通过队列分析从您的数据中获得正确的见解Minnie Katzen Mayer 2019年5月16日存在一种常见的误解，即在最高级别和最广泛的范围内分析数据将提供最广泛的概述。事实上，情况恰恰相反；如果数据过于宽泛，可能会有欺骗性。正确的维度、切片、切分和对齐数据有助于了解哪些是有效的，哪些是无效的。最重要的是，在正确的上下文中查看数据才是最重要的大多数。清理noiseContext很难分离，上下文可以同时表示许多不同的东西。在统计学课程中，您首先要了解的是，数据永远不能确定因果关系，只能确定相关性。当涉及到相关性时，你需要尽可能多地清除周围的噪音，以证明这是一个强大的噪音。数据永远不可能完全清除噪音，但选择滤除大部分噪音的过滤器可以让你变得更强见解。这里这是一个现实生活中"苹果对苹果"的例子。目的：比较一打苹果的家庭消费习惯。我们将确定一个"家庭"必须至少有4个人，并且我们正在比较一个相同大小的购买（一打）的消费：家庭a在星期天买一打苹果家庭B在星期三买一打苹果！函数（e，t，s，i）{var n="InfogramEmbeds"，o=e.getElementsByTagName（"脚本"）[0]，d=/^http:/.test（e.location）？"http:"："https:；if（/^\/{2}/.test（i）&（i=d+i），window[n]&&window[n].initialized）window[n]&window[n].process（）；else if（！e、 getElementById（s））{var r=e.createElement（"脚本"）；r.async=1，r.id=s，r.src=i，o。parentNode.insertBefore（r，o）}（文档，0，"infogram async"https://e.infogram.com/js/dist/embed-loader-min.js"）；苹果对苹果：4岁以上家庭的消费习惯从一段时间来看，数据不分组时，看起来周六是消费高峰期，但否则，很难理解这些数据。当我们按购买日对数据进行分组时，趋势很容易看出：A家庭对苹果的消费速度缓慢，但速度相当稳定，但到第3天似乎已经厌倦了苹果，消费趋于平稳。另一方面，B家庭最初对购买苹果并不感兴趣，但在第3天和第4天消费量激增（也许他们找到了一个很好的苹果派食谱？）。回到广告技术领域，让我们重新检查一下以前的ARPU示例。仅仅比较一天和另一天的ARPU是不够的。我们需要考虑所有的噪音并过滤掉：比较一周中类似日子的ARPU，比较用户数量、活动，以及是否有促销或优惠可以推动更多的购买。在分析任何kpi时，您需要确保将数据与并行数据并行比较；将apples与苹果。订阅最新的移动营销技巧趋势收件箱。队列当涉及到将关键绩效指标并列起来并评估战略成功时，群组分析是你需要的工具。群组分析：将具有共同特征的用户分组，在不同的时间范围内测量这些群体的特定KPI。群组不仅仅是分析KPI。通过发现隐藏的趋势，队列分析提供了优化实时活动和实时更改所需的洞察力，从而提高参与度和收入。开始进行同室队列分析起初可能有点让人望而生畏，但只需几个简单的步骤，你很快就可以成为大师。设置查询首先，你必须确定你感兴趣的是什么。定义KPI和成功指标将引导您朝着正确的方向前进。你是否同时衡量活动以比较媒体来源？或者是衡量同一运动在不同地区的成功率？你怎么定义成功呢？一旦你对你要问的问题和你需要回答的指标有了明确的想法，你就走到了一半好了。给你是一个方便的队列分析公式问题：组用户具有相似的特征来比较特定时间段内的行为和指标！函数（e，t，s，i）{var n="InfogramEmbeds"，o=e.getElementsByTagName（"脚本"）[0]，d=/^http:/.test（e.location）？"http:"："https:；if（/^\/{2}/.test（i）&（i=d+i），window[n]&&window[n].initialized）window[n]&window[n].process（）；else if（！e、 getElementById（s））{var r=e.createElement（"脚本"）；r.async=1，r.id=s，r.src=i，o。parentNode.insertBefore（r，o）}（文档，0，"infogram async"https://e.infogram.com/js/dist/embed-loader-min.js"）；可在队列分析中选择的过滤器和分组示例特征是衡量结果的维度。kpi是您将要分析的实际指标，时间范围将为度量设置窗口。让我们举一个例子，在这个例子中，我们试图评估某个运动在不同国家的成功。我们要查看用户在安装应用程序当天、首次安装后的第二天以及几天后的行为。通过调整安装日期，我们可以分析用户行为以及与应用程序的交互，从而平衡竞争环境。为所有用户调整这一指标有效地比较了苹果和苹果。当在仪表板中定义我们要检查的群组时，我们会选择相关的应用程序。在下面的示例中，我们将按国家对队列进行分组，并选择2019年4月1日至4月7日这一周。我们将最小队列大小设置为10个用户。我们将添加一个过滤器，用于正确的活动：春季销售4月活动。这就是所选内容的外观比如：设置AppsFlyer仪表盘中的群组分组、筛选器和维度准备就绪时，单击应用按钮运行查询。分析结果我们的数据视图将由预定义的应用内事件确定。在本例中，我们将查看两个不同的预定义指标：每个用户的平均会话数和每个用户的平均收入用户。什么时候看看每个用户的平均会话数，这是我们参见：俄罗斯用户对这个应用程序非常投入，但这就是整个故事吗？乍一看，春季竞选似乎在俄罗斯（RU）表现得异常出色，而在印度尼西亚（ID）表现非常糟糕。从数据的表视图来看，我们可以看到，印度（in）和中国（CN）都有轻微的增量增长，俄罗斯的平均每用户会话数在第30天出现了大幅飙升。需要注意的是，这些数据是由默认值。表-查看按国家/地区分组的每个用户的平均会话细分。第0天是安装日，但是这个数据并没有给我们提供完整的情况。我们可以看到，与其他国家相比，俄罗斯的参与度在不断攀升。这是否意味着这场运动在俄罗斯最为成功？每个故事（至少）都有两面性。如果我们将数据视图切换到每个用户的平均收入，我们将看到一个完全不同的故事：虽然俄罗斯用户在竞选活动中很活跃，但他们没有花任何钱。然而，中国用户平均每次访问的花费都很高。因此，我们可以得出结论，俄罗斯市场的营销活动还有优化的空间，并鼓励他们完成购买（如特价优惠、优惠券或销售）。由于中国用户在第4天左右的消费停滞期，我们可以在这段时间安排一个重定目标的活动。印度用户在消费上表现出稳定的趋势，这正是我们所关注的为了。另一个从这两个队列分析中我们可以得到有趣的见解，那就是印尼用户的奇怪行为。虽然有相当数量的安装（249），但实际上没有应用程序启动和购买。这可能表明存在欺诈行为，需要通过Protect360 dashboard进行更深入的分析。现在我们已经介绍了群组分析的基础知识，因此了解进入仪表板的大量数据就不那么令人畏惧了。查看Queen的姊妹报告Retention，了解分析应用程序流失水平的类似逻辑。在AppsFlyer帮助中心了解更多关于群组的信息或立即请求演示！要求一个关于Minnie的演示Katzen Mayer Minnie是一个营销策略师，在内容和产品营销方面有超过10年的经验。在加入AppsFlyer之前，Minnie在Payoneer和几家初创公司领导了内容营销计划。