指标建模

1.数据指标--数据使用过程中的通用语言

• 什么是数据指标？
  对当前业务有参考价值的统计数据
  好的指标往往是比例/比率

• 常用的数据指标定义。
  用户数据、行为数据、业务数据（谁、干了什么、结果怎样）

  1. 用户数据（存量、增量、健康程度、从哪来）

  • 存量：DAU/MAU
    Daily/Monthly Active User 日/月活跃用户

    • Daily/Monthly的理解
      Daily：自然日（跨时区则关心最近24小时）
      Monthly：当月至少活跃一次的用户总数
      MAU≠当月各日DAU之和，要去重，才有意义
    • Active的理解
      方法一：基于事件上报（有事件上报【用户主动进行的操作】⇒该用户活跃）
      这里小心有坑！！！（日活暴增，其他数值并无明显增加）
      原因：【用户收到通知→后台自动上报事件】这种不属于用户主动操作，但是被记录到日活中
      大部分的第三方数据统计系统都是这个定义，要时刻注意这种情况。
      方法二：业务上的定义（【用户执行了关键事件⇒该用户活跃】）
      建立日活事件列表，存在维护成本、沟通成本
    • User的理解
      按人计算：给每个用户一个唯一的ID（只适合强注册/登录环境，未登录的用户会被漏掉）
      按设备计算：设备唯一标识符（无法对应设备后的用户）
      认人 or 认设备？
      ①是否有账号体系？No→认设备
      ②业务场景是否依赖强登录？Yes→认人【日活】+认设备【单独的指标描述这部分的数据】
      ③不登陆的用户对业务是否有价值？No→认人【日活】+认设备【单独的指标描述这部分的数据】Yes→认设备【日活】

  • 增量：新增用户

    • 增：选择合适的节点，定义增
      一般流程：渠道A/B/C→渠道页面→应用商店→应用/首页→注册/激活
      根据自己的业务以及与渠道方的关系选择合适的节点

    节点	优势	劣势	适用场景
    点击渠道链接	统计简单	离激活环节最远，转化率太差	量级不大/免费渠道/不需要精细结算
    下载	反应用户的实际意愿	数据源可信度存疑，无法避免刷量	依赖应用商店且没有更好的渠道
    安装/启动	离激活环节最近，便于统计	渠道不一定配合，无法避免刷量	公司强势，可给渠道制定统计规则
    激活	最真实的数据	渠道费用激增，统计复杂	对用户质量要求很高且产品ARPU高

    • 新：用适当的方法，判别新
      基于设备（设备唯一标识符）
      基于账号关联（与后台已有账号比对）

  • 健康程度：留存率

  • 从哪来：渠道来源
    为什么要看留存？
    为了了解某一个渠道的质量----以X日日留存为指标（避免其他日数据的干扰）
    第一种算法：
    次日留存=第2天DAU/第1天DAU
    三日留存=第3天DAU/第1天DAU
    7日日留存=第7天DAU/第1天DAU
    ···
    另一种算法：把新增天记为第0天
    首日留存=第1天DAU/第0天DAU
    次日留存=第2天DAU/第0天DAU
    7日日留存=第7天DAU/第0天DAU
    在日历上来看，日期是对齐的（分子分母日期相同，某种程度上能抵消星期级别的波动）
    特殊情况：对于使用周期特别固定的产品，关注7日内活跃情况，更能描述渠道质量
    7日内留存=第2天~第7天DAU去重后/第一天DAU
    为了观察整个大盘----周留存/月留存（衡量产品健康状况，观察用户粘性）
    计算时一定要去重！！！
    周留存=指定周周活跃用户数/第1周周活跃用户数
    月留存=指定月月活跃用户数/第1月月活跃用户数
    ...
    次周周留存=下周周活跃用户数/当周周活跃用户数
    次月月留存=下月月活跃用户数/当月月活跃用户数

  2. 行为数据（次数/频次、路径走通程度、做了多久、质量）
  • 次数/频次：PV、UV、访问深度
    Page Views：页面浏览数（次数）
    Unique Visitors：独立访问数（人数）
    访问深度：用户对产品的了解程度
    算法一：用户对某些关键行为的访问次数
    算法二：将网站内容分为几个层级，以用户本次访问过的最深的一级来计算
  • 路径走通程度：转化率
    PV/PV：页面相关转化率
    UV/UV：用户相关转化率
    PV/UV：人均
  • 做了多久：时长
    统计访问时长：
    通过统计特殊事件，支持业务需求（统计视频被消费程度，评价内容质量）
    例如：记录暂停/关闭亚眠后，播放器中视频进度条的当前位置
  • 质量：弹出率
    弹出率：用户来了立马就走，只访问一个页面
    弹出率=当天来了立马就走的次数/当天所有用户的所有访问次数
    弹出率不针对某个页面，也不针对某个用户，而是来自于每天产生的所有访问会话
  3. 业务数据（总量、人均、人数、健康程度、被消费对象）
  • 总量：GMV/访问时长
  • 人均：ARPU/ARPPU/人均访问时长
    Average Revenue Per User
    Average Revenue Per Paid User
  • 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：SKU视角/被消费内容视角

直接付费指标	适用场景	解决问题	非直接付费指标
GMV	总量	描述交易的金额总规模	目标完成数（报名、点击、分享...）
ARPU/ARPPU	人均	单个用户的贡献度	人均访问时长
付费人数	人数	描述愿意付费的人数总规模	完成人数
付费率/付费频次	健康程度	描述总体上的用户付费意愿	完成率
SKU视角	被消费对象	分析消费品本身	被消费内容视角

2.选好数据指标的通用方法论

从业务的最终目的出发，梳理业务模块→判断业务模块所属类型→根据业务模块所属类型，选择数据指标

---

①从业务的最终目的出发，梳理业务模块

【拆解业务模块】常见的拆解角度：

• 业务的最终目的--赚钱（目的）
• 如何搞大/搞频繁--通过什么方式赚钱（手段）
• 怎么解决遇到的困难--使用什么样的工具/手段（支撑手段的工具/手段）
  例子：我要通过社区创作的优美的图文来卖货
  我要通过大量自媒体的高效创作的资讯来换取广告收入

②判断业务模块所属类型
【判断模块类型】常见的四类业务模块：

四类业务模块

例子：图文【内容浏览模块】/社区创作【社区模块】/创作工具【工具模块】/卖货【交易模块】

③根据业务模块所属类型，选择数据指标
【指标选取】各个模块重点关注的方向：

模块	关注点	指标
工具模块	效率	使用量【用户粘性】/目标达成率【用户满意度】/频次【用户习惯养成】
内容浏览模块	质&量	浏览数【阅读次数】/浏览深/广度【库存利用效率】/ 浏览时长【占据用户时长/减少竞品使用时长】/内容互动【用户粘性】
交易模块	转化率	详情页转化率【是否好卖】/金额【交易规模】/ 客单价【平均消费水平】/复购率【回头客】
社区模块	活跃	发布量【话题源头】/互动量【社区活力】/关系密度【更有可能长期留存】