사용자 행동 분석이란 무엇인가요? 사용자 행동 분석은 어떻게 하나요?

1. 사용자 행동 분석이란 무엇입니까?

사용자 행동은 5W2H로 요약할 수 있습니다:

누가(누가), 무엇을(어떤 행동을 했는지), 언제(언제), 어디서(어디서), 왜(목적이 무엇인지) it), 어떻게(어떤 수단으로), 얼마(얼마나 걸렸는지, 비용이 얼마나 들었는지).

이용자 행태 분석은 통계를 수집하고 이를 분석하여 사용자가 제품을 사용하는 규칙을 찾아내고, 이러한 규칙을 웹사이트의 마케팅 전략, 제품 기능, 운영 전략과 결합하여 마케팅, 제품 및 가능성을 발굴하는 것을 말합니다. 이러한 문제를 해결하면 사용자 경험을 최적화하고, 보다 정교하고 정확한 운영과 마케팅을 달성할 수 있으며, 제품이 더 나은 성장을 이룰 수 있습니다.

2. 사용자 행동분석이 필요한 이유는 무엇인가요?

PC 인터넷 시대에는 인터넷 사용자의 연간 성장률이 50%에 달했고, 모바일 인터넷 초창기에는 웹사이트만 구축해도 많은 트래픽을 얻을 수 있었던 APP도 경험했습니다. 트래픽 배당금의 물결 및 고객 확보 비용 최근 몇 년 동안 트래픽 증가 배당금이 약해지면서 각 분야에서 수백 명의 동료가 경쟁하고 고객 확보 비용이 점점 더 치열해졌습니다. 비즈니스 성장도 점점 더 느려지고 심지어 거꾸로 가고 있습니다.

사진: 인터넷 업계의 경쟁은 점점 치열해지고 있습니다

이렇게 고비용, 경쟁이 치열한 환경에서 기업이 데이터 분석을 활용하여 정교한 운영을 수행하지 못한다면 엄청난 결과가 초래될 것입니다. 자원의 낭비는 필연적으로 회사의 운영 비용을 증가시키고 경쟁력을 떨어뜨립니다. 인터넷 플랫폼의 경우 전통적인 데이터 분석은 주로 결과형 데이터를 분석하지만, 결과를 산출하는 사용자 행동 프로세스에 대한 분석이 부족하기 때문에 최근에는 데이터 분석의 가치가 상대적으로 제한적이라고 생각하는 경우가 많습니다. 데이터 분석을 실시했지만 큰 효과는 없었습니다.

사용자 행동의 5W2H를 분석함으로써 사용자가 어디서 왔는지, 어떤 작업을 수행하는지, 왜 잃었는지, 어디에서 졌는지 등을 이해할 수 있습니다. 이를 통해 사용자 경험과 플랫폼 전환율을 향상시키고, 기업이 세련된 운영을 통해 비즈니스 성장을 달성할 수 있도록 지원합니다.

3. 사용자 행동 데이터는 어떻게 수집하나요?

사용자 행동 분석이 이렇게 중요한가요? 사용자 행동 분석을 잘 할 수 있는 인터넷 기업이 왜 그렇게 적은 걸까요? 주된 이유는 불완전한 데이터 수집과 불완전한 분석 모델입니다.

1. 사용자 행동 데이터를 효율적으로 수집하는 방법

기존 데이터 분석은 데이터 정밀도가 부족하고 분석 모델이 불완전하여 너무 광범위하고 분석 결과의 활용 가치가 낮습니다. . 분석을 잘하려면 먼저 풍부한 데이터가 있어야 하므로 데이터 수집부터 시작해야 합니다. 전통적인 사용자 행동 데이터 수집 방법은 상대적으로 비효율적입니다. 버튼, 링크 또는 페이지에 모니터링 코드를 추가해야만 이 버튼을 클릭하고 이 페이지를 클릭한 사람 수를 알 수 있습니다. 이러한 방식을 '매장점'이라고 하는데, 매립에는 많은 인력과 에너지가 필요하고, 과정이 번거로워 인력과 물적 자원에 대한 투자비용이 높다.

모바일 인터넷 시대에는 포인트를 매장할 때마다 앱스토어에 올려야 하기 때문에 포인트 매장이 더욱 힘든 작업이 됐다. 애플 앱스토어의 심사 주기에도 결함이 있다. , 이는 데이터 수집의 적시성을 더욱 감소시킵니다. 데이터 분석은 비즈니스 개발에 매우 ​​중요한 부분이므로 인적, 물적 자원 비용이 너무 높더라도 이 작업을 없앨 수는 없습니다.

