最全数据指标分析141723.pdf

上传人:X** 文档编号:61414843 上传时间:2022-11-21 格式:PDF 页数:17 大小:1.53MB
返回 下载 相关 举报
最全数据指标分析141723.pdf_第1页
第1页 / 共17页
最全数据指标分析141723.pdf_第2页
第2页 / 共17页
点击查看更多>>
资源描述

《最全数据指标分析141723.pdf》由会员分享,可在线阅读,更多相关《最全数据指标分析141723.pdf(17页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、志不强者智不达,言不信者行不果。墨翟非淡泊无以明志,非宁静无以致远。诸葛亮最全数据指标分析 一、常见指标 先来看一看常见的一些数据指标们 1、DAU:Daily Active User 日活跃用户量。统计一日(统计日)之内,登陆或使用了某个产品的用户数(去重)2、WAU:Weekly Active Users 周活跃用户量。统计一周(统计日)之内,登陆或使用了某个产品的用户数(去重)3、MAU:Monthly Active User 月活跃用户量。统计一月(统计日)之内,登陆或使用了某个产品的用户数(去重)4、DNU:Day New User 日新增用户,表示当天的新增用户 5、DOU:Day

2、 Old User 日老用户。当天登陆的老用户,非新增用户 6、ACU:Average Concurrent Users 平均同时在线人数 7、PCU:Peak Concurrent Users 最高同时在线人数 8、UV:Unique Visitor 唯一访问量,即页面被多少人访问过 9、PV:Page View 页面浏览量,即页面被多少人看过 10、ARPU:Average Revenue Per User 平均每个活跃用户收益。11、ARPPU:Average Revenue Per Paying User 平均每个付费用户平均收益。统计周期内,付费用户对产品产生的平均收入。老当益壮,宁

3、移白首之心;穷且益坚,不坠青云之志。唐王勃好学近乎知,力行近乎仁,知耻近乎勇。中庸12、LTV:Life Time Value 生命周期价值。产品从用户所有互动中获取的全部经济收益的总和 13、CAC:Customer Acquisition Cost 用户获取成本 14、ROI:Return On Investment 投资回报率。ROI=利润总额/投入成本总额*100%15、GMV:Gross Merchandise Volume 成交总额。是指下单产生的总金额 CMV=销售额+取消订单金额+退款金额 16、支付 UV:下单并成功支付的用户数 二、如何获取指标 对于上述这些指标,如果你很陌

4、生,那么首先可能就会问“这些指标来的呢”,“有些指标直接获取不到呀”。说到这,不得不提到数据采集的基础:埋点。一般在设计好数据指标后,我们会有一个“数据埋点”的工程,通常是由产品经理输出埋点需求文档,然后交予开发进行埋点部署,关于埋点的几种方式已经在埋点系列里面,在此不复述了。埋点是互联网领域最重要的数据采集手段之一。通俗讲就是在 web 或app 植入埋点代码,用以监控用户行为事件。通过埋点,我们可以:获得用户行为轨迹 古之立大事者,不惟有超世之才,亦必有坚忍不拔之志。苏轼百川东到海,何时复西归?少壮不尽力,老大徒伤悲。汉乐府长歌行追踪任一时间段数据的变化 验证可行性 找出产品设计漏洞等 以

5、电商网站为例,想要统计用户访问网站、访问商品详情页、加入购物车、支付订单到支付成功的转换率。发现从订单支付到支付成功转换率仅有 4%,明显过低。即可分析支付节点是否存在 bug,由什么原因导致。三、数据指标分类 大致的,我认为可以将数据指标分为三大类:综合性指标、流程性指标、业务性指标。人之为学,不日进则日退,独学无友,则孤陋而难成;久处一方,则习染而不自觉。顾炎武吾日三省乎吾身。为人谋而不忠乎?与朋友交而不信乎?传不习乎?论语 1、综合性指标 综合性指标是能体现产品目前综合情况的指标。在非交易网站,比如社交网站,数据指标的用途偏向于了解产品的用户增长或减少等情况。综合性指标通常:DAU、留存

6、数、留存率、人均使用时长、PV、UV 等。对于交易型网站,那么平台关注的综合性指标通常是:GMV、支付 UV、人均订单数、人均客单价等。2、流程性指标 百川东到海,何时复西归?少壮不尽力,老大徒伤悲。汉乐府长歌行我尽一杯,与君发三愿:一愿世清平,二愿身强健,三愿临老头,数与君相见。白居易流程性指标是指与用户操作行为相关的指标。点击率:有 PV 点击率和 UV 点击率,一般使用 PV 点击率。转换率:下一步操作用户数/上一步操作用户数 流失率:(上一步用户数-下一步用户数)/上一步用户数 完成率:完成率相对于转化率而言,是最终的结果数值。转化率是过程值,完成率是结果值。3、业务性指标 业务性指标

