让我们谈谈真正的受众细分，超越朴素的人口统计，将人们分成四分位数，并且比简单的查询和过滤器更深入。 内容 真正的数据科学，现在 不仅仅是眼前所见 比较分析：马刺队与小牛队 在 Umbel，填充我们数字基因组的数据生态系统使我们能够对遍布所有受众的微妙模式产生丰富的理解。让我们一起逐步了解我喜欢称之为“数据窥镜”的东西。 让我们谈谈真正的受众细分，超越朴素的人口统计，将人们分成四分位数，并且比简单的查询和过滤器更深入。 在 Umbel，填充我们数字基因组的数据生态系统使我们能够对遍布所有受众的微妙模式产生丰富的理解。让我们一起逐步了解我喜欢称之为“数据窥镜”的东西。 更多阅读 中国会计准则委员会 CASB 帮助基于云的企业避免数据泄露 数据货币化正在改变信息技术就业市场的 7 种方式 对数据科学和数据分析师角色的需求不断增长 大数据如何改变海运业 利用数据发现您的商业。
模式中的缺点 首先
我们到底想从受众细分中得到什么？了解观众的平均年龄和地理位置固然很好，但我们可以学到更多。如果您可以根据任何心血来潮对数据进行任意切片并立即放大具体是什么让该队列与众不同，那会怎么样？ 好吧，有了数字基因组和一点点科学知识，你就可以做到这一点。 真正的数据科学，现在 不 最新邮件数据库 相信吗？让我们从几个例子开始，以证明我所说的内容的力量。 我花了几分钟时间探索 Umbel 的每个人都非常熟悉的一些数据。作为奥斯汀本土的初创公司，我认为了解一些我们喜爱的当地音乐节和活动的观众会很有趣。我喜欢这些数据的原因是我们可以看到音乐、体育和媒体粉丝的广泛特征以及独特的本地特征。这不仅仅是将喜欢的数量相加；我们可以找到让任何观众的任何部分真正与众不同的原因。 所以这就是它的运作方式：我们当地音乐节的集体观众对品牌、乐队和媒体以及您能想象到的任何其他事物都有数以百万计的亲和力，无论是全球的还是本地的。
每个亲和力每个人口
统计数据点、地球上的每个位置都是这个巨大数据空间中的一个维度。这不是数据的海洋：这是一个宇宙。如果您曾经为想象史蒂芬霍金的“时间简史”中描述的 4 维时空而头疼，那么您可以想象数百万维空间令人费解。在稍后的博文中，我将向您展示如何查看这些数据世界并与之交互。但就目前 AO 列表 而言，让我们坚持细分。 直觉上，我对参加现场音乐和活动的人群中必须存在的偏好类型有一些感觉。奥斯汀代表了多元化的音乐品味。奥斯汀人喜欢Willie Nelson和Johnny Cash，这对任何人来说都不足为奇。如果你花点时间，你可能会想象你认为观众是谁。但是利用 Umbel 的数据和技术，我可以明确地向您展示受众是谁。如果我们将 Willie 和The Man in Black的整个事件宇宙分割开来，我们就可以生成一个从根本上定义该段的特征数据列表。 这真是太神奇了。首先，这里有一些非常有道理的相似之处。
