300229 拓爾思
方案內容
用戶行為收集
產品運營分析
用戶分群畫像
內容精準推薦

建立基于登錄用戶和非登錄用戶的兩套閱讀行為點擊收集服務,提供給報社旗下的線上傳播渠道使用,主要包含新聞網站、新聞APP、微信小程序、數字報刊、微網站等形態,進而采集相應的點擊行為數據。對登錄用戶和非登錄用戶建立統一標準的唯一用戶標識,并能夠準確處理登錄用戶在多個不同接觸點登錄的情形。

1. 用戶閱讀行為包括用戶在新聞網站、新聞APP、微信小程序、數字報刊、微網站上的各種瀏覽行為,閱讀行為數據包括:點擊數據、站內搜索數據、閱讀停留時間數據、來源網站數據、收藏數據、轉評贊數據等。

2. 用戶閱讀行為的收集采用兩種方法:js嵌碼、SDK;其中嵌碼適用于Web頁面,包括新聞網站、微信小程序、數字報刊、微網站形態的產品;SDK則適用于蘋果/安卓APP形態的產品。

3. 登錄用戶、非登錄用戶行為收集的差異:登錄用戶的行為數據收集,在流程上和非登錄用戶完全相同,主要區別是登錄用戶的行為數據,在嵌碼或者調用SDK時,同時要調用特定的方法告知登錄用戶標識(一般是登錄名而非用戶真實姓名,網站/App等根據自身的情況來定)的信息。

從互聯網生態視角引導服務媒體傳播平臺建設與發展,通過對新聞網站、新聞APP、微信小程序、數字報刊、微網站等傳播平臺用戶基礎行為數據、用戶忠誠度指數、傳播影響力指數、安全指數及與社交媒體的融合度分析,推動和促進傳播平臺的影響力擴大、輿情把控能力增強及新媒體應用能力顯著提升。

平臺可實現各傳播渠道進行實時數據分析、訪客流量分析、用戶留存分析、來源分析、受訪分析等分析模型:

1、實時數據分析:支持對用戶實時訪問走勢、今日用戶概覽、用戶實時行為、訪問來源、活躍網頁進行分析。包括但不限于實時熱點操作、實時行為:訪問用戶實時走勢、今日用戶概覽、用戶實時行為、訪問來源、活躍網頁。

2、訪客流量分析:分析站點的用戶訪問趨勢、時長比例、訪問明細等;

3、用戶來源分析:分析用戶流量的來源渠道,包括直接訪問、外部鏈接導流、社交媒體引流、搜索引擎引流等,支持對搜索引擎引流的搜索詞進行統計排行,幫助運營人員優化用戶引流策略。

4、站點受訪分析:站點受訪分析包括點擊熱力圖、受訪頁面排行、受訪欄目排行等,幫助運營人員快速掌握多數用戶的使用習慣和內容偏好。

5、用戶留存分析:留存分析是一種用來分析用戶參與情況/活躍程度的分析模型,考查進行初始行為后的用戶中,有多少人會進行后續行為。這是衡量產品對用戶價值高低的重要指標。

對具有某屬性或者某些行為特征的用戶進行群體特征分析。通過用戶分群,快速找到用戶行為的共性,分析不同用戶群的使用情況。通過用戶標簽體系的建設,可對用戶群體和單個用戶進行標簽畫像,可細查單個用戶的行為畫像,回溯其歷史行為,分析用戶流失和轉化。

用戶標簽體系是建立用戶畫像的基礎,用戶標簽體系覆蓋用戶人口屬性、用戶閱讀偏好、用戶行為偏好、用戶上網習慣等方面。

1、內容標簽體系建設:

對新聞內容進行標簽刻畫。采取機器學習的相關算法來實現,即針對一系列給定的標簽,對每篇新聞內容的特征標簽進行自動化提取,作為每篇新聞稿件的標簽,得到每篇新聞的媒體內容畫像。

2、基于用戶和內容標簽關聯的內容推薦:

可以基于用戶標簽體系和內容標簽體系進行匹配,分析不同用戶群體的閱讀偏好,進而形成用戶閱讀行為數據庫。

系統實時更新用戶行為軌跡的記錄,以自動更新用戶的偏好與多維語義特征,實現為用戶推薦用戶感興趣的信息。

用戶行為收集

建立基于登錄用戶和非登錄用戶的兩套閱讀行為點擊收集服務,提供給報社旗下的線上傳播渠道使用,主要包含新聞網站、新聞APP、微信小程序、數字報刊、微網站等形態,進而采集相應的點擊行為數據。對登錄用戶和非登錄用戶建立統一標準的唯一用戶標識,并能夠準確處理登錄用戶在多個不同接觸點登錄的情形。

1. 用戶閱讀行為包括用戶在新聞網站、新聞APP、微信小程序、數字報刊、微網站上的各種瀏覽行為,閱讀行為數據包括:點擊數據、站內搜索數據、閱讀停留時間數據、來源網站數據、收藏數據、轉評贊數據等。

2. 用戶閱讀行為的收集采用兩種方法:js嵌碼、SDK;其中嵌碼適用于Web頁面,包括新聞網站、微信小程序、數字報刊、微網站形態的產品;SDK則適用于蘋果/安卓APP形態的產品。

3. 登錄用戶、非登錄用戶行為收集的差異:登錄用戶的行為數據收集,在流程上和非登錄用戶完全相同,主要區別是登錄用戶的行為數據,在嵌碼或者調用SDK時,同時要調用特定的方法告知登錄用戶標識(一般是登錄名而非用戶真實姓名,網站/App等根據自身的情況來定)的信息。

