1. 数据分析网首页
  2. 大数据
  3. 数据挖掘

大嘴巴漫谈数据挖掘:结构方程生模型,应用推广助运营

本文重点介绍了利用结构方程建模的方式构建用户体验分体系统,从而应用于运营的经验。

摘要:本文重点介绍了利用结构方程建模的方式构建用户体验分体系统,从而应用于运营的经验。

大嘴巴漫谈数据挖掘:结构方程生模型,应用推广助运营从数学的角度理解,用户体验评测指标体系意指产品经理根据现有理论知识和相关经验,在数据分析师的辅助下,首先确立理论模型,然后依此设计出对应问卷并进行评测,最后通过比较评测结果和理论假设是否一致来验证模型效果。

针对提出的假设模型,在问卷量表的基础上,通过对相关文献的整理研究以及用户体验理论的探索分析,根据已确定的各级指标,发现并验证所涵盖的关系,也就是查看分析结果与模型的拟合程度,即如上所示的两个假设。

大嘴巴漫谈数据挖掘:结构方程生模型,应用推广助运营

实际的模型构建会采用数据挖掘中的结构方程方法。基于结构方程的效度分析善于处理多变量之间的关系,主要用于多元统计的实证研究,通过比较测量结果和理论假设是否一致来评估模型效果,有时可能需要通过增删调整某几个指标,才能客观真实地反映用户对该产品的体验情况。借助结构方程能够获得用户体验评测指标体系中的各个指标的评价得分,以及确定影响各个指标的重要性程度,即权重。 具体的求解过程一般会利用专有软件工具来实现结构方程的算法流程。首先模型输出每个三级用户体验指标的体验得分及权重系数,然后按照加权求和的方法进而求得上一级指标的得分,以此类推,最后求出用户体验综合得分。值得注意的是,每一层级的指标权重和为1。

大嘴巴漫谈数据挖掘:结构方程生模型,应用推广助运营

用户体验评测指标体系构建完成后,根据模型反馈迭代的监测结果,需要分析监测各个指标的用户体验得分,发现当前产品的短板所在,并能够根据指标权重确定问题改进的优先级。其应用价值在于通过产品优化提高产品质量,改进产品功能,开展专项的应用专题来指导产品运营。

大嘴巴漫谈数据挖掘:结构方程生模型,应用推广助运营

根据模型输出结果,展示各个二级分项指标的体验得分及权重系数。其中指标“操作”的体验得分最低,为2.70分,远低于平均满意水平3分,说明在这方面用户的体验程度较差;指标“内容”的体验得分最高,为3.16分,高于平均满意水平。另外,指标“界面”的权重系数最大,为31.2%,说明用户最关注界面方面的体验,其次分别是内容、性能和操作。

大嘴巴漫谈数据挖掘:结构方程生模型,应用推广助运营

 

为了更为细致的为产品的改进优化提供参考依据,除了二级指标以外,三级指标的用户体验得分也应着重考察。如上所示,在三级指标中,界面的规范性、内容的丰富性、操作的敏捷性以及性能的易用性和交互性,这些指标的体验没有达到满意水平,需要重点关注,应结合各自的权重系数依次作出改进。

大嘴巴漫谈数据挖掘:结构方程生模型,应用推广助运营用户体验得分结合权重系数还可以构建出辅助改进产品用户体验的策略坐标轴。其中横轴为产品的体验得分、纵轴为权重系数,共分成四个象限。通过判定各个指标落入象限区间的位置,来决定需要改进的指标,比如指标“界面规范性”,体验得分低、但权重系数高,因此会落入象限“优化改进区”。总的来说,产品用户体验水平要综合考虑指标的得分及权重,分阶段、分目标地逐步开展优化工作以及提供运营建议。

大嘴巴漫谈,有货,有形,有味!

本文为专栏文章,作者:大嘴巴漫谈,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/20091.html 。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code