7、是跟产品业务相关的指标。例如视频网站,则可能需要的业务指标有:视频播放数、人均观看时长、人均播放数、播放率等。四、数据分析与设计方法 数据分析和设计的方法有:事件分析、留存分析、漏斗分析、分步分析、对比分析和多维度拆解。1、事件分析 事件是追踪或记录的用户行为或业务过程。事件是通过埋点记录,通过 SDK 上传的用户行为或业务过程记录。例如,一个视频内容产品可能包含的事件:1)播放视频;2)暂停;3)继续播放;4)分享;5)评论。一寸光阴一寸金,寸金难买寸光阴。增广贤文好学近乎知,力行近乎仁,知耻近乎勇。中庸一个事件可能包含多个事件属性,例如,“播放视频”事件下可能包含的属性:1)来源;2)是否

8、自动播放;3)播放形态。2、留存分析 留存率是验证用户粘性的关键指标,设计师和产品经理通常可以利用留存率与竞品对标,衡量用户的粘性和忠诚度。通常重点关注次日、3 日、7 日、30 日即可,并观察留存率的衰减程度。留存率跟应用的类型也有很大关系。通常来说,工具类应用的首月留存率可能普遍比游戏类的首月留存率要高。勿以恶小而为之,勿以善小而不为。刘备好学近乎知,力行近乎仁,知耻近乎勇。中庸 3、漏斗分析 漏斗分析就是转化率分析,是通过计算目标流程中的起点,到最后完成目标节点的用户量与留存率,流量漏斗模型在产品中的经典运用是AARRR 模型。衡量每一节点的转换率,通过异常数据(转换率过低)找出异常节点

9、,进而确定各个环节的流失率,分析用户怎么流失、为什么流失、在哪里流失。根据数据改进产品,最终提升整体转化率。古之立大事者,不惟有超世之才,亦必有坚忍不拔之志。苏轼良辰美景奈何天,便赏心乐事谁家院。则为你如花美眷,似水流年。汤显祖 4、用户分群分析 用户在某个特定条件下的用户分组或占比。例如:注册 7 天内下单的用户组、参与过 A 活动的用户等。5、对比分析 将不同时段的数据进行对比,找出差值,进行产品优化或验证设计。自身产品对比:对比产品不同模块相似场景的数据,找出问题点。行业产品对比:与同行业产品进行对比,找出优劣势,并持续优化。6、多维度拆解 好学近乎知,力行近乎仁,知耻近乎勇。中庸百学须

10、先立志。朱熹用不同的维度视角拆分分析统一类数据指标。例如按照不同的省市地区分析、不同的用户人群、不用的设备等。通过不同维度拆解,找到数据背后的真相。五、建立数据模型 引入数据分析,就要引入数据模型。数据模型的核心是“分类”,如何选择或创造适合自身产品的数据模型,我们可以先了解市面上熟知几大模型。1、AARRR AARRR 是 Acquisition、Activation、Retention、Revenue、Referral,这个五个单词的缩写,分别对应用户生命周期中的 5 个重要环节。获取用户(Acquisition):首先,你需要从广告/渠道等去拉新,获取用户。然而用户下载了不一定会安装,安

11、装了不一定会使用该应用。所以激活成了这个层次中最关心的数据。关注指标:CAC(用户获取成本 Customer Acquisition Cost)提高活跃度(Activation):然后,通过引导用户注册等方式来激活他们。关注指标:DAU(日活跃用户)、MAU(月活跃用户)、每次启动平均使用时长、每个用户每日平均启动次数、日活跃率、周活跃率、月活跃率 宠辱不惊,看庭前花开花落;去留无意,望天上云卷云舒。洪应明海纳百川,有容乃大;壁立千仞,无欲则刚。林则徐提高留存率(Retention):用户被激活后,剩余的工作就是如何让他们留下来,产生粘性。关注指标:1-Day Retention(次日留存率)

12、、7-Day Retention(D+7日留存率)。曾经有游戏行业的行家指出,如果想成为一款成功的游戏,1-Day Retention 要达到 40%,7-Day Retention 要达到 20%。获取收入(Revenue):收入一般有三种,付费应用、应用内付费及广告。关注指标 ARPU(平均每用户收入)、ARPPU(平均每付费用户收入)、CAC(用户获取成本)、LTV(生命周期价值)。LTV CAC 的差值,就可以视为该应用从每个用户身上获取的利润。所以最大化利润,就变成如何在降低 CAC 的同时,提高 LTV,使得这两者之间的差值最大化。用户推荐(Referral):以前的运营模型到第四

13、个层次就结束了,但是社交网络的兴起,使得运营增加了一个方面,就是基于社交网络的病毒式传播,这已经成为获取用户的一个新途径。这个方式的成本很低,而且效果有可能非常好;唯一的前提是产品自身要足够好,有很好的口碑。一寸光阴一寸金,寸金难买寸光阴。增广贤文常将有日思无日,莫待无时思有时。增广贤文 在整个 AARRR 模型中,这些量化指标都具有很重要的地位,而且很多指标的影响力是跨多个层次的。及时准确地获取这些指标的具体数据,对于应用的成功运营是必不可少的。2、RARRA RARRA模型本质上是通过AARRR模型调整顺序得来的,其原因是AARRR专注于获客(Acquisition),且是 McClure

