168大数据

标题: 运营MOOC平台应关心哪些数据？如何用数据分析来改进平台和产品的发展？ [打印本页]

作者: 乔帮主 时间: 2014-12-22 14:12
标题: 运营MOOC平台应关心哪些数据？如何用数据分析来改进平台和产品的发展？

背景：大型开放式网络课程，即MOOC（massive open online courses）。2012年，美国的顶尖大学陆续设立网络学习平台，在网上提供免费课程，Coursera、Udacity、edX三大课程提供商的兴起，给更多学生提供了系统学习的可能。2013年2月，新加坡国立大学与美国公司Coursera合作，加入大型开放式网络课程平台。新国大是第一所与Coursera达成合作协议的新加坡大学，它2014年率先通过该公司平台推出量子物理学和古典音乐创作的课程。

这三个大平台的课程全部针对高等教育，并且像真正的大学一样，有一套自己的学习和管理系统。再者，它们的课程都是免费的。

以Coursera为例，这家公司原本已和包括美国哥伦比亚大学、普林斯顿大学等全球33所学府合作。2013年2月，公司再宣布有另外29所大学加入他们的阵容。

中国较为有名的MOOC平台有果壳网MOOC学院、网易云课堂等等。2013年7月，复旦大学，上海交通大学签约“MOOC”平台Coursera。

现在问题来了，对于一个新起的行业，那么运营MOOC平台应关心哪些数据？如何用数据分析来改进平台和产品的发展？

下面是来自清华在线上学院-立课教育-赵鑫老师的回答：

我个人一直觉得，基于数据的课程设计和课程运营是一件关系到MOOC生死存亡的事，我特别期待高手的出现。

我个人会从应用和数据两个层面来思考这个问题。

1、应用：用数据来度量什么，至少可以用于：

评估用户：学习效果（能力）、学习速度（潜能）、思维方式（智能）、学习习惯（行为）、群组合作（人际）；

评估课程：内容设计（页面、视频）、活动设计（讨论、作业）。

2、数据：在数据源层面，我会关心数据采集和数据清洗。一般而言，MOOC学习活动有两个关键的数据源，学习过程，练习过程。

学习过程可以用来度量用户的学习行为，比如构建一个用户×内容的二维矩阵，度量学习速度；

练习过程是极其有价值的数据源，至少可以从用户、知识点、难度等方面做关联分析。

如下表是我对于MOOC数据采集方面的一些粗浅想法，基于edX平台，坦率的说，弱爆了，计算机专业的小伙伴看完就笑了。仅供参考。

来自福建师范大学刘洋老师的回答：

楼主的问题范围很大，问题的顺序也刚好是目前很多朋友对数据分析理解的误区。我试着来解答一下，如有谬误，请多指正。

说明：答主从事数据分析相关工作5年。无任何利益相关，不是MOOCs相关工作的。

题主的这个问题需要反过来问：如果要改进平台的产品，帮助平台发展，我们应该关注哪些数据？如何去进行分析？

我这么改的原因只有一个：先明确分析的商业目标，然后再构建自己的分析体系，然后再是数据的采集，清洗之类的工作。

题主的问题范围很大，所以我这里需要再次更改问题，以便目标变得更加清晰。

我们主要将问题分为两个角度：平台和产品

从平台的角度来讲，最重要的目标是吸引用户并且留住他们，跟运营强相关。因此在这个角度，需求的数据大部分跟运营层面的工作的有关。此时我们运营做的工作大致可以分为两类：拉新和激活老用户。数据的需求一般如下：

拉新：新用户数、来源分布、留存（次日、三日、周、月）、质量（人均观影数，人均停留时间、人均访问页面数）。同时以来源渠道作为维度，分析不同渠道下的这些数据，从而得出每个渠道的ROI。
激活老用户：老用户数、用户访问间隔、老用户留存（次日、三日、周、月）、老用户质量（人均观影数，人均停留时间、人均访问页面数等）。激活老用户会采取多种运营手段单独或者组合进行，这里需要评估每一次活动所来的具体的效果提升。比如缩短用户访问间隔，提升老用户的停留时间等。在这里，我们主要的工作是评估运营活动的效果，得到运营活动的ROI，因此如何建立合理的A／B 测试体系，来区分不同活动的效果，是很重要的。测试体系的数据组成则是这段话开头的那些。

