字节跳动ClickHouse在用户增长分析场景的应用
数据管道
共 874字,需浏览 2分钟
·
2020-07-28 15:47
点击上方“数据管道”,选择“置顶星标”公众号
干货福利,第一时间送达
来源:数据仓库与Python大数据
flink火完,那就是clickhouse了,这两个利器,一定要学。
业务背景:就是做用户增长,提升dau
主要是通过使用clickhouse来挖掘数据,供业务决策,你的策略是否有效
需要数据支持,数据驱动业务增长
app新发版之后,发现dau下降,这时候正常的操作就是,是不是发版的问题,其实这么
思考确实没有错,因为你的app版本会影响dau的埋点和上报,会带来dau统计降低
当然这么断然决定app版本升级带来的问题,也是一种猜测,需要数据提供支持
陈星团队通过数据分析发现,老用户留存率依然很高,只是新用户留存率比较低,那
问题出在了拉新环节上,这不是这个新用户的用户质量问题,有没有刷量的用户(假流量)
下面就是比较常规的方法轮,这个其实也是通过数据,推动算法迭代
然后在不同的分层实验平台上进行A/B测试,看效果,如果ok就全量上线。
既要支持用户行为分析,也就是常说的漏斗分析,看看是哪个环境出现了流失,哪个环境
带来的效果还,反复迭代规律,提升营销的效果
多维度分析,主要是看多个维度下分维度交叉对比,维度带来的效果,比如设备维度
策略维度,小时维度,媒体维度,广告类型等等
看这个产品,感觉还马马虎虎,麻雀虽小,五脏俱全。大家可以模仿一下,如果公司
内没有这些页面,可以加上,其实就是比较常规的数据分析功能。
下面就是比较核心的,技术方案选型,我就不一一列举了,这些都是面试的点
下面就是一些开发迭代了,其实就是一步步迭代的过程,当然ppt上写的很简单
相信他们其实走的路,常人难以体会到,尤其是新框架的摸索
我觉着他们的玩法,很好,别管能不能行,先来一个简单的数据倒入,先查查看看
效果,好多公司只是旁观,不敢去主动尝试。
评论