【产品】互联网运营指标介绍与项目实践

项目目标

1. 根据产品运营情况创建运营指标体系
2. 以日和周围单位，分别制作日报和周报。日报存放粒度较细的指标，周报则多以趋势对比分析为主。此外，还需要创建一些对比型和趋势性指标。
3. 根据运营指标体系整合和创建一个用户价值指标。
4. 创建一个用户活跃度指标，使得该指标能更好地监控产品的运营效果和效率。

指标体系

1. 骨灰级流量指标

• PV（访问页面数）
• UV（唯一访问人数）
• Visit（会话），若一个用户两次访问时间超过30分钟，则认为是两个会话。

2. 登录和激活

• Login（登录用户数）
• Active（激活用户数）

3. 访问深度和吸引力

• PV/Visit（单次会话访问的页面数），值越大可能是访问深度越深，也可能是找不到相应功能。
• Visit/UV（一个用户在一天内有几次会话），反应产品对用户的吸引度，快消品网站、搜索类网站、低消网站其值各不相同。
• Duration（访问时长），根据用户ID按照访问时间从早到晚排序，时长=下一页面访问时间-该页面访问时间。
• 积极访问者，一次会话中访问页面大于某个数（访问时长大于某个时间）的用户占到当天总UV的比率；一次会话中访问页面大于某个数（访问时长大于某个时间）的会话数占到当天总会话数的比率。阈值定义法：分位数发和下单用户特征抽取，注意长尾值的影响，可通过分位数、箱型图或者LOF算法检测离群点。
• 快速浏览用户
  1）跳出率（Bounce Rate），在一次会话中用户只访问了一个页面，那么这次会话就算是一个跳出。
  2）访问时长（During），当天会话访问时长少于某一阈值的会话数除以当天总的会话数。阈值的确定可以由运营人员根据产品特点自定义，也可以用分位数法取一个低分位数的值。
• 留存率（Retention Rate），体现产品的质量和维护用户的能力。了解用户生命周期，找出哪个时间点开始改善产品。
  1）次日留存率：当天新增用户，次日至少访问过一次的用户占比。
  2）三日留存率：当天新增用户，在（第二天至）第三天至少访问过一次的用户占比。
  3）七日留存率：当天新增用户，在（第四天至）第七天至少访问过一次的用户占比。
  4）一个月留存率：当天新增用户，在未来一个月内至少访问过一次的用户占比。
• 退出率（Exit Rate），对于搜索类、导航类或者门户网站可体现页面吸引力；对于消费平台可暗示商品页面或支付环节设置不合理，需要具体分析原因。该页面退出的次数占该页面总流量PV的比。

4. 订单指标

• 订单量
  1）预约订单量，预约或已购买的订单总量。
  2）成交订单量，用户完成订单，付款完成或产品已到生效日期的订单。
• 成交比率，当天成交的订单与预约的订单之间比例。重点关注退订比。
• 订单用户构成，体现招揽新用户的能力。节假日或做营销活动时会有波动，可考察运营效果。
  1）首单用户占总UV比
  2）首单用户占下单用户的比
• 客户价值
  1）客单价（ARPO），当天订单总金额除以当天总订单数。
  2）单个用户订单价格（ARPU），当天订单总金额除以当天唯一下单人数。

5. 性能指标

• 页面平均响应时间，每天每个页面平均加载响应时间（单位：mm）。
• 同时在线人数，服务器后台支撑容量的参考值。

6. 转化率，帮助发现问题、改进功能、提升产品，促成下单的目的。
   1）关键步骤的转化率，达到某一目的的会话数除以总的会话数，通过转化漏斗可看出用户主要卡在哪一步。
   2）整体转化率，当天总的订单量除以当天总的访问人数UV。
7. 层次分析法（AHP），美国运筹学家提出一种多目标或多方案的决策方法，使定性的方法定量化，并且把决策过程层次化、数量化。它将决策问题分解成目标、准则、方案等层次，用一定的标度将人的主观判断进行客观量化，最终进行判断的决策方法。

• 基本思想：
  1）确定分析问题的目标。
  2）将所要分析的问题层次化，根据总目标分成不同的组成因素。
  3）按照因素间的相互关系和隶属关系，将因素按不同层次组合排序，形成一个多层次结构模型，从而将问题转换为底层相对于高层的重要性权值的确定或相对优劣次序的排序问题。
  4）根据判断矩阵从上往下计算每一层相对于上一层因素影响的权重。
• 基本步骤：建立层次结构模型、构造判断矩阵、一致性检验、层次单排序、层次总排序。
• 注意事项：层次分析法用到的因素，每层下属的因素不能太多，一般不超过11个；每层下属都具有代表性，并具有独立性；每层下属的因素解释性强。每层元素之间两两比较，从而构成判断矩阵，指明重要程度。检验因素间的重要程度是否一致。计算某层次的因素相对于上一层次中某个因素的相对重要性。底层因素相对于最高层的相对重要性或相对优势的排序值。
  

项目实践

搭建运营指标体系

对比指标与趋势线

1. 同比、环比、定基比。描述性统计类别下趋势性判别最基本的三个指标。常用周同比、季度同比，日环比、周环比、月环比和年环比。定基比在特定市场活动时期才会应用。
2. 趋势线。对两个指标进行标准化处理，消除量纲，然后进行一元线性回归拟合，由斜率值可知对比下降幅度。要注意异常点影响。

创建用户价值和活跃度指标

用户价值

1. 建立层次结构模型
   
2. 构造判断矩阵
   

3. 一致性检验，计算权重
   代码实现：
   判断矩阵是否方正；判断因素个数是否超过11个；判断矩阵对角元素是否互为倒数；求最大特征根和特征向量（权重）；计算一致性。
   如果一致性有问题需要调整判断矩阵一定要与运营专家沟通，这样才能保证分析结果贴合业务。切合实际。
   第二层对于第一层同理计算。
   
   最终得到层级结构模型及权重
   

4. 消除量纲并设定评分

• 评分标准：评分越大越好，还是越小越好，最终输出分值在0-10之间。
• 指标归一化，注意去掉长尾的离群点数据。值越大越好：x=(x-min)/(max-min)；值越小越好：x=(max-x)/(max-min)；
• 评分，指标归一化后乘以10即可。
• 模型，指标评分计算好后，可利用层次结构模型中的权重进行计算，权重*得分。