前言
面对遗留下来的老旧用户数据，应该怎样整理将一些能够用的上的数据焕发新的活力。这些数据可谓是杂乱无章，它们之间的联系也不容易察觉，面对这些raw的数字和信息需要有一个大局观，毕竟经过加工和整理这些数据还是要汇集到新的系统里为今后的工作提供一定的支持。
用户数据 Vision
用户数据总分类
图中描述了用户数据的分类，这个分类将原有用户，新系统用户作为总的用户数据源，经过一系列的加工最终形成统一的,相互联系的信息成为新系统的数据基础和数据基线。
初步整理数据
原有用户数据
通过对原有用户数据的整理，图表中黑色字体的是以存在的数据，橘色的则是通过对原数据简单计算得出的信息。这些信息将为进一步对用户分类产生作用，同时它们也可以揭示用户的一些习惯，基于这些习惯可以将用户profile，让一个个或一类用户真实的出现在你的面前。下一步的工作就是将数据，信息背后的内容一一展现在眼前。
人口信息可以让我们对用户的基本特征有一个大概的了解，比如说从性别和出生可以帮助我们对用户今后的引导策略选择方向，昵称则可以从侧面了解用户的性格，观察电子邮箱的后缀大概能够了解用户接触互联网的时间或者对互联网的了解程度，例如@Gmail或@hotmail这些用户是较早接触互联网的，对于新事物的接受程度或动手能力会较高，@163和@qq的可以归纳到更广泛的大众群体。
注册时间说明了用户是何时使用我们提供的服务，在没有其他辅助数据之前，越早注册的用户对于公司来说维护的价值就越大，忠诚的也会相对较高。
历史订单是最值得挖掘的数据，这里包含了用户的很多特征和习惯，对于今后用户的归类和再营销有着不可小视的作用，也是我提倡的用数据说话的重要指标和佐证。对于raw的数值科目，日期我们可以大致判断用户对于某类或某几类产品的偏好，和惯常的付费时间。如果有多次记录的话这个用户的轮廓就更加的清晰，猜测的成分就越少，甚至可以根据多组数据预测用户下次有欲望购买的大致时间，若在此时给以用户邮件或短信等方式的引导，转化成功的几率将大大增加。另外经过计算出来的购买次数，平均购买间隔和总花费可以作为衡量用户群体中的等级，针对等级给以用户适当的指导将用户转化为坚实的中间用户群以确保用户的忠诚度，同时还可以提高用户的参与度为今后的问卷调研等工作培养出基础人群，这将会增大回馈数据的可靠性。
接下来要设计新系统的数据结构，在旧数据的基础上结合业务的新需求。
网友评论