따라서 국내외에는 포인트 프리 수집 기능을 구현하는 우수한 사용자 행동 분석 도구가 있음을 확인했습니다. 예를 들어 해외 Mixpanel, 국내 WEB의 디지털 괴짜, H5, 안드로이드, iOS의 4개 단말기 모두 숨은 포인트 없이 데이터를 수집할 수 있습니다. 매몰점 없는 수집을 통해 데이터의 완성도와 적시성을 크게 높일 수 있습니다.

2. 사용자 행동 데이터를 정확하게 수집하는 방법

일부 핵심 비즈니스 데이터의 경우 100% 정확성을 보장하고 싶기 때문에 백엔드에 포인트를 묻어서 보완할 수도 있습니다. , 핵심 비즈니스 데이터의 정확성을 보장하면서 매몰점이 제공하는 효율성과 편리함을 경험할 수 있습니다. 데이터 수집 측면에서 Shugeke는 매장지 없음, 프런트엔드 매장지, 백엔드 매장지, Shugeke BI 가져온 데이터의 네 가지 데이터 통합 ​​방법을 지원합니다.

4. 사용자 행동 분석을 잘하려면 어떻게 해야 할까요?

먼저 비즈니스 목표를 명확히 하고, 목표에 따라 비즈니스 프로세스를 깊이 이해하고, 모니터링해야 할 핵심 데이터 노드를 찾아내고, 수집 및 정리 작업을 잘 수행해야 합니다. 충분한 데이터가 있어야 과학적 모델도 분석 결과를 보다 효과적으로 뒷받침할 수 있습니다.

이전 세대 사용자 행동 분석 도구(더 정확하게는 웹사이트 통계 또는 APP 통계)의 주요 기능은 탐색 행동 분석으로 제한되어 있으며 사용자의 심층적인 상호 작용 행동을 분석하지는 않습니다. 따라서 분석의 가치는 상대적으로 제한적입니다. 현재 대부분의 인터넷 실무자의 사용자 행동 분석에 대한 인상은 여전히 ​​이 단계에 있습니다.

사용자 행동 분석을 제대로 수행하려면 다음 분석 모델을 숙지해야 한다고 생각합니다.

1. AARRR 모델을 지원하는 사용자 행동 전체 추적

500 Startups Investment Dave McClure는 실리콘 밸리에서 널리 사용되는 다양한 단계의 사용자 확보를 분석하기 위한 일련의 "해적 지표" 분석 모델을 제안했습니다.

AARRR은 Acquisition, Activation, Retention, Revenue, Refer의 약자로 사용자 라이프사이클의 5가지 중요한 링크에 해당합니다. 먼저 사용자의 전체 라이프를 기반으로 사용자 행동 분석이 이루어져야 합니다. 사이클.

1). 사용자 확보

마케팅 프로모션에서 가장 많은 트래픽을 가져오는 채널은 무엇이며, 채널의 ROI는 얼마입니까? 다양한 광고 콘텐츠의 전환율은 모두 이 단계에서 분석된 데이터입니다.

소스 채널은 고객 확보의 첫 번째 단계로, 시스템에 의한 자동 식별과 맞춤형 채널의 결합을 통해 각 소스 채널의 유지 및 전환 효과를 분석할 수 있습니다. 프로모션 채널, 이벤트 등 UTM 프로모션 매개변수의 다차원적 분석을 활용한 데이터 분석 플랫폼을 통해 웹사이트 접속 소스, 앱 다운로드 채널, 각 검색 엔진의 검색 키워드를 쉽게 집계 및 분석할 수 있습니다. 이름, 디스플레이 미디어, 광고 콘텐츠, 키워드 및 랜딩 페이지를 교차 분석하여 고품질 채널과 열등한 채널을 식별하고 정밀한 추적을 수행하며 채널 ROI를 향상시킬 수 있습니다.

