-
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
:
D
aily
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)
p>
2
、
WAU
p>
:
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
、
D
NU
:
Day New User
日新增用户,表示当天的新增用户
5
、
DOU
:
D
ay Old User
日老用户。当天登陆的老用户,非新增用户
< br>6
、
ACU
:
< br>Average Concurrent Users
平均同时在线人数
7
、
PCU
:
Peak
Concurrent Users
最高同时在线人数
p>
8
、
UV
:
Unique Visitor
唯一访问量,即页面被多少人访问过
9
、
PV
:
P
age View
页面浏览量,即页面被多少人看过
10
、
ARPU
:<
/p>
Average Revenue Per User
平均每个活跃用户收益。
11
、
ARPPU
:
Av
erage Revenue Per Paying User
平均每个付费用户<
/p>
平均收益。统计周期内,付费用户对产品产生的平均收入。
p>
12
、
LTV
:<
/p>
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
< br>、
ROI
:
Return On
Investment
投资回报率。
ROI=
利润总额
/
投入成本总额<
/p>
*100%
15
、
GMV
:
Gross
Merchandise
Volume
成交总额。是指下单产生的总
金额
<
/p>
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<
/p>
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
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。
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
、留存数、留存率、人
均使用时长、
P
V
、
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
p>
、
人均订单数、人均客单价等。
2
、流程性指标
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
p>
)暂停;
3
)继续播放;
< br>4
)分享;
5
)
评论。
一个事件可能包含多个事件属性,例如,
p>
“播放视频”事件下可能包
含的属性:
1<
/p>
)来源;
2
)是否自动播放;
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
< br>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。
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
< br>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,
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。
4
、用户分群分析
< br>用户在某个特定条件下的用户分组或占比。
例如:
注册<
/p>
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
-
-
-
-
-
-
-
-
-
上一篇:书信格式
下一篇:德语-德语阅读小练习(含答案)