通过数据驱动做产品设计
本文共 344 字，大约阅读时间需要 1 分钟。
1、通过数据分析去看为什么要做这个功能
产品经理需要每天看数据（流量、用户、收入、核心页面、重点功能、正在灰度的功能数据、趋势、变化、异常）
2、埋点需求：使用第三方工具埋点（友盟，GA，神策，Growinglo），公司自己通过代码埋点（给埋点起名字，如：见下图）
有这两个埋点事件后，对于其他的用户行为数据都可以以参数的形式进行添加（或者说同时收集用户属性（通用属性：应用版本信息，设备号，用户ID），自定义属性（定位气泡点击，参数：按钮icon，值：开启open 值：关闭close）） 3、针对实验性需求，往往通过ab测试（同时上线a方案和b方案，气泡上线两种颜色，看哪一种效果更好），灰度测试
4、需求上线一段事件后，观察数据效果和关键性指标（留存率），判断是否有迭代优化的必要。
转载地址：http://uugjz.baihongyu.com/
你可能感兴趣的文章
NLP 基于kashgari和BERT实现中文命名实体识别（NER）
查看>>
NLP 时事和见解【2023】
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的？
查看>>
NLP 项目：维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门？IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器：CNN、RNN与Transformer全面解析
查看>>
NLP入门（六）pyltp的介绍与使用
查看>>
NLP学习笔记：使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么？
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统：使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目：维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP：从头开始的文本矢量化方法
查看>>
NLP：使用 SciKit Learn 的文本矢量化方法
查看>>
NLTK - 停用词下载
查看>>
nmap 使用总结
查看>>