1、 概述
1.1 用戶(hù)研究縱覽
移動(dòng)app成功的關(guān)鍵在于市場(chǎng)營(yíng)銷(xiāo)和產(chǎn)品設(shè)計(jì)，數(shù)據(jù)分析與挖掘解決的核心就是市場(chǎng)營(yíng)銷(xiāo)過(guò)程中的客戶(hù)定位和產(chǎn)品設(shè)計(jì)過(guò)程中的用戶(hù)體驗(yàn)改善。向目標(biāo)用戶(hù)提供所需的產(chǎn)品和服務(wù)，是任何一款移動(dòng)APP應(yīng)用成功的秘訣。而如何找到目標(biāo)客戶(hù)，如何了解用戶(hù)的產(chǎn)品需求，則需要依靠數(shù)據(jù)分析和挖掘的力量。無(wú)論是客戶(hù)定位，還是用戶(hù)體驗(yàn)，歸根揭底還是用戶(hù)研究，在這一點(diǎn)上，移動(dòng)APP產(chǎn)品的成功和其他任何類(lèi)型的產(chǎn)品沒(méi)有任何區(qū)別。
用戶(hù)研究可以從定性分析和定量分析兩個(gè)不同的維度展開(kāi)：定性分析是從小規(guī)模的數(shù)據(jù)樣本中發(fā)現(xiàn)新事物的方法，主要應(yīng)用于用戶(hù)體驗(yàn)調(diào)查；定量分析是用大數(shù)據(jù)量的樣本來(lái)測(cè)試和證明某些事情的方法，主要應(yīng)用于用戶(hù)行為數(shù)據(jù)分析。
1.2數(shù)據(jù)分析與挖掘流程規(guī)范
數(shù)據(jù)分析與挖掘型系統(tǒng)建設(shè)與傳統(tǒng)的業(yè)務(wù)操作型系統(tǒng)建設(shè)不同，有其自身的特點(diǎn)和規(guī)則。數(shù)據(jù)分析和挖掘是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（KDD：Knowledge-Discovery in Databases）中一個(gè)重要的環(huán)節(jié)，KDD是通過(guò)從數(shù)據(jù)集中識(shí)別出有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過(guò)程。
跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程（CRISP-DM：cross-industry standard process for data mining）是KDD過(guò)程模型中占據(jù)領(lǐng)先位置，采用量達(dá)到近60%，由歐盟機(jī)構(gòu)聯(lián)合起草的數(shù)據(jù)分析和挖掘過(guò)程模型。CRISP-DM包括6個(gè)不同的環(huán)節(jié)，如下圖所示：
1. 業(yè)務(wù)理解（Business Understanding）：
最初的階段集中在理解項(xiàng)目目標(biāo)和從業(yè)務(wù)的角度理解需求，同時(shí)將這個(gè)知識(shí)轉(zhuǎn)化為數(shù)據(jù)挖掘問(wèn)題的定義和完成目標(biāo)的初步計(jì)劃。
2. 數(shù)據(jù)理解（Data Understanding）：
數(shù)據(jù)理解階段從初始的數(shù)據(jù)收集開(kāi)始，通過(guò)一些活動(dòng)的處理，目的是熟悉數(shù)據(jù)，識(shí)別數(shù)據(jù)的質(zhì)量問(wèn)題，首次發(fā)現(xiàn)數(shù)據(jù)的內(nèi)部屬性，或是探測(cè)引起興趣的子集去形成隱含信息的假設(shè)。
3. 數(shù)據(jù)準(zhǔn)備（Data Preparation）：
數(shù)據(jù)準(zhǔn)備階段包括從未處理的數(shù)據(jù)中構(gòu)造最終數(shù)據(jù)集的所有活動(dòng)。這些數(shù)據(jù)將是模型工具的輸入值。這個(gè)階段的任務(wù)能執(zhí)行多次，沒(méi)有任何規(guī)定的順序。任務(wù)包括表、記錄和屬性的選擇，以及為模型工具轉(zhuǎn)換和清洗數(shù)據(jù)。
4. 數(shù)據(jù)建模（Modeling）：
在這個(gè)階段，可以選擇和應(yīng)用不同的模型技術(shù)，模型參數(shù)被調(diào)整到最佳的數(shù)值。一般，有些技術(shù)可以解決一類(lèi)相同的數(shù)據(jù)挖掘問(wèn)題。有些技術(shù)在數(shù)據(jù)形成上有特殊要求，因此需要經(jīng)常跳回到數(shù)據(jù)準(zhǔn)備階段。
