索应用类App，肯定是奔着某个特定的需求去的，即&b&寻找一个能提供特定功能的应用来解决用户的问题。&/b&&br&&ul&&li&如果一个App的名称里明确表示具备相关功能，至少可以得到用户的注意。（如之前说的百度地图、必应搜索）。&br&&/li&&li&如果你愿意放弃展示品牌（尤其对于小公司），那就可以加入更加感性的词语调动用户的情绪，如电影赶快播（鬼知道他们这名字给他们带来了多少曝光）、天天动听（很感性的名字，但没有提及音乐和播放器，只能再副标题、关键词、产品展示内容中补强）&/li&&/ul&用户在没有明确目标的时候搜索游戏，多半需求就一个：好玩。那如果App的名字看着好玩并标明咱们玩什么，那就会抓住用户的兴趣，如植物大战僵尸、疯狂的赛车等。&br&&br&&b&六、其他&/b&&br&呼，没时间写了，答主先去健身了。以后有机会再和他家一起讨论一下如何改善应用展示页吧。
一个好的名字不仅可以展示你应用的功能、特点，还可以提高你在各个平台上的展现次数和搜索排名。用户在移动端的搜索和下载行为与PC端有很大不同，把握其中的规律，或可为App接下来的推广提供助力和方便。 我们常说的App大致分为两类：应用、游戏。两类App都…
这个很容易实现.&br&&br&设置每个人接受的消息类型, 例如豆瓣:&br&电影: movie&br&相册: photo&br&推荐: recommend&br&&br&当我的timeline上某人的 三种状态各有一个时, 下一个出现任意一种都会被合并.&br&以下一条为movie为例&br&合并的原则是: &br&1.时间在一天以内.&br&2.timeline中再次出现某人movie的消息&br&3.find这个timeline的某人之前一次的movie消息,并修改.&br&4.完成.&br&&br&数据库中存储timeline的表在字段的设计上自己好好想想就好.
这个很容易实现. 设置每个人接受的消息类型, 例如豆瓣: 电影: movie 相册: photo 推荐: recommend 当我的timeline上某人的 三种状态各有一个时, 下一个出现任意一种都会被合并. 以下一条为movie为例 合并的原则是: 1.时间在一天以内. 2.timeline中再次出现…
&p&更新：&/p&&div class=&highlight&&&pre&&code class=&language-postgresql&&&span class=&c1&&-- 表结构&/span&
&span class=&err&&签到表&/span&&span class=&p&&(&/span&&span class=&err&&用户&/span&&span class=&n&&ID&/span&&span class=&p&&,&/span& &span class=&err&&最近签到日期&/span&&span class=&p&&,&/span& &span class=&err&&连续签到天数&/span&&span class=&p&&)&/span&
&span class=&c1&&-- 用户签到时：&/span&
&span class=&k&&UPDATE&/span&
&span class=&err&&签到表&/span&
&span class=&k&&SET&/span&
&span class=&err&&连续签到天数&/span& &span class=&o&&=&/span& &span class=&k&&CASE&/span& &span class=&err&&最近签到日期&/span&
&span class=&k&&WHEN&/span& &span class=&n&&Today&/span& &span class=&k&&THEN&/span& &span class=&err&&连续签到天数&/span&
&span class=&k&&WHEN&/span& &span class=&n&&Today&/span& &span class=&o&&-&/span& &span class=&mf&&1&/span& &span class=&k&&THEN&/span& &span class=&p&&(&/span&&span class=&err&&连续签到天数&/span& &span class=&o&&+&/span& &span class=&mf&&1&/span&&span class=&p&&)&/span& &span class=&n&&MOD&/span& &span class=&mf&&8&/span&
&span class=&k&&ELSE&/span& &span class=&mf&&1&/span&
&span class=&k&&END&/span&&span class=&p&&,&/span&
&span class=&err&&最近签到日期&/span& &span class=&o&&=&/span& &span class=&n&&Today&/span&
&span class=&k&&WHERE&/span&
&span class=&err&&用户&/span&&span class=&n&&ID&/span& &span class=&o&&=&/span& &span class=&err&&用户&/span&&span class=&n&&ID&/span&&span class=&p&&;&/span&
&span class=&c1&&-- 查询用户连续签到天数&/span&
&span class=&k&&SELECT&/span&
&span class=&k&&CASE&/span&
&span class=&k&&WHEN&/span& &span class=&err&&最近签到日期&/span& &span class=&o&&&=&/span& &span class=&n&&Today&/span& &span class=&o&&-&/span& &span class=&mf&&1&/span& &span class=&k&&THEN&/span& &span class=&err&&连续签到天数&/span&
&span class=&k&&ELSE&/span& &span class=&mf&&0&/span&