上面所说的东西比较通用话，根据MOOC平台自身的特性，这些指标需要自己定义。比如像coursera这样既有PC网页也有移动APP的，需要分别制定拉新和激活老用户的体系。

拉新：

PC网页：来源主要分为搜索、自然流量、推广流量、引荐流量三种。在用户访问：需要分别评估这三种来源带来的注册转化率、注册后用户的次日、周、月登陆率、日均访问页面数、日均停留时间等数据。在产品方面：需要分别评估三种来源带来用户不同的跳出率、在不同页面（课程）的退出率、用户进来访问的课程分布等。

实际操作中，搜索来源需要重点分析，分析关键词，SEO效率之类的；推广流量需要分析ROI、引荐流量的分析可以找到哪些网站有我们想要找的人，方便我们去换友链等等。

移动APP：来源主要分为不同的应用商店下载、自己网站带量。前者的分析主要是看不同的应用商店带来的用户的留存率、注册转化率、App启动率、APP启动次数、日均停留时间等；如果没有很多经费去推广，那么后者应该是MOOC类APP的主要用户来源。需要分析在不同的地方推荐APP的转化效果。另外从整体上看，PC和网页的用户行为是不太一样的（比如PC在线看，移动端下载离线看？）因此在做用户评估的时候，需要采用不同的数据指标和策略。这里涉及到具体产品的设计和形态，我就不方便再继续深入了。

总结一下：对平台来讲，本质的任务是流量运营，这时的数据分析指标都需要围绕这个任务来设计。

2. 从产品的角度来讲：主要涉及到MOOC类产品的用户需求和设计目标。这里我因为不做MOOC这类，但是我老爸老妈是老师，所以我试着假定一些目标来设计这个数据指标体系。

教育类产品主要是为学生提供可供学习的内容和场所。那么我们的数据分析主要分析目标就是内容和场所。

内容：

从用户的观看角度来讲，内容主要是丰富度（内容的多寡）、独家内容占比、用户喜爱的内容排行（需要分类）、观看完的内容排行、半途放弃的内容分布等等。这些指标主要是发现用户对内容的偏好，方便对用户进行运营，也为内容的发展提供方向。
从平台产品设计来讲，教育跟电商购物不一样，教育是需要成体系的，就像我们做数据分析的，你需要学习数学，也需要统计学、概率论，根据不同的方向还需要学习一些R语言、Python等等，另外类似SPSS这样的工具也可能需要学习。专业之上，还有一些语文、英语的基础。所以这个时候我们不仅需要分析独立课程的情况，还需要根据课程的科学，搭建课程组合，然后分析课程组合的情况。具体课程组合怎么设计和怎么评估我现在没有办法回答，如果有MOOC相关工作的朋友，欢迎赐教。

场所：

场所实际上就是我们这个学习的页面情况，包括我们提供给学生的各种工具：包括但不仅限于观看工具、下载工具、作业评估工具、讨论工具等等。那么我们这里分析的目标实际上就是这些工具的情况：使用人数、完成使用率、使用频率等。比如作业评估工具，多少人看了课程，然后开始做作业？开始做作业到做完作业的人数又有多少？这些决定了我们如何去运营这些用户。同样的讨论区要看用户的经常性问题在哪里？哪些人是在讨论区活跃？实际上一个工具就是一个产品，分析的方法跟平台的运营分析类似。

总体来讲，如果要分析MOOC的产品，需要从产品设计的出发点出发，来不断的采集产品各种实用环节中的数据，从数量和质量两个方面去做各种评估。然后得出最优的产品方案，因此在这里，A／B测试方法和工具会特别重要。

来源：知乎

欢迎光临 168大数据 (http://www.bi168.cn/)