5. 模型評(píng)估（Evaluation）：
到這個(gè)階段，你已經(jīng)從數(shù)據(jù)分析的角度建立了一個(gè)高質(zhì)量顯示的模型。在開(kāi)始最后部署模型之前，重要的事情是徹底地評(píng)估模型，檢查構(gòu)造模型的步驟，確保 模型可以完成業(yè)務(wù)目標(biāo)。這個(gè)階段的關(guān)鍵目的是確定是否有重要業(yè)務(wù)問(wèn)題沒(méi)有被充分的考慮。在這個(gè)階段結(jié)束后，一個(gè)數(shù)據(jù)挖掘結(jié)果使用的決定必須達(dá)成。
6. 模型發(fā)布（Deployment）：
通常，模型的創(chuàng)建不是項(xiàng)目的結(jié)束。模型的作用是從數(shù)據(jù)中找到知識(shí)，獲得的知識(shí)需要便于用戶(hù)使用的方式重新組織和展現(xiàn)。根據(jù)需求，這個(gè)階段可以產(chǎn)生簡(jiǎn) 單的報(bào)告，或是實(shí)現(xiàn)一個(gè)比較復(fù)雜的、可重復(fù)的數(shù)據(jù)挖掘過(guò)程。在很多案例中，這個(gè)階段是由客戶(hù)而不是數(shù)據(jù)分析人員承擔(dān)部署的工作。
2、 用戶(hù)行為數(shù)據(jù)分析
2.1 目標(biāo)
用戶(hù)行為數(shù)據(jù)是指用戶(hù)與移動(dòng)APP應(yīng)用之間的交互行為信息，是用戶(hù)研究維度中定量分析部分，通過(guò)分析用戶(hù)的登錄、操作日志，獲取用戶(hù)對(duì)于移動(dòng)APP產(chǎn)品的使用信息和用戶(hù)設(shè)備、網(wǎng)絡(luò)環(huán)境等信息。
2.2 方法
用戶(hù)行為數(shù)據(jù)獲取通常采用數(shù)據(jù)埋點(diǎn)的方式進(jìn)行，通過(guò)在記錄用戶(hù)詳細(xì)操作日志，了解用戶(hù)與產(chǎn)品的詳細(xì)交互行為，以及用戶(hù)訪問(wèn)移動(dòng)APP時(shí)的設(shè)備、網(wǎng)絡(luò)環(huán)境等信息。傳統(tǒng)的數(shù)據(jù)埋點(diǎn)方式，需要企業(yè)開(kāi)發(fā)自己的信息采集程序和日志處理程序，實(shí)現(xiàn)成本和開(kāi)發(fā)工作量具體，如果同時(shí)兼容平臺(tái)差異，成本會(huì)更大，因此并不適合新興移動(dòng)APP。用戶(hù)行為數(shù)據(jù)的分析，可以借用成熟的數(shù)據(jù)統(tǒng)計(jì)分析平臺(tái)進(jìn)行。
2.3 工具
百度移動(dòng)統(tǒng)計(jì)平臺(tái)是百度公司推出的一款專(zhuān)業(yè)的移動(dòng)APP統(tǒng)計(jì)分析工具，支持ios和android平臺(tái)。開(kāi)發(fā)者可以方便地通過(guò)嵌入統(tǒng)計(jì)SDK，實(shí)現(xiàn)對(duì)移動(dòng)應(yīng)用的全面監(jiān)測(cè)，實(shí)時(shí)掌握產(chǎn)品表現(xiàn)，準(zhǔn)確洞察用戶(hù)行為。
百度移動(dòng)統(tǒng)計(jì)平臺(tái)針對(duì)移動(dòng)APP提供強(qiáng)大的應(yīng)用統(tǒng)計(jì)分析功能，包括：
1. 流量來(lái)源：渠道流量對(duì)比、細(xì)分渠道分析，準(zhǔn)確監(jiān)控不同推廣位數(shù)據(jù)，實(shí)時(shí)獲知渠道貢獻(xiàn)；
2. 受眾洞察：基于百度的海量數(shù)據(jù)積累，多維度分析并呈現(xiàn)用戶(hù)畫(huà)像信息；
3. 終端分析：設(shè)備分布一目了然（設(shè)備型號(hào)、品牌、操作系統(tǒng)、分辨率、聯(lián)網(wǎng)方式、運(yùn)營(yíng)商等）；
2.4 輸出
用戶(hù)行為數(shù)據(jù)分析的結(jié)果是用戶(hù)角色畫(huà)像，構(gòu)建用戶(hù)的標(biāo)簽?zāi)Ｐ停脩?hù)標(biāo)簽數(shù)據(jù)的獲取則主要是依賴(lài)數(shù)據(jù)挖掘算法，標(biāo)簽體系的構(gòu)成針對(duì)不同的行業(yè)、不同業(yè)務(wù)、不同用戶(hù)，各有不同，需要更專(zhuān)業(yè)的行業(yè)用戶(hù)畫(huà)像模型，在此不做過(guò)多的討論。用戶(hù)畫(huà)像輸出結(jié)果示例如下圖所示：