&span class=&k&&END&/span& &span class=&k&&AS&/span& &span class=&err&&连续签到天数&/span&
&span class=&k&&FROM&/span&
&span class=&err&&签到表&/span&
&span class=&k&&WHERE&/span&
&span class=&err&&用户&/span&&span class=&n&&ID&/span& &span class=&o&&=&/span& &span class=&err&&用户&/span&&span class=&n&&ID&/span&&span class=&p&&;&/span&
&/code&&/pre&&/div&&p&-----------------------------------------------------------------------------------------------------------&/p&&p&原答案：&/p&&div class=&highlight&&&pre&&code class=&language-text&&签到表(用户ID, 最近签到日期, 连续签到天数)
&/code&&/pre&&/div&&p&当用户签到时，&/p&&div class=&highlight&&&pre&&code class=&language-postgresql&&&span class=&k&&UPDATE&/span&
&span class=&err&&签到表&/span&
&span class=&k&&SET&/span&
&span class=&err&&连续签到天数&/span& &span class=&o&&=&/span&
&span class=&k&&CASE&/span& &span class=&k&&WHEN&/span& &span class=&err&&最近签到日期&/span& &span class=&o&&=&/span& &span class=&n&&Today&/span& &span class=&o&&-&/span& &span class=&mf&&1&/span& &span class=&k&&THEN&/span& &span class=&p&&(&/span&&span class=&err&&连续签到天数&/span& &span class=&o&&+&/span& &span class=&mf&&1&/span&&span class=&p&&)&/span& &span class=&n&&MOD&/span& &span class=&mf&&7&/span&
&span class=&k&&ELSE&/span& &span class=&mf&&0&/span& &span class=&k&&END&/span&
&span class=&k&&WHERE&/span&
&span class=&err&&用户&/span&&span class=&n&&ID&/span& &span class=&o&&=&/span& &span class=&err&&用户&/span&&span class=&n&&ID&/span&&span class=&p&&;&/span&
&span class=&k&&UPDATE&/span& &span class=&err&&签到表&/span& &span class=&k&&SET&/span& &span class=&err&&最近签到日期&/span& &span class=&o&&=&/span& &span class=&n&&Today&/span&&span class=&p&&;&/span&
&/code&&/pre&&/div&
更新：-- 表结构
签到表(用户ID, 最近签到日期, 连续签到天数)
-- 用户签到时：
连续签到天数 = CASE 最近签到日期
WHEN Today THEN 连续签到天数
WHEN Today - 1 THEN (连续签到天数 + 1) MOD 8
最近签到日期 = Tod…
QZONE的签到，其实主要还是在于维持特定人群的粘性，同意@黄靖昀，@张亮的观点。&br&因为QZONE的用户群体，或者说活跃用户群体的年龄偏低，对于这些用户而言，粘性固然能依靠关系网来构筑，每天的好友动态也是一部分。但实事求是地说，腾讯的活跃用户几乎养成了“特权”的思考方式。&br&签到的好处还是挺多。&br&1、激活半沉默用户，让活跃用户更活跃。&br&签到带来的解锁其实跟腾讯用户的“特权”相吻合，用户用一个很小的代价来获得特权（即使未必会用），符合低龄用户的心理状态。&br&2、用户主动签到，可以将该功能扩散到其他好友，从金字塔扩散逐渐转变成蛛网型扩散。&br&QZONE的产品形态，下一步看来是往轻博客上走，那么怎样对待这些用户，以及怎样聚拢希望出现的用户，这里面的协调还是要花些功夫的。一艘庞大的船，转个方向也不容易啊。
QZONE的签到，其实主要还是在于维持特定人群的粘性，同意@黄靖昀，@张亮的观点。 因为QZONE的用户群体，或者说活跃用户群体的年龄偏低，对于这些用户而言，粘性固然能依靠关系网来构筑，每天的好友动态也是一部分。但实事求是地说，腾讯的活跃用户几乎养成…
前人总结出来的，觉得挺好，首先要构建电商数据分析的基本指标体系，主要分为8个类指标，即：&br&&figure&&img src=&https://pic4.zhimg.com/50/8aaf36d3f20f_b.jpg& data-rawwidth=&525& data-rawheight=&282& class=&origin_image zh-lightbox-thumb& width=&525& data-original=&https://pic4.zhimg.com/50/8aaf36d3f20f_r.jpg&&&/figure&&br&&br&1. 总体运营指标：从流量、订单、总体销售业绩、整体指标进行把控，起码对运营的电商平台有个大致了解，到底运营的怎么样，是亏是赚。&br&&figure&&img src=&https://pic3.zhimg.com/50/ddea26c775a8_b.jpg& data-rawwidth=&591& data-rawheight=&341& class=&origin_image zh-lightbox-thumb& width=&591& data-original=&https://pic3.zhimg.com/50/ddea26c775a8_r.jpg&&&/figure&&br&2.