客服能学到什么?

大学毕业即参与创业,期间全能打杂,也兼职了四年多的客服工作。回望过去,总结一下经历,总体可以概括为一句话: 不想做CEO的客服不是好的产品经理! 具体到做客服能学到什么,还看你如何看待自己,看待这个职位,公司给你多大的发挥空间,思维不能被这个岗位的名称所局限住。 先介绍背景,在兼职期间,最多时,公司线上同时运营五个产品,负责的客服沟通渠道有:即时聊天工具(QQ、企业QQ等)、feedback邮件、

从一个数据异常案例谈广告行业的数据解读

  分享一个工作中遇到的比较有趣的数据解读案例: 这个案例是使用公司内部的数据分析系统给一个珠宝类品牌广告主(宝格丽)做品牌用户群分布分析。 预期用户群分布:有一定购买力的中年高端人士。 按照正常的分析流程获得以下年龄分布数据: 依据得到的数据,正常的解读结论是「该品类的用户群主要年龄段为:18-24岁」 显然,但这一数据结果跟预期年龄分布相去甚远。 然后逐个排查原因: 首先,排除客观性

关于移动浏览器的思考

观点:对于移动互联网,不看好独立的第三方移动浏览器的未来,要么进化为手机,要么退化至各种app的内置模块。 首先,我们可以用这样的视角来看移动终端 1.“上网”概念的转变 在PC互联网时代,在很大一部人的观念中,打开网页才是上网,至于使用IM,影音客户端,游系客户端等应用时,意识中还停留在玩本地应用,并非上网; 在移动互联网时代,因为“上网”是按流量收费的模式,大众已经建立起来默认的思考模型:打开

去死吧,无原则的中庸态度

面对极端暴力犯罪等一些极其恶劣的事情就要用非常手段去抵御去制裁,惩罚以示警醒,给暴力分子以威慑。 总去寻找所谓深刻的社会原因,背景,去合理化接受,承认,同情,原谅只是个人与已发生事情的相处之道,供后续警惕。 并不是面对恶劣事件所应有的态度,自作聪明地卖弄“深刻”, 是知识分子的重大道德缺陷。

数据分析的基本概览

关于数据处理的简单理解: 1.数据收集,关键词:过滤; 2.数据挖掘,关键词:分类; 3.数据分析,关键词:关联; 4.数据结果,关键词:人性; 总体关键词:分数据场景,分业务需求,动态建立规则,反馈调节,建立模型,数学归纳,复盘,目标导向,参考价值 一.数据收集 网站分析数据(见后文) 社交网络数据 用户体系数据(部分可参见我的一个知乎回答:http://zhi.hu/0JPd) 本地存储数据

高收入人群特征

一.需求层次高     社会需求,自我实现     关键词:购房,海外旅游 二.行为层次高     消费意识:主动性,理性,愿意承担风险     关注焦点:时尚、健康、档次、品牌、品位、格调、流行、个性、身份、圈子     关键词:投资理财,炒股,基金,证券,奢侈品,汽车,度假酒店,游艇,超级跑车,世界名表,皇室珠宝, 三.分布范围     30-40,高层管理,高学历     行业归属:    

关于数据任务的定义

    一.任务分析   ①.品牌定位:品牌人群定位,行业定位,需求定位       ②.任务定位:分析任务的目标期望,任务维度需求   ③.预期结果:根据市场和经验预测初部结果  案例:关键词数据任务    1.关键词选择   ①.搜索引擎推荐法:搜索相关品牌名称,搜索引擎会推荐相关词汇,搜索引擎的各种搜索关键词榜,SEO工具的关键词选取   ②.目标品牌的官网或相关垂直领域网站的页面 meta

广告CTR影响因素

一.媒体网站相关影响    1.优质媒体    2.优质版位 二.广告素材相关影响    1.投放形式:rich media ,banner,video_pre    2.素材创意 三.竞价策略相关影响    1.人口属性的偏好配对           a.年龄:不限/18-24/25-34/35-44/45-54/55-64/65+           b.性别:不限/男/女