3、 用戶(hù)體驗(yàn)數(shù)據(jù)分析
3.1 目標(biāo)
一款移動(dòng)APP要想取得成功，除了滿(mǎn)足用戶(hù)功能性的需求之外，還必須提供良好的用戶(hù)體驗(yàn)。用戶(hù)體驗(yàn)是指產(chǎn)品如何與外界發(fā)生聯(lián)系并發(fā)揮作用，亦即人們?nèi)绾?ldquo;接觸”和“使用”產(chǎn)品。用戶(hù)體驗(yàn)形成了用戶(hù)對(duì)企業(yè)或產(chǎn)品的整體印象，界定了企業(yè)或產(chǎn)品與競(jìng)爭(zhēng)對(duì)手的差異，并且決定了用戶(hù)是否還會(huì)再次光顧。優(yōu)質(zhì)的用戶(hù)體驗(yàn)是企業(yè)或產(chǎn)品重要的資產(chǎn)，能夠給企業(yè)帶來(lái)投資回報(bào)率（ROI）的提升和用戶(hù)轉(zhuǎn)化率（conversion rate）的提升。
3.2 方法
改善用戶(hù)體驗(yàn)的前提是獲取用戶(hù)體驗(yàn)數(shù)據(jù)，用戶(hù)體驗(yàn)數(shù)據(jù)的可以采用傳統(tǒng)的直接接觸用戶(hù)來(lái)了解用戶(hù)，也可以通過(guò)互聯(lián)網(wǎng)模式遠(yuǎn)程異地在線調(diào)研來(lái)了解用戶(hù)，兩者互為補(bǔ)充，相輔相成。直接接觸用戶(hù)模式通過(guò)用戶(hù)訪談和現(xiàn)場(chǎng)調(diào)查進(jìn)行，溝通充分，效果顯著，但是目標(biāo)調(diào)研對(duì)象選擇、溝通成本和樣本規(guī)模受到時(shí)間、資金投入的限制?；ヂ?lián)網(wǎng)遠(yuǎn)程異地在線調(diào)研模式實(shí)現(xiàn)了線下問(wèn)題線上化，通過(guò)線上問(wèn)答，可以節(jié)約成本，擴(kuò)大樣本規(guī)模，是直接接觸用戶(hù)模式的一種有益補(bǔ)充。二者主要特點(diǎn)對(duì)比如下圖所示：
3.3 工具
百度眾測(cè)平臺(tái)是百度公司開(kāi)發(fā)的眾包模式在軟件和產(chǎn)品測(cè)試上的延伸和典型應(yīng)用，它將企業(yè)產(chǎn)品的相關(guān)測(cè)試工作交由網(wǎng)絡(luò)社區(qū)大眾來(lái)完成，是一個(gè)任務(wù)眾包平臺(tái)，即服務(wù)于百度自身產(chǎn)品，也面相公眾提供服務(wù)。百度眾測(cè)平臺(tái)的目的是利用大眾的測(cè)試能力和測(cè)試資源，在短時(shí)間內(nèi)完成大工作量的產(chǎn)品體驗(yàn)，并能夠保證質(zhì)量，第一時(shí)間將體驗(yàn)結(jié)果反饋至平臺(tái)，再由平臺(tái)管理人員將信息搜集，交給開(kāi)發(fā)人員，這樣就能從用戶(hù)角度出發(fā)，改善產(chǎn)品質(zhì)量、提升用戶(hù)體驗(yàn)。
百度眾測(cè)平臺(tái)主要提供以下幾種測(cè)試任務(wù)類(lèi)型：
快速判斷任務(wù)：一般是簡(jiǎn)單的單選題，用戶(hù)可以快速完成判斷。
問(wèn)卷調(diào)查任務(wù)：用戶(hù)只需要完成在線問(wèn)卷調(diào)查就可以得到相應(yīng)的禮券獎(jiǎng)勵(lì)；
產(chǎn)品找茬任務(wù)：體驗(yàn)一款新產(chǎn)品，提交該產(chǎn)品的BUG或提出該產(chǎn)品的改進(jìn)建議。
特殊任務(wù)：企業(yè)可以基于特定目的，設(shè)定特殊任務(wù)，如當(dāng)前正在進(jìn)行的尚德教育機(jī)構(gòu)創(chuàng)意征集任務(wù)。
實(shí)地調(diào)研任務(wù)：調(diào)研對(duì)象招募類(lèi)項(xiàng)目，通過(guò)發(fā)起實(shí)地調(diào)研任務(wù)，招募符合條件的調(diào)研對(duì)象，參與用戶(hù)現(xiàn)場(chǎng)溝通。
百度眾測(cè)平臺(tái)首頁(yè)操作界面如下圖所示：
百度MTC是業(yè)界領(lǐng)先的移動(dòng)應(yīng)用測(cè)試服務(wù)平臺(tái)，為廣大開(kāi)發(fā)者在移動(dòng)應(yīng)用測(cè)試中面臨的成本、技術(shù)和效率問(wèn)題提供解決方案。同時(shí)分享行業(yè)領(lǐng)先的百度技術(shù)，作者來(lái)自百度員工和業(yè)界領(lǐng)袖等。