채널 품질 모델을 통해 해당 고객 확보 프로모션 전략 개발:

그림: 채널 품질 모델

위 그래픽에 표시된 채널도 품질의 예입니다. 동적으로 변경됩니다. 첫 번째 사분면에서는 채널 품질이 높고 트래픽이 크므로 채널 전달 전략과 전달 강도가 유지되어야 합니다. 두 번째 사분면에서는 채널 품질이 상대적으로 높지만 트래픽이 상대적으로 적습니다. 우리는 채널에 대한 투자를 늘리고 채널 품질의 변화에 ​​지속적으로 주의를 기울여야 합니다. 3사분면에서는 채널 품질이 좋지 않고 트래픽이 적으므로 4사분면에서는 이 채널을 신중하게 조정하고 점진적으로 최적화해야 합니다. 채널 품질은 상대적으로 열악하지만 트래픽은 적습니다. 규모가 클수록 채널 데이터를 분석하여 보다 정확한 전달을 만들고 채널 품질을 향상시켜야 합니다.

2) 사용자 활성화

사용자 활성화는 비즈니스 목표를 달성하는 데 가장 중요한 첫 번째 단계입니다. 매일 많은 수의 사용자가 제품을 사용하지만 강력한 사용자를 구축하는 경우는 없습니다. 귀하와의 관계, 당사에 연락하시면 후속 작업을 수행할 수 없습니다.

3). 사용자 유지

오늘날 제품 성공의 핵심 요소는 입소문이나 대규모 마케팅 비용이 아니라 사용자 유지입니다. 사용자가 계속해서 돌아오게 만드는 제품을 개발하는 것이 중요합니다. Facebook 플랫폼에는 "40 – 20 – 10" 보존 규칙이 있습니다. 숫자는 일일 유지율, 주간 유지율 및 월간 유지율을 나타냅니다. 제품의 DAU가 100만 명을 초과하려면 일일 유지율이 40%보다 커야 하며 주간 유지율과 월간 유지율이 있어야 합니다. 각각 20%와 10%보다 커야 합니다.

유지율은 AARRR 모델의 중요한 링크 중 하나입니다. 우수한 유지율을 보장해야만 등록 후 신규 사용자를 잃지 않을 수 있습니다. 끊임없이 물이 새는 바구니와 같아서, 밑의 갈라진 부분을 수리하지 않고 물만 부어주면 지속적인 성장을 이루기가 어렵습니다.

4). 수입 획득

수입 획득은 모든 플랫폼의 생존의 기반이므로 자신에게 맞는 비즈니스 모델을 찾는 것이 중요합니다. 다양한 비즈니스 모델에 따라 수입을 얻는 방법도 다릅니다. 미디어 플랫폼은 광고에 의존하여 수익을 창출하고, 게임은 사용자 지불에 의존하고, 전자상거래 플랫폼은 수수료 또는 판매자 지불 등을 수집하는 반면, 기업 서비스 분야 LTV에서는 다음과 같습니다. CAC는 3보다 큽니다. 그래야만 효과적이고 건강한 성장을 이룰 수 있습니다.

5) 바이럴 전파

불안정 사용자, 활성 사용자, 최종 충성 사용자까지 모델의 처음 4단계에 대한 최적화 분석을 통해 고객 유지 및 전환을 극대화합니다. , 기업의 충실한 사용자를 육성하고, 사회적 입소문을 통해 기업에 효율적인 이익을 제공합니다.

고객 확보 비용이 높은 오늘날의 세계에서 소셜 커뮤니케이션을 통해 기업은 더 나은 사용자 기반을 확보하고 고객 확보 비용을 낮출 수 있습니다.

2. 전환율 분석 모델

전환율은 지속 가능한 운영의 핵심이므로 더 큰 공간을 사용하여 자세히 설명하겠습니다. 전환 분석에 일반적으로 사용되는 도구는 전환 유입 경로, 줄여서 유입 경로입니다. 신규 사용자는 가입 과정 전반에 걸쳐 이탈하여 결국 깔때기 모양을 형성하게 됩니다. 사용자 행동 데이터를 분석하는 과정에서 최종 전환율을 보는 것뿐만 아니라 전환의 각 단계에서의 전환율에도 관심을 갖습니다.

1) 과학적으로 퍼널을 구축하는 방법

과거에는 제품 및 운영 경험을 기반으로 퍼널을 구축했지만 이 퍼널을 최적화하는 방법은 무엇입니까? 전반적인 전환율에 대해서는 개선이 얼마나 효과적인지 확신할 수 없습니다. 현재로서는 사용자 흐름 분석을 통해 사용자의 주류 경로를 이해할 수 있습니다.