14、 是在 2007 年编写的,当时的 CAC 还比较低廉,上架应用即容易获得用户。在互联网流量高速增长的今天,获取用户(Acquisition)已变得非常昂贵,所有应用商城都有百万个 APP,市场竞争激烈,简单发布一个应用就有用户早已已不再是赚钱的方式。所以,以拉新获客的增长模式不再适用。现在黑客增长的真正关键是留存(Retention)。RARRA 模型是托马斯佩蒂特 Thomas Petit 和贾博帕普 Gabor Papp对于 AARRR 模型的优化。常将有日思无日,莫待无时思有时。增广贤文先天下之忧而忧,后天下之乐而乐。范仲淹用户留存(Retention):是 RARRA 最重要的指标,

15、留存率是反应用户留存最重要的指标之一。用户激活(Activation):加速用户激活,为用户的第一次使用提供尽可能愉快的体验。确保他们在首次使用时就看到产品的价值所在。用户推荐(Referral):建立有效的推荐系统,让用户主动分享和讨论你的产品。商业变现(Revenue):提高用户的 LTV(Lifetime Value),用户留存越长,对业务的价值越大。用户拉新(Acquisition):鼓励老用户带来新用户;优化获客渠道,通过渠道群组分析找出最适合你产品的获客渠道。3、Googles HEART 丹青不知老将至,贫贱于我如浮云。杜甫宠辱不惊,看庭前花开花落;去留无意,望天上云卷云舒。洪应

16、明Googles HEART 是一个用来评估以及提升用户体验的模型,它由五个维度组成:Engagement(参与度)、Adoption(接受度)、Retention(留存度)、Task Success(任务完成度)和 Happiness(愉悦度)。4、Customer Experience Index(CX Index)用户体验指数的维度有三个,分别为:满足需求、简单地和愉快地。以上就是几个常见的数据指标模型,我们可以通过分析每个模型的背景和用途来学习其中的指标思路,并创造出适合自己团队的数据模型。六、指标字典 为了对指标进行统一管理,方便维护和共享,我们需要创建指标字典。指标字典可以是 Ex

17、cel 表,或者其他记录形式。在数据量大的复杂环境中,一般将指标管理功能放在数据管理系统中。指标一般分为三类:基础指标、普通指标、计算指标。1、基础指标 指没有更上游的指标,即它的父级指标就是它自身。例如“团购交易额”、“订单量”、“日活跃用户数”。2、衍生指标 谋事在人,成事在天!增广贤文宠辱不惊,看庭前花开花落;去留无意,望天上云卷云舒。洪应明指在单一父级指标的基础上限定某个维度得到的指标。例如“PC 端团购交易额”,限制条件为“下单平台=PC”。3、计算指标 指在若干个描述型指标上通过四则运输、排序、累计或汇总定义出的指标为计算指标。例如“客单价”、“ARPU”等 忍一句,息一怒,饶一着

18、,退一步。增广贤文古之立大事者,不惟有超世之才,亦必有坚忍不拔之志。苏轼天行健,君子以自强不息。地势坤,君子以厚德载物。易经丹青不知老将至,贫贱于我如浮云。杜甫指标字典通常包含指标维度和指标量度两大部分,例如 指标字典的维度 指标字典的量度 七、数据指标如何验证设计 指标的最终目的是用来衡量产品的是否符合预期,并为后续产品优化工作提供思路和方向。大丈夫处世,不能立功建业,几与草木同腐乎?罗贯中我尽一杯,与君发三愿:一愿世清平,二愿身强健,三愿临老头,数与君相见。白居易1、关注核心指标 例如我们改版的核心指标是提高用户注册人数,那我们关注的就是注册转换率,先看从点击注册到注册成功步骤的流失率,找出流失最大的节点最优化方案。等优化上线后,对比转化率的变化。如果我们改版的核心指标是人均观看次数,则思考下什么策略既可以提升播放次数,又不费什么成本。比如新浪微博视频,以前看完视频后有重播按钮和其他推荐的视频,改版后看完这个视频会自动播放下一个视频。这样的设计虽然比较粗暴,但明显提高了视频播放次数。2、总结核心指标带来的收益 怎样用指标量化设计价值。简单粗暴举个栗子,比如活动上线后,点击率是 4.8%,每天的活动 GMV 约 200 万,当重新设计了活动页面后,在其他条件不变的情况下,点击率提升到了 8%,活动 GMVd 达到了 700万。那么增加的 500 万则是通过设计带来的收益。

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 研究报告 > 其他报告

本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

工信部备案号:黑ICP备15003705号© 2020-2023 www.taowenge.com 淘文阁