DAU新解

简介: 写在回归之时 --------------------------- 抱歉,已经超过三年没有回到这里了。 浮躁,虚荣,一颗心没有落到地上,也没有好好总结一下自己。怀念最开始那个时候的状态,安静的做点事情,没有那么多关于管理,开会,PPT,甚至领略战略意图的繁琐。

写在回归之时

---------------------------

抱歉,已经超过三年没有回到这里了。

浮躁,虚荣,一颗心没有落到地上,也没有好好总结一下自己。怀念最开始那个时候的状态,安静的做点事情,没有那么多关于管理,开会,PPT,甚至领略战略意图的繁琐。不是这些不好,而是有更重要的事情要组完成。Small is beautiful。越来越多的事情,越来越多的时间消费,失去了奋斗精神,失去了激情。我不相信这是因为人多了,一切就要随着变,我希望传统不变。

我想去研究一点东西,做一点事情,一点可以一直做下去的事情,这几年,经历了很多的主题,战略,每一个都没做踏实,但又幸好走过来了,可是自己,带着伙伴,却变得有些缺少狼性,缺少信心,为什么?也许是缺少坚实的基础和底气。

我想踏实认真的做一件事,哪怕它失败了,至少我是完整的经历了。

我已经没了最开始的激情,多了很多的抱怨,痛苦,诉说自己种种无法释怀的事情,种种无法让人理解的事情,其实到头发现,没人会在意,自己不去改变,什么也不会变化。

所以,现在需要给自己一个重新来过的机会。做好一件事。

以前做过游戏,做过金融,做过培训,做过广告,当下在做零售,事杂,但求从此刻开始,做好一件事。

---------------------------

正文

这是回归这里来的第一篇文章,就从自己最熟悉的方向开始说起,今天要聊的是DAU。

这个指标已经不需要再去解释定义,从前几年开始,流行于整个互联网行业,也是投资者看中的重要维度,有了这个,等于拿到了船票。之前我也写过文章,从运营层面解读过,今天要说的,其实是DAU的新解。

DAU的确是当下最直接的反馈用户规模的指标,而不是累计注册用户数,累计注册也就是Vanity Metrics,实际上没什么直接价值,但却是可以反应你的数据资产情况的重要维度。下次我们在具体聊。

DAU折射出来的问题有以下几点:

到目前为止,平均每天与你的业务有交互的人有多少;

到目前为止,每天你能够收集到数据资产有多少;

到目前为止,每天你能够触达的用户有多少;

到目前为止,有多少人仍旧对你有信心;

对于任何业务而言,当最终用户不再登陆或者访问你的平台时,意味着从此他不再是活跃的一份子,而你丧失的不仅仅是当初获取这样一个用户所花费的几十块钱,真正核心的是,从此丧失了数据资产,因为只要与你的业务产生交互,就意味着会产生数据,积累数据资产。而这些资产就是最重要的材料,来帮助你去转化用户和业务。

数据资产产生的前提是与你所提供的业务有交互过程,交易过程。DAU代表的价值之一,是当下你还能收集多少的有效数据,能够帮助你营销和运营。而同时,基于这些每天创造的资产,经过整合加工后,又能够去触达多少人,影响多少人,但这里会有疑问,为什么不是累计注册用户代表你能触达多少人,从实际情况看,当用户丧失与业务之间的联系,理论上可以做到触达,然而,我们其实已经不了解这个人了,因为从体验和决策路径上,这个人已经不在你控制的闭环体系内,除非你能通过其他的数据,捕捉到人的近期诉求,恰好你有很好的解决方案或者产品。

至于最后一点,信心,是因为如果你有100个用户注册,而今天仍旧有5个在使用或者交互,说明它们5个还对你有信心,或者至少没失望。

通俗地说,DAU将直接反应你现在拥有的数据资产情况,以及持续的收集能力。而这些则决定你的营销,运营是否会带动业务的突破。

有人说,今天我在企业营销时,我缺少数据,很多人我无法基于数据进行建模,分析,挖掘价值,最典型的就是针对新用户,也就是那些刚刚选择你的业务,或者登陆一次,从而离开了。当我们意识到DAU背后的数据价值,我们就知道了,我们的一次短信,一次PUSH,一次campaign都是在某个层面促动用户来贡献更多的数据,进而不断的了解客户,提供优质服务。