그림: 사용자 흐름 분석

사용자 흐름 분석은 매우 직관적이지만 분석가에게는 특정 경험과 판단 능력이 필요합니다. 이 문제를 해결하기 위해 Shugeke는 전환 대상을 선택한 후 한 번의 클릭으로 사용자 전환의 주요 경로를 분석할 수 있는 지능형 경로 분석 기능을 개발했습니다. 퍼널 생성의 효율성을 몇 초로 줄입니다.

그림: 지능형 전환 분석

2). 유입경로 비교 분석 방법

전환 분석에는 일반 유입경로만으로는 충분하지 않습니다. 전환에 영향을 미치는 세부 사항을 분석하기 위해서는 세분화 및 비교 분석을 수행할 수 있는 능력이 매우 중요합니다. 예를 들어, 사용자 소스 채널별 전환 유입경로를 비교하면 채널 최적화를 위한 다양한 채널의 전환 차이를 이해할 수 있고, 사용자 장치를 비교하면 다양한 장치를 사용하는 사용자의 전환 차이를 이해할 수 있습니다. 더 높은 가격을 사용하여 채널을 최적화할 수 있습니다.) 주문에서 결제까지의 전환율은 Android 사용자보다 iPhone 사용자가 훨씬 더 높습니다.

그림: 유입경로 비교 분석

3) 유입경로와 사용자 흐름의 결합 분석 방법

일반 전환 유입경로에는 주요 프로세스만 있고 흘러나오는 세부 정보를 통해 사용자 등록 전환을 분석할 때 다음 단계로 전환하지 못한 사용자가 어디로 갔는지 알 수 있다면 사용자의 전환 경로를 보다 효과적으로 계획할 수 있습니다. 예를 들어, 아래 그림의 전환경로에서 2단계에 진입하지 않은 사용자 중 88%가 바로 이탈한 반면, 등록된 사용자 중 10%는 직접 로그인을 선택했으며, 2%의 사용자만이 랜딩페이지를 우회하여 이동했습니다. 홈페이지로 이동하고 2단계에서 3단계로 전환하지 않은 사용자는 100% 남습니다. 일반적인 폐쇄형 랜딩페이지이므로 3단계에서 전환율을 최적화하기만 하면 전체 전환율을 높일 수 있습니다.

4) 미시전환 행위 분석 방법

많은 행위 분석 제품은 기능 수준과 이벤트 수준에서만 전환을 분석할 수 있지만 사용자 상호 작용 분석에는 심각한 결함이 있습니다. 예: 위의 유입경로에서는 마지막 단계가 전환에 영향을 미치는 핵심이지만 마지막 단계는 등록 양식이므로 양식 작성의 세부 동작 분석이 중요합니다. 우리가 마이크로 전환이라고 부르는 것.

예: 양식을 작성하는 데 걸리는 시간, 양식을 작성했지만 제출하지 않은 필드 사용자가 채울 때 손실된 항목, 양식 필드 공백 비율 및 기타 양식 작성 동작.

사진: 양식 작성 전환 유입경로

사진: 양식 작성 시간

위 양식 작성의 미세 전환 분석을 통해 처음부터 전환율이 나타났습니다. 성공적인 등록을 위한 양식 작성 비율은 85%에 도달하고 트래픽의 8%만이 채워집니다. 전환에 영향을 미치는 가장 큰 누수 지점은 채우기 비율이라고 결론을 내릴 수 있으므로 채우기 비율을 개선하는 방법은 다음과 같습니다. 등록 전환 개선의 핵심입니다. 효과적인 콘텐츠와 정확한 채널은 채우기에 영향을 미치는 핵심 요소입니다. 우리는 이미 고객 확보 분석에서 채널 요소에 대해 이야기했으며, 이는 미시 전환 분석의 네 번째 도구인 사용자 관심 분석으로 이어집니다.

5) 사용자 주의 분석 방법

사용자의 페이지 클릭, 탐색, 페이지 요소 체류 기간, 스크롤 등 사용자와 페이지 콘텐츠 간의 상호 작용 화면 등. 이는 모두 제품에 표시될 정보에 대한 사용자의 관심과 그것이 사용자의 관심을 끌 수 있는지 여부를 나타냅니다.

비즈니스 데이터는 시각화할 수 있는데, 행동 데이터는 어떻게 시각화할 수 있을까요? Shugeike는 위의 행동을 화면 분할 도달률 히트맵, 링크 클릭 맵, 페이지 클릭 맵, 탐색 히트맵, 주의 히트맵의 5가지 유형으로 변환했습니다. 사용자가 가장 관심을 갖는 콘텐츠를 효과적으로 분석합니다.