网站流量指标：即对访问你网站的访客进行分析，基于这些数据可以对网页进行改进，以及对访客的行为进行分析等等。&br&&figure&&img src=&https://pic3.zhimg.com/50/0ef9a6209fcac80f72c63_b.jpg& data-rawwidth=&570& data-rawheight=&416& class=&origin_image zh-lightbox-thumb& width=&570& data-original=&https://pic3.zhimg.com/50/0ef9a6209fcac80f72c63_r.jpg&&&/figure&&br&3. 销售转化指标：分析从下单到支付整个过程的数据，帮助你提升商品转化率。也可以对一些频繁异常的数据展开分析。&br&&figure&&img src=&https://pic1.zhimg.com/50/b9cd8f208f7cf3a99f28_b.jpg& data-rawwidth=&533& data-rawheight=&703& class=&origin_image zh-lightbox-thumb& width=&533& data-original=&https://pic1.zhimg.com/50/b9cd8f208f7cf3a99f28_r.jpg&&&/figure&&br&4. 客户价值指标：这里主要就是分析客户的价值，可以建立RFM价值模型，找出那些有价值的客户，精准营销等等。&br&&figure&&img src=&https://pic4.zhimg.com/50/19ca8d350f_b.jpg& data-rawwidth=&451& data-rawheight=&244& class=&origin_image zh-lightbox-thumb& width=&451& data-original=&https://pic4.zhimg.com/50/19ca8d350f_r.jpg&&&/figure&&br&5.商品类指标：主要分析商品的种类，那些商品卖得好，库存情况，以及可以建立关联模型，分析那些商品同时销售的几率比较高，而进行捆绑销售，有点像啤酒喝尿布的故事。&br&&figure&&img src=&https://pic4.zhimg.com/50/4eecbca92eda2d6ca41139_b.jpg& data-rawwidth=&422& data-rawheight=&359& class=&origin_image zh-lightbox-thumb& width=&422& data-original=&https://pic4.zhimg.com/50/4eecbca92eda2d6ca41139_r.jpg&&&/figure&&br&6. 市场营销活动指标，主要监控某次活动给电商网站带来的效果，以及监控广告的投放指标。&br&&figure&&img src=&https://pic3.zhimg.com/50/0f0db40cbac67d7e28712_b.jpg& data-rawwidth=&505& data-rawheight=&333& class=&origin_image zh-lightbox-thumb& width=&505& data-original=&https://pic3.zhimg.com/50/0f0db40cbac67d7e28712_r.jpg&&&/figure&7. 风控类指标：分析卖家评论，以及投诉情况，发现问题，改正问题&br&&figure&&img src=&https://pic4.zhimg.com/50/1d9ff8d91d75fe13b3efff0defd33280_b.jpg& data-rawwidth=&437& data-rawheight=&244& class=&origin_image zh-lightbox-thumb& width=&437& data-original=&https://pic4.zhimg.com/50/1d9ff8d91d75fe13b3efff0defd33280_r.jpg&&&/figure&&br&8. 市场竞争指标：主要分析市场份额以及网站排名，进一步进行调整&br&&figure&&img src=&https://pic1.zhimg.com/50/72bf9fcb65dcd4d8ffda131c_b.jpg& data-rawwidth=&404& data-rawheight=&146& class=&content_image& width=&404&&&/figure&&br&以上总共从8个方面来阐述如何对电商平台进行数据分析，当然，具体问题具体分析，每个公司的侧重点也有所差异，所以如何分析还需因地制宜。
前人总结出来的，觉得挺好，首先要构建电商数据分析的基本指标体系，主要分为8个类指标，即： 1. 总体运营指标：从流量、订单、总体销售业绩、整体指标进行把控，起码对运营的电商平台有个大致了解，到底运营的怎么样，是亏是赚。 2.网站流量指标：即对访问…
首先需要知道你细分的目的是什么？我们常常会忽略这个问题，而会为了细分而细分。&br&&br&运用RFM模型一般是为了&b&细分出最有价值的用户&/b&，或者全生命周期价值最大的用户（好绕口）&br&&br&如果基于以上目的，很简单的评估方式：将你细分出的用户按照RFM模型给出的分级排序，从最好到最差，然后什么保持正常的方式。如果一段周期内（一周到一个月，根据你的用户规模而定），销售结果（收入或者利润，或者客单价）和你的排序一致，那么说明你的细分能够相对准确地将有价值的用户从整体用户中划分出来。
首先需要知道你细分的目的是什么？我们常常会忽略这个问题，而会为了细分而细分。 运用RFM模型一般是为了细分出最有价值的用户，或者全生命周期价值最大的用户（好绕口） 如果基于以上目的，很简单的评估方式：将你细分出的用户按照RFM模型给出的分级排序，…
已有帐号？
无法登录？
社交帐号登录
14910 人关注
677 条内容
3895 人关注
1431 条内容
431 人关注
153 条内容
306 人关注
17177 人关注
4330 条内容