通过数据发现产品需求

商业数据模型

收入=用户总量 * 付费率 * ARPU值(客单价=平均客单价*单位日期内平均购买单数)

产品数据模型

产品指标:基于产品的流程和页面级别来衡量产品的指标,如反应速度,流程是否合理
PR(页面级别)的概念
用户指标:通过衡量用户的行为和动作指标,来评估用户活跃度和质量

一些常用的数据指标:

PV:(page-view):即页面浏览量;用户每一次对网站中的每一个网页访问均被记录1次,用户对同一页面的多次访问,访问量累计。
UV(user-view):即独立访客,访问网站的一台电脑客户端为一个访客。
Duration:一次访问的持续时长,也叫停留时间。
Bounce Rate:即跳出率;是指在只访问了入口页面(例如首页)就离开的访问量与所产生总访问量的百分比。
页面渗透率:分流到本站点下游页面的pv/本页pv数
referral:指从其他网站点过来的链接,比如友情链接等,这类来源通常是免费的。
AU(Active Users)活跃用户:用户登陆产品记为一次
DAU(Daily Active Users)日活跃用户:每日登陆过的用户数,一般从后台抓取
WAU(Weekly Active Users)周活跃用户:七天内登陆过的用户数
MAU(Monthly Active Users)月活跃用户:30天内登陆过的用户数
AT(Daily Avg. Online Time)日均使用时长:活跃用户平均每日在线时长
AT=日总在线时长 / DAU
DNU(Daily New Users)每日注册并登陆的用户数:直接从后台抓取即可
PCU(Peak Concurrent Users)最高同时在线用户人数:统计周期内,同一时点(通常精确至分)的最高在线人数
ACU(Average Concurrent Users)平均同时在线用户人数:统计周期内,每个时点(通常精确到分)的平均在线人数
ACU=DAU * AT / 时间精度
EC(Engagement Count)用户登录频率:统计周期内平均每用户登录的总次数
根据统计周期不同,通常每日登录频率统计的是登录次数;周及月的登录频率统计的是登录天次(一天登录多次记为一次)
对于不同产品,活跃度的标准不一样,可以根据需要细分定位——轻度用户、中度用户、重度用户、忠诚用户等。
流失、留存:
观察流失用户的状态、流失前行为来判断产品可能存在的问题。
ULR(Users Leave Rate)用户流失率:统计当日登录过产品的用户,但在随后N日内未登录的用户数/统计日DAU
日流失率:统计当日登陆过产品的用户,次日未登陆的用户数/统计日DAU
周流失率:统计当周登陆过产品,之后下一周未登陆的用户数/WAU
月流失率:统计当月登陆过产品,下一月未登陆的用户数/MAU
OSUR(One Session User Rate)一次会话用户占比:新登录用户中只有一次会话的用户占比,主要衡量新用户的质量
DRR(Daily Retention Rate)日留存率:统计当日登录过产品的用户,在之后N日内至少登录一次的用户数/统计日DAU
WRR(Weekly Retention Rate)周留存率:统计当周登录过产品的用户,且下一周至少登录一次的用户数/WAU
MRR(Monthly Retention Rate)月留存率:统计当月登录过产品的用户,且下一月至少登录一次的用户数/MAU
次日留存率:统计当日登录过产品的用户,次日依旧登录的用户数/统计日DAU
回归率:曾经流失,重新登录产品的用户数占流失用户的比例
回归用户:曾经流失,重新登录产品的用户数
流失用户池:过去一段时间内流失的用户数
回归率 = 回归用户 / 流失用户池
收益:
产品盈利能力的综合评价。
PUR(Pay User Rate)付费比率:统计周期内,付费账号数占活跃账号数的比例,一般以自然月或自然周为单位进行统计
广度,更多的人付费
PUR = APA / AU
APA(Active Payment Account)活跃付费账用户数:统计周期内,成功付费的用户数
APA = AU * PUR
ARPU(Average Revenue Per User)平均每用户收入:统计周期内,活跃用户对产品产生的平均收入
ARPU = Revenue / AU
ARPU = ARPPU * PUR
ARPPU (Average Revenue Per Paying User)平均每付费用户收入:统计周期内,付费用户对产品产生的平均收入
深度,付更多的钱
ARPPU = Revenue / APA
LTV(Lift Time Value)生命周期价值:平均一个新增用户在其生命周期内(第一次登录到最后一次登录),为该产品创造的收入总计
LTV_N : 统计周期内,一批新增用户在其首次登入后N天内产生的累计收入/ NU(新用户)
用于衡量渠道导入用户的回本周期,回本率=LTV_N/CPL(导入成本)
以上数据可以根据需要进行拆解、合并,比如流失付费用户数、回归付费用户数、新增付费用户数、新增活跃用户数等等

渠道数据分析

  1. 量化()转化的每一步,首先找到衰减的步骤
  2. 关注全部UV,和跳出率和人均pv量(网站使用深度)
  3. 用质量和数量做一个4象限分布,针对相应的情况做优化,例如,质量和数量处在第一象限的,可以想办法降低获取成本。
  4. 通过A/B测试,可以得出转化率较高的设计。

APP留存分析

  1. 通过分析完成某些动作行为的用户的留存情况,再与所有用户的留存情况做一个对比,可以分析出哪些用户行为应该得到鼓励。

你可能感兴趣的:(通过数据发现产品需求)