產品運營分析

從互聯網生態視角引導服務媒體傳播平臺建設與發展,通過對新聞網站、新聞APP、微信小程序、數字報刊、微網站等傳播平臺用戶基礎行為數據、用戶忠誠度指數、傳播影響力指數、安全指數及與社交媒體的融合度分析,推動和促進傳播平臺的影響力擴大、輿情把控能力增強及新媒體應用能力顯著提升。

平臺可實現各傳播渠道進行實時數據分析、訪客流量分析、用戶留存分析、來源分析、受訪分析等分析模型:

1、實時數據分析:支持對用戶實時訪問走勢、今日用戶概覽、用戶實時行為、訪問來源、活躍網頁進行分析。包括但不限于實時熱點操作、實時行為:訪問用戶實時走勢、今日用戶概覽、用戶實時行為、訪問來源、活躍網頁。

2、訪客流量分析:分析站點的用戶訪問趨勢、時長比例、訪問明細等;

3、用戶來源分析:分析用戶流量的來源渠道,包括直接訪問、外部鏈接導流、社交媒體引流、搜索引擎引流等,支持對搜索引擎引流的搜索詞進行統計排行,幫助運營人員優化用戶引流策略。

4、站點受訪分析:站點受訪分析包括點擊熱力圖、受訪頁面排行、受訪欄目排行等,幫助運營人員快速掌握多數用戶的使用習慣和內容偏好。

5、用戶留存分析:留存分析是一種用來分析用戶參與情況/活躍程度的分析模型,考查進行初始行為后的用戶中,有多少人會進行后續行為。這是衡量產品對用戶價值高低的重要指標。

用戶分群畫像

對具有某屬性或者某些行為特征的用戶進行群體特征分析。通過用戶分群,快速找到用戶行為的共性,分析不同用戶群的使用情況。通過用戶標簽體系的建設,可對用戶群體和單個用戶進行標簽畫像,可細查單個用戶的行為畫像,回溯其歷史行為,分析用戶流失和轉化。

用戶標簽體系是建立用戶畫像的基礎,用戶標簽體系覆蓋用戶人口屬性、用戶閱讀偏好、用戶行為偏好、用戶上網習慣等方面。

內容精準推薦

1、內容標簽體系建設:

對新聞內容進行標簽刻畫。采取機器學習的相關算法來實現,即針對一系列給定的標簽,對每篇新聞內容的特征標簽進行自動化提取,作為每篇新聞稿件的標簽,得到每篇新聞的媒體內容畫像。

2、基于用戶和內容標簽關聯的內容推薦:

可以基于用戶標簽體系和內容標簽體系進行匹配,分析不同用戶群體的閱讀偏好,進而形成用戶閱讀行為數據庫。

系統實時更新用戶行為軌跡的記錄,以自動更新用戶的偏好與多維語義特征,實現為用戶推薦用戶感興趣的信息。

方案優勢
數據采集全面
可采集頁面瀏覽行為的粒度數據,所有頁面元素級行為數據。
功能全面
通過用戶留存、內容瀏覽、點擊、用戶忠誠度、用戶閱讀習慣等各類數據統計,全面分析用戶使用情況和體驗。
全端適用
支持對新聞網站、新聞APP、微信小程序、數字報刊、微網站的用戶行為數據進行采集、分析和畫像。
可本地化部署
部署方式靈活,支持多種部署方式,對于大規模項目可支持私有化部署,幫助企業搭建數據倉庫,積累數據資產。
開放接口
提供數據接口,可用于大屏展示。
用戶價值
自定義留存分析
留存是反映任何一款產品健康度的高級指標,無論是運營好壞、產品功能設計如何,最終都可以通過留存衡量整體的情況,貼合產品業務本身去衡量留存,精細化評估產品健康度,讓留存數據更有價值和指導意義。
精細化渠道質量評估
如何評估媒體產品運營質量,需要基于用戶行為并且貼合業務去評估,一款產品,通過不同渠道帶來的用戶,查看了內容詳情的有多少,參與互動的有多少,哪些用戶有邀請行為,最后留存最高的是哪個渠道,再結合渠道投入,計算ROI。
產品分析(路徑轉化/漏斗分析、找到媒體產品改進關鍵點、找到促進核心轉化的相關因素、Aha moment等)
路徑轉化/漏斗分析 :關注核心轉化,比如注冊轉化、購買轉化,從而優化流失節點,優化行為路徑設計; 找到產品改進關鍵點:用數據量化產品核心功能,讓產品迭代排期更科學,部門配合更高效; 找到促進核心轉化的相關因素:挖掘促進用戶觸發核心行為的關鍵行為,比如可促進用戶實現內容訂閱的某些因素,找到相關行為做優化或運營激勵; Aha moment(驚艷一刻) :快速執行,超出用戶預期,讓產品指數級增長。
精準服務(用戶分群、用戶分層、活動質量評估)
通過用戶點擊閱讀行為、搜索行為、點擊關注、互動行為等這些行為以及行為觸發的人、時間、頻次了解用戶最近在關注什么、對哪一類商品感興趣、對哪一類文章感興趣、哪種理財偏好。 用行為維度和屬性維度共同去定位用戶在媒體產品的生命周期以及真實生活場景中的角色。內容運營更精準,用戶體驗更佳。
最佳實踐
福建日報報業集團
深圳報業集團
浙江日報報業集團