三节课数据分析1指标建模

模块一 指标建模

这部分内容分为两部分：

1. 指标详解

2. 数据指标的通用方法论

指标详解

指标详解部分，能够理解指标背后的业务含义，方便在数据指标时候统一概念。

数据指标有很多。只对业务有参考价值的数据进行统计，和当前业务无关的意义不大不要过多关注。

我们应该关注：

谁，做了什么，结果怎样：用户数据，行为数据，业务数据

用户数据：

• 存量 DAU MAU 日活，月活 daliy/monthly-active-user

• 增量 新增用户

• 健康程度 留存率

• 从哪里来 渠道来源

行为数据：

• 次数 频率 pv uv 访问深度

• 路径走通程度 转化率

• 做了多久 时长

• 质量 弹出率

业务数据：

• 总量 gmv 访问时长

• 人均 arpu arppu 人均访问时长

• 人数 付费人数 播放人数

• 健康程度 付费率，付费频次 观看率

• 被消费对象 思考用户行为之外，sku视角，被消费内容视角

一张图解释：

[

常见数据指标

]

用户数据

DAU 和 MAU

概念：日活，月活。怎么称之为日，活，活的是是人还是设备还是账号，由于定义不同，背后有坑。

如何判定周期：

日。跨时区比如，最近24h。

月。每天的日活不同，如何算月活。

坑：比如百度统计里，最近30天uv，是累加，而不去重。这就没有价值。月活不是日活之和。当月至少活跃一次的用户总数。

如何判定活跃：

方法一，数据统计系统。事件上报。

有个案例，dau上涨，订单不涨，分析原因是程序员设置push推送了，就进行反馈，不是用户主动点击才上传。

方法二，业务上进行定义关键事件。

触发了关键事件，定义用户活跃。

存在问题：

存在维护成本，需要不断维护日活事件列表。

存在沟通成本。团队内外对活跃的认识。

如何判定用户：认设备，认人。

注意：

一个用户存在多台设备，比如电脑，ipad，手机。

也存在一台设备多个人使用。

认人。给用户以为唯一id。用户数=访问过服务的id数。

如果没有注册，就没有了

认设备。设备唯一id，用户数=访问服务设备数

无法对应设备背后的用户。

有没有账号体系：

• 没有。认设备

• 有。业务场景是不是强依赖登录

  • 是。认人就行了uid。但仍然需要一个设备id用来描述没有登录的，设备数

  • 不是。不登录用户对业务是否有价值

    • 有。比如小说app，阅读行为就有价值。

    • 没有。比如社区类，匿名浏览。

新增用户

不同角色对新增的理念不同：

• 渠道商

  • 点击下载就算新增。

  • 统计简单，但离激活环节最远。

  • 适用场景，量不大，免费渠道，不需要精打细算。

  • 注意事项按照下载按钮结算，无法避免刷量

• 运营

  • 下载成功才算，一个用户最多算一次。

• 产品，

  • 按照启动量算。

  • 离激活最近，便于统计

  • 自己比较强势时候适用

• 研发

  • 注册入库了才叫新增用户。

  • 最真实数据，劣势渠道费用激增，下载几块，激活几百块几千块。

  • 适用场景，对用户质量要求高，arpu高

如何判断“增”？

选择合适的节点，算增。应该和渠道算清楚哪个节点算增。

如何判断“新”？

基于设备id。

用户留存

七日留存：

算法一： 七日日留存。第七天除以第一天的百分比。

算法二： 七日内留存。2-7 天用户除以第一天去重百分比。

算法三： 第一天算day0，之后再数7天，那就是 day7 除以 day0 做对比，星期几对齐。

为什么看留存：

日留存，衡量用户表现，了解渠道质量。

观察大盘趋势，周，月留存，记得务必去重。

何时用算法一：

对比渠道质量，用算法一。

以某些天数留存，衡量渠道用户表现。只关心特定日留存。

何时用算法二：

如果产品有使用周期，比如工作日用，非工作日的产品，不太关心第七天还剩下多少，关心周期内的用户。

何时使用算法三：

在日历上，星期几对齐。能抵消星期级别的波动。

渠道来源

网站流量获取渠道，比如：

• 直接访问

• 引荐流量

• 搜索引擎自然流量

• 付费搜索流量

• 社交媒体

行为数据

行为数据有哪些：

次数频率：pv uv 访问深度。

路径走通程度：转化率。

举个例子，获取到一些数据，人均访问次数，路径转化效果等：

PV、UV、转化率、访问深度

PV UV 转化率

page views 页面浏览量

unique visitors 独立访问数

app已经不太符合最初定义。pv次数，uv人数。

转化率计算方式：

• 关注功能 pv/pv

• 关注业务 uv/uv

• 关键动作人均触发次数 pv/uv

访问深度

算法一：某些关键行为用户访问次数。比如：视频播放次数。

算法二：功能和内容分层，按照访问层级计算。

如何统计：

web页面打开时长。

app时代，前台驻留时间。

未来，摄像头，瞳孔等未来手段，当然了也要顾虑隐私权。

为何统计时长：

统计特殊事件（比如看视频）

支持业务需求（比如评价质量），比如调查问卷的答题时长。

弹出率 bounce rate

未完待续。。。