사진: 주의 히트맵

미시 전환의 상호작용 행동 분석을 숙지해야만 전환율을 더욱 효과적으로 향상시킬 수 있습니다. 플랫폼의 전환율을 효과적으로 향상시키지 못하는 모든 분석 도구는 기업의 인력과 시간 자원을 낭비하는 것입니다. 이는 많은 기업이 사용자 행동 분석의 혜택을 받지 못하는 근본적인 이유이기도 합니다.

3. 세분화된 운영 모델

과거에는 일부 대상 고객을 대상으로 정밀한 운영을 원하는 경우에만 운영이 가능했습니다.

사진: 사용자 그룹 초상화

예: 특정 지역에서 아이폰을 사용하여 등록했지만 3일 동안 활동이 없거나 활동이 없는 사용자에게 정확한 마케팅을 수행하려는 경우 거래 전환이 이루어지기 위해서는 운영 직원, 제품 직원, 기술 직원이 모두 협력하여 데이터를 검색하고 운영 규칙을 공식화해야 하는데, 여기에는 많은 인력과 시간 투자가 필요합니다. 차세대 사용자 행동 분석은 사용자 그룹화, 사용자 초상화, 맞춤형 사용자 활동 및 유지 행동을 사용하여 사용자를 정확하게 찾아 개선된 운영을 달성할 수 있습니다.

그림: 사용자 그룹 생성

4. 정성 분석 모델

사용자 경험은 제품 디자인, 사용자 연구, R&D, 운영에서 최우선 순위입니다. , 마케팅, 고객 서비스 등 여러 측면에서 사용자의 실제 경험 과정을 이해해야 합니다. 그러나 사용자 경험을 어떻게 최적화할 것인지는 늘 내부 논란의 대상이 되어왔다. 가장 큰 이유는 이를 구체적이고 생생하게 표현하기 어렵다는 점이다. 행동 분석을 통해 비정상적인 사용자 행동이 발견되면 사용자가 제품을 사용할 때 특정 시나리오를 재현할 수 있는 것은 제품 경험을 최적화하는 데 중요합니다.

과거 타오바오에 있을 때 사용자 경험 부서에서는 사용자를 회사에 초대해 인터뷰를 하고 사용성 실험을 하는 등 경험을 최적화했는데, 이 방법에는 많은 시간과 비용 투자가 필요했습니다. 표본이 반드시 대표적인 것은 아닙니다. 이러한 문제를 해결하기 위해 Shugeke에서는 현장 녹화를 위해 사용자를 회사에 초대하지 않고도 비용을 절감할 수 있는 사용자 행동 화면 녹화 도구를 개발했습니다. 모든 위치에서 사용자의 실제 작업을 비디오 형식으로 직관적이고 효율적으로 복원할 수 있습니다. 사용자 경험에 대한 직접적인 정보를 파악하여 제품 개발이 사용자 경험을 향상하도록 돕습니다.

그림: 사용자 행동 화면 녹화 및 재생 인터페이스

요약: AAARRR 모델을 통해 전체 사용자 라이프사이클을 분석하고 전환율 분석 모델을 통해 제품 전환율을 향상합니다. 정제된 운영 특성을 통해 정성적 분석 방법을 통해 사용자 경험을 최적화합니다. 위의 네 가지 측면이 잘 수행되면 사용자 행동 분석을 통해 비즈니스 성장이 확실히 달성될 것입니다.

5. 향후 사용자 행동분석의 방향은 무엇인가요?

이미 여러 회사에서 사용자 행동 분석을 하고 있는데 슈게케를 시작하려는 이유가 무엇인지 묻는 분들이 많습니다. 데이터 분석의 목표는 분석 결과를 적용하여 운영 효율성을 최적화하는 것이라고 생각합니다. 하지만 아직 국내외 주요 분석 도구는 분석 수준에 머물러 있어 효율적으로 적용할 여지가 많습니다. 따라서 데이터 전문가는 분석 수준에서 보다 전문적이고 효과적인 것 외에도 애플리케이션 수준에서도 새로운 혁신을 달성해야 합니다. 데이터 분석 결과에 반영되는 문제점은 크게 운영(마케팅 포함)과 제품 두 가지로 나뉜다. 따라서 이 두 가지 유형의 문제에 대한 타겟 솔루션을 제공해야 합니다.

