在进行了两次教育行业的竞品分析后，希望对在线教育行业获取全局认识，主要从数据方面入手，找到在线教育行业中的关键指标（KPI）。通过国内外公开数据库资源，探索教育类业务系统底层数据模型，从而设计在线教育行业数据分析系统。项目前期思路如下：
- 通过行业报告，行业领军企业，学术资讯等搜集关键指标并进行分类
- 通过国内外分析公司，行内数据分析公司经验中获得相应的数据模型
- 初步进行数据建模及后续系列工作
- 我们使用 GitHub 来协作，因此需要你熟练掌握GitHub协作方法：pull, commit, push
- 我们使用 MarkDown 来书写，因此需要你熟练掌握MarkDown的标准写法，建议编辑器：TextMate 或 Atom.io
- 我们使用 Zotero 管理海量资料，因此需要你熟练掌握Zotero的用法
- 如果你对编程感兴趣，建议学习 Python
如果你符合以上条件并对该项目感兴趣，请点击这里说说你对该项目的期望吧！
Python免费学习资源
- 莫凡Python（偏向机器学习）：https://morvanzhou.github.io/
- Python - 100天从新手到大师：https://github.com/jackfrued/Python-100-Days
- Python招聘网站爬虫合集：https://github.com/Hopetree/Jobs-search
- 草根学Python：https://www.readwithu.com/
- Python官方教程，可当作工具书使用：https://docs.python.org/zh-cn/3/tutorial/index.html
问题及关键词收集清单：
- 线上渗透率低
- 线上新客获取成本高于传统教学机构
- 客户转化周期长，信任建立困难
- 决策群体、付费群体和消费群体存在错位
- 广告投放时间
- 广告投放量
- 广告商品特性
- 企业所处竞争环境
- 价格因素
- 投放素材，文案
- 活动设计等流量因素
- 学校内部媒体有哪些
- 如何实现自适应学习
- 什么是 IRT+知识点网络
- 一起作业网曾经分享过关于机器学习的研究
- supermemo算法
任务清单：
- 学术分析：数据分析模型发展史
- 商业分析：诸葛io核心竞争力分析
- 技术类：查找开源CRM系统，筛选出符合在线教育需求的应用
- 技术类：Hadoop/Spark/Hive数据平台研究
- 技术类：Python自动爬虫技术研究
- 技术类：基于RSSHub + Huginn/Heroku 搭建订阅系统
- [ ]
- [ ]
- [ ]
- [ ]
- 搜集历年国内外在线教育行业分析报告，按照宏观类，用户画像类，运营类，度量值类进行指标梳理
- 了解上述指标获取途径，并分析自动化提取可行性
- 技术攻关
成果请见：行业报告指标梳理
教育行业数据服务公司：
- 北京诸葛云游科技有限公司（A轮）核心团队来自 37degree
国内精细化运营首选网游和手游数据模型及底层算法 国外可直接研究Coursera，Udemy，Khan Academy，Google Edu
神策数据总结： 三类需求：
- 渠道
- 用户和产品功能
- 约课流程
核心指标：
- 通用指标
- 每月活跃用户数
- 每月新增App用户数
- 各渠道销售增长总览
- 本月销售目标完成率
- 各课程月销售额
- 用户粘度转行率
- 各课程支付观看率
- 课程付费指标
- 课程销售量
- 课程购买用户数
- 课程销售总额
- 各课程销售页预览量
- 各课程销售
- 课程付费转化率
- 试听引导成单率
- 各课程退课订单总金额
- 课程反馈指标
- 学习任务完成情况
- 课程学习完成程度
- 各教师受欢迎程度
- 各课程人均学习时长
- 课程学习频次分布
- 各等级学员学习时长分布
- 退课率
诸葛io数据分析业务：用户全生命周期数据及采集来源
著作权系统：
- 用户行为路径分析系统
- 用户行为大数据画像平台
- 智能触达平台
- 广告监测系统
- 诸葛io产品分析平台（V2.0）
- 诸葛io推荐系统
业务描述：
- SEM数据（搜索引擎营销）及CRM（客户关系管理）打通
- 提供了包括看板、行为路径、用户列表、漏斗分析在内的十余种分析模型
- 以业务为核心，构建市场，运营，产品各部门指标衡量体系，还原报表和数字背后每一个真实用户的行为图谱，召回流失用户，优化用户流程体验，实现精细化运营。
相关竞品：
- 神策数据
- 一览群智
- GrowingIO
- 数之联
- 清源火眼
- Prowler.io
- Linkflow连接云
- 海致BDP
- Keen IO
- BeyondCore
- 天机数据
- 驭岳科技
- BestMinr百思科技
- 半影科技
- Acmr
- DataEye
- 华傲数据
- 科赛网
- Bamba
- SaaS
- 用户画像基本理论
- 行为分析（行为—数据—洞察）
- 互联网个人信息保护方面
构建用户画像，就是帮产品找到用户真实的述求点，能够帮产品的功能设计提供依据。对运营人员来说，最基本的一点就是了解用户。通过对用户信息的采集，分析，抽离，生成最终的用户画像。构建用户画像后，就可以制订更精准的运营方案了。
画像分析逻辑：信息-》标签-》丰富-》方案
- 信息
- 收集信息
- 抽离信息
- 行为分析
- 标签
- 专属标签
- 细分人群
- 丰富
- 捕捉
- 其他内容
- 方案
- 运营方案（精细化运营）
- 推荐算法优化
初步产出成果定义：
- 文章
- 数据分析中后台发展史研究
- 模型
- 基于在线教育设计的数据分析模型
- 产品
- 统一外部数据获取及处理平台，用于存储构建用户画像的宏观类数据
- 基于开源CRM系统进行二次开发，符合在线教育行业需求
- “高留存率”才是在线教育用户增长的核心
- 行业洞见：绝大多数在线教育机构复购率不超过20%
- 留存率到底有几种计算方式
- 2018年中国在线教育平台用户大数据报告—腾讯课堂数据篇
- 在线教育APP：如何构建用户画像并制定运营计划
- 在线教育如何用好大数据
- 数据分析行业指标总汇——在线教育
- 教育行业如何通过数据分析玩转“增长黑客”
- 191122 初拟
- 191126 更新广泛搜索资料，下一步细化预设分析思路及步骤
- 191127 产出定义，初拟模块，任务清单