数据分析——电商业务知识

一、常见的指标及其用途

如上图，常见的指标可分为用户数据指标、行为数据指标和商品数据指标。

1.用户数据指标

日新增用户：就是衡量产品每天新增用户数量的指标。一个产品如果没有用户增长，用户数就会慢慢减少，越来越惨淡，比如人人网。同时，新增用户来自产品推广的渠道，如果按渠道维度来拆解新增用户，我们可以看出不同渠道分别新增了多少用户，从而判断出渠道推广的效果。
活跃率：不同的产品定义不一样，例如头条用户浏览头条文章即是活跃；活跃用户数按时间又分为日活跃用户数(简称日活,DAU，Daily Active User)，周活跃用户数，月活跃用户数。周活跃与月活跃，计算时打开多次也是算一次，因此需要去重处理。计算公式如下图：

留存率：通过渠道推广过来的新用户，经过一段时间可能会有一部分用户逐渐流失了，剩下来的就是留存，可以评估产品功能对用户的黏性。反映用户留存的指标，用留存率来表示。如下图，“使用过产品”，不同的业务这块定义的不一样，要根据具体情况来确定。

Facebook有一个著名的40-20-10法则，即新用户次日留存率为40%，7日留存率为20%，30日留存率为10%，有这个表现的产品属于数据比较好的。

2.行为数据指标

PV(访问次数, Page View)： 页面浏览次数，用户每打开一个网页可以看作一个PV，用户看了十个网页，那么PV为10。
UV(访问人数, Unique Visitor)：是一定时间内访问网页的人数。在同一天内，不管用户访问了多少网页，他都只算一个访客。通过PV和UV，我们可以看到用户喜欢产品的哪个功能，不喜欢哪个功能，从而根据用户行为来优化产品。
转发率：转发率=转发某功能的用户数 / 看到该功能的用户数。一般是指该商品的影响力、质量如何。
转化率：计算方法与具体业务场景有关，例如，淘宝转化率,就是所有到达淘宝店铺并产生购买行为的人数和所有到达你的店铺的人数的比率；广告转化率,就是通过点击广告进入推广网站的网民与看到广告的总人数的比率，如下图：

K因子：用来衡量推荐的效果，即一个发起推荐的用户可以带来多少新用户。当K›1时，用户群就会象滚雪球一样增大。如果K‹1的话，那么用户群到某个规模时就会停止通过自传播增长。计算方式如下图：

3.商品数据指标

总量：
成交总额（GMV），包括销售额、取消订单金额、拒收订单金额和退货订单金额；
成交数量：对于电商产品就是下单的商品数量。对于教育行业，就是下单课程的数量；
访问时长：用户使用app，或者网站的总时长。
人均：
人均付费等于总收入/总用户数，人均付费在游戏行业也叫ARPU，在电商行业也叫客单价；
付费用户人均付费（ARPPU，Average Revenue Per Paying User）等于总收入/付费人数，这个指标用于统计付费用户的平均收入；
人均访问时长等于总时长/总用户数，用于统计每个人使用产品的平均时长。
付费：
付费率，是付费用户占活跃用户的比例。
复购率：是重复购买频率，用于反映用户的付费频率。复购率指一定时间内，消费两次以上的用户数 / 付费人数。
商品相关指标：
常见的几个指标是：热销商品，好评商品，差评商品的前几个有哪些。这里根据具体的业务需求，灵活扩展使用。通过找出好的商品来进行重点推销，不好的商品去分析原因。

二、数据分类

三、分析指标及问题解决

四、喜马拉雅app案例分析