1. 운영 자동화

앞서 언급한 것처럼 정교한 운영은 사용자 행동 분석 시스템을 통해 달성할 수 있지만 특정 애플리케이션에는 제품을 통해 운영 및 마케팅 전략을 수동으로 수립해야 합니다. 적용하려면 R&D가 필요하며, 전략이 변경되면 해당 도구를 다시 개발해야 하며, 이는 많은 시간이 소요되고 운영 및 마케팅 효율성에 영향을 미칩니다. Shugeke는 멤버십 마케팅 시스템과 자동화된 운영 도구를 개발하여 운영 및 마케팅 담당자가 직접 규칙을 설정합니다. 이 시스템은 규칙에 따라 정확한 이벤트 정보를 자격을 갖춘 사용자에게 자동으로 푸시하여 운영 담당자의 업무 효율성을 직접적으로 향상시키고 운영 담당자가 업무에 집중할 수 있도록 해줍니다. 반복적인 실행에 너무 많은 시간을 낭비하는 대신 계획 작업으로 전환함으로써 자동화된 운영을 통해 회사는 많은 운영 비용을 절약할 수 있습니다.

그림: 자동화된 운영 규칙 생성

2. 제품 및 운영에 대한 과학적 의사결정(마케팅)

사용자 행동 데이터 분석은 행동 후에 수행되는 경우가 많습니다. 분석이 수행되고 제품과 운영은 모두 경험과 두뇌 기반 결정을 기반으로 합니다. 한번 잘못된 결정이 내려지면 돌이킬 수 없는 결과를 초래하게 됩니다. 따라서, 제품 및 운영 계획이 출시되기 전 사용자 전환 A/B 테스트를 통해 제품 및 운영 계획을 소규모로 검증하고, 가장 좋은 계획을 선택하여 출시할 수 있다면, 이는 제품 및 운영 계획의 과학성을 크게 향상시킬 수 있습니다. 의사결정.

Google은 매년 수만 건의 A/B 테스트를 실행하여 제품과 운영을 최적화하여 미화 100억 달러의 수익을 창출하고 있습니다.

A/B 테스트 방법은 매우 효과적이지만 국내 인터넷 기업에서는 널리 사용되지 않습니다. 이는 주로 A/B 테스트 적용의 복잡성과 관련이 있습니다. 괴짜들은 완전한 A/B 테스트 도구를 가지고 있으며, 비즈니스 담당자는 웹사이트와 APP의 시각적 테스트 편집 도구를 사용하여 테스트 보고서를 자동으로 해석함으로써 A/B 테스트의 임계값을 크게 줄일 수 있습니다.

사진: 웹사이트 측 시각적 편집 테스트 도구

3. 분석 자동화

사용자 행동 분석은 어느 정도 전문성을 갖추고 있으며, 다양한 분석 방법을 터득하려면 비즈니스에 대해서도 잘 알고 이를 비즈니스와 결합하여 가치 있는 분석 결과를 제공해야 합니다. 360 보안경비대처럼 될 수 있다면 SDK를 로딩하기만 하면 자동으로 진단하고 분석해 솔루션을 제공할 수 있다. 이것이 슈게케도 이와 관련해 적극적인 시도를 해왔고 예비적인 성과를 거둔 셈이다. . 에는 현재 자동 데이터 경고 및 자동 보고와 같은 기능이 있습니다.

사용자 행동 분석은 과학입니다. 데이터를 잘 얻고, 데이터를 분석하고, 적용하는 것은 모두가 좋은 일을 하기 위한 기본 기술입니다. 모든 기업은 사용자 행동에 대한 빅데이터 적용을 강화해야 합니다. 분석을 통해 데이터의 패턴을 찾고 데이터를 활용하여 비즈니스 성장을 촉진합니다.

Shujike는 중국의 차세대 사용자 행동 분석 플랫폼으로, APP 데이터 분석과 웹사이트 분석을 지원하는 필수 빅데이터 분석 도구입니다. 분석 분야 최초로 정량적 분석과 정성적 분석 방법을 적용한 데이터 분석 제품으로, 사용자 행동 분석 시스템을 기반으로 회원 마케팅 시스템과 A/S 2가지 주요 데이터 지능형 응용 솔루션을 제공합니다. B 테스트 도구를 사용하면 기업이 데이터 기반 증가를 신속하게 구현할 수 있습니다.

이 기사는 원래 Shugeke CEO인 Xie Rongsheng이 작성했습니다. 전체 텍스트와 저자 정보를 유지하시기 바랍니다.