换句话说,今天我们有个误区,所有的营销,有的投放,所有的运营成本,最直接的反馈就是用户数和金钱价值,实际上,这其中还有数据价值。因为如果你理解了当你的营销进行时还带来海量数据时,你就能懂得,我会通过这些数据不断的了解用户,不断提供优质服务。

举个例子,我们知道对于一个新客户进来后,我们其实很难捕捉精准需求,但是我们可以通过曾经的大量新用户的行为和特征,来测算出新用户适合的几个营销场景和营销机会。而这有赖于对曾经的新客户的数据分析挖掘,同时,对于一个新客户,还需要不断的使其参与平台或者业务互动,贡献更多的数据,寻找特征。

也就是说,对活跃客户或者新客户的持续活跃运营,当然基于数据的,则会不断使用户无限迫近于某个典型特征,从而进行有意义的营销。

比如对服装企业而言,10月份的季节,同一个品牌,一家开在上海,一家开在吉林,对两个新顾客,你的激活销售的策略完全是不同的,活动方法也是不同的,而这可以通过天气数据来刺激消费群体,同时换取用户的有效活动行为,比如参与兴趣或者意向,最终会定制出来一些不同的营销策略。

总的说DAU上升一个层次的理解,是在数据资产的维度,交互意味着带来更多的数据,更多的数据有助于推动数据的建模和分析,进而反向刺激客户,收集数据,促进转化。

相关文章
|
机器学习/深度学习 运维 算法
梯度&散度&旋度&峰度&偏度你分得清楚吗?驻点&鞍点你分得清楚吗?曲率&斜率你分得清楚吗?
本文介绍了四种常见的物理量:加速度,速度,位移和力学功。详细介绍了它们的定义、计算以及在物理学和工程学领域中的应用。此外,本文还介绍了四种与物理量相关的概念:向量、标量、质量和密度。 数学,物理,机器学习领域常见概念区分
1334 0
|
5月前
|
人工智能 算法
算法金 | 平均数、众数、中位数、极差、方差,标准差、频数、频率 一“统”江湖
**统计学江湖概要** - **平均数(均值)**:数字的总和除以数量,代表集中趋势,如分赃时平均分配。 - **众数**:出现次数最多的数字,反映了最常见的值,如同一招式被频繁使用。 - **中位数**:排序后位于中间的值,反映数据的中心位置,如同武者武功的中等水平。 - **极差**:最大值减最小值,表示数据波动范围,类似武功最高与最低的差距。 - **方差**:衡量数据波动性,计算每个数值与均值差的平方和的平均数。 - **标准差**:方差的平方根,同单位的波动度量。 - **频数**:某个值出现的次数,如统计武器使用情况。 - **频率**:频数与总次数的比例,显示出现的相对频率。
100 2
算法金 | 平均数、众数、中位数、极差、方差,标准差、频数、频率 一“统”江湖
|
7月前
|
安全
202012-1 期末预测之安全指数
202012-1 期末预测之安全指数
|
7月前
|
数据可视化 前端开发 SEO
R语言门限误差修正模型(TVECM)参数估计沪深300指数和股指期货指数可视化
R语言门限误差修正模型(TVECM)参数估计沪深300指数和股指期货指数可视化
|
7月前
R语言小数定律的保险业应用:泊松分布模拟索赔次数
R语言小数定律的保险业应用:泊松分布模拟索赔次数
|
机器学习/深度学习 人工智能 缓存
走近高德驾车ETA(预估到达时间)
ETA(Estimated Time of Arrival),即预估到达时间,指的是用户在当前时刻出发按照给定路线前往目的地预计需要的时长。如何准确地预估ETA对于高德地图的诸多业务板块都起到至关重要的作用。
走近高德驾车ETA(预估到达时间)
软考:净现值NPV、回收期、收益率计算方法
软考:净现值NPV、回收期、收益率计算方法
625 0
软考:净现值NPV、回收期、收益率计算方法
|
前端开发 数据可视化
你不得不看的干货,不看损失一个亿(上)
你不得不看的干货,不看损失一个亿
你不得不看的干货,不看损失一个亿(上)
|
JavaScript 前端开发
你不得不看的干货,不看损失一个亿(下)
你不得不看的干货,不看损失一个亿
你不得不看的干货,不看损失一个亿(下)
|
Python
OBV指标交易策略(累积能量潮与移动能量潮,成交量多空比率净额及相关应用原则)
OBV指标交易策略(累积能量潮与移动能量潮,成交量多空比率净额及相关应用原则)
914 0
OBV指标交易策略(累积能量潮与移动能量潮,成交量多空比率净额及相关应用原则)