数据分析学习笔记（三） 业务

秦路《七周成为数据分析师》学习笔记，供自己学习查看使用，侵删。

目录

一、指标

（一）市场营销指标

         （二）产品运营指标

（三）用户行为指标

（四） 电子商务指标

（五）流量指标

（六）怎么生成指标

 二、用指标建立业务分析框架 

---

惟有理解业务，才能建立业务数据模型。

一、指标

模型未动，指标先行。如果你不能衡量它，你就不能增长它。

 

指标与数据分析的关系：

结构化、公式化思维构造的思维导图中就会建立指标雏形。 

在销售、运营与市场中获得数据、产生指标。→从而将指标中提取的信息应用于对业务的推动、进行机器学习、进行业务管理等。

• 核心指标。它是结构化金字塔的塔尖，一定要根据具体情况而定。（举例：初创公司：新增用户量  中期：用户活跃度   后期商业化：营收）
• 好的指标应该是比率。
• 好的指标应该带来显著效果。提高市场占有率；提高销售人员效率
• 好的指标不应该虚荣。（新增用户量大，但原因是烧了很多钱来拉拢客户，那这个数字增长是意义不大的）
• 好的指标不应该复杂。

（一）市场营销指标

客户／用户生命周期

企业／产品和消费者在整个业务关系阶段的周期。

不同业务划分的阶段不同。传统营销中，分为潜在用户，兴趣用户（比如点开网页看了介绍、给后台发消息咨询，这样都属于用户线索），新客户，老/熟客户，流失客户。好的生命周期应该是用来管理的。

用户价值

业务领域千千万万，怎么定义最有效的用户呢？

常常使用指数法 ， 将业务最关注的几个指标一起加工。

（ROI）用户贡献 = 产出量／投入量*100%

用户价值 =（贡献1+贡献2+……）

 比如知乎的用户价值：写文章的次数、关注数、浏览量，进行一定的处理后做线性加权；金融行业会以存款+贷款+信用卡+年费+……-风险-流失 这样的模型来进行衡量。

▷ 利用RFM模型衡量用户价值

RFM模型是在用户生命周期中，衡量客户价值的立方 体模型【象限法】。利用R（最近一次消费时间），M（总消费金额），F（消费频次），将用户划分成多个群体。详细介绍与例见系列笔记（二）象限法。

▷ 用户分群，营销矩阵

用户分群是市场营销中的一种常见策略， 它提取用户的几个核心维度，用 象限法 将其归纳分类。         

（二）产品运营指标

我理解的产品运营：面向客户的产品运作，不涉及具体业务，主要把目光集中在得到多少用户、用户为我们带来什么，主体目标在用户。

谈及产品运营，我们通常会从AARRR框架入手，从各模块分析问题。

AARRR框架

Acquisition  用户获取、Activation  用户活跃、Retention用户留存、Revenue 营收、Refer传播

（不存在逻辑上的先后与因果 ）

• 用户获取 Acquisition 

渠道到达量：俗称曝光量。有多少人看到了产品推广相关的线索。【常常不准。】

渠道转化率：有多少用户因为曝光而心动

日应用下载量：app的下载量，这里指点击下载，不代表下载完成

日新增用户数：以用户注册提交资料为基准

获客成本：为获取一位用户需要支付的成本

        Cost Per xxx，包含CPM、CPC、CPS、CPD、CPT等。

渠道ROI：衡量推广效果。 推广营销的熟悉KPI。投资回报率，利润／投资*100%。(大于1就赚)

一次会话用户数占比：指新用户下载完App，仅打开过产品一次，且该次使用时长在2分钟以内。（——鉴别机器人刷单）

• 用户活跃 Activation

日／周／月活跃用户应用下载量：活跃标准是用户用过产品，广义上，网页浏览内容算「用」，在公众号下单算「用」，不限于打开APP。

but，活跃用户只能说明市场占了多大  不能说明产品是否健康。

活跃用户占比：活跃用户数在总用户数的比例，衡量的是产品健康程度

用户会话session次数：用户打开产品操作和使用，直到退出产品的整个周期。5分钟内没有操作，默认会话操作结束。

用户访问时长：一次会话的持续时间。

用户平均访问次数：一段时间内的用户平均产生会话次数。——用户黏性的衡量

• 用户留存 Retention

用户在某段时间内使用产品，过了一段时间后仍旧继续使用的用户。

假设产品某天新增用户1000个，第二天仍旧活跃的用户有350个，那么称次日留存率有35%，如果第七天仍旧活跃的用户有100个，那么称七日留存率为10%。时间维度是可以调整的，比如把天改为自然周。（家政服务一般不会一天请两次，但是一周一次还是可能的）

• 营收 Revenue

付费用户数：花了钱的用户

付费用户数占比：每日付费用户占活跃用户数比，也可以计算总付费用户占总用户数比

ARPU：某时间段内每位用户带来的平均收入（有时间维度：区别于客单价）

ARPPU：某时间段内每位付费用户带来的平均收入，排除了未付费的

客单价：每一位用户平均贩买商品的金额。销售总额／顾客总数

LTV：用户生命周期价值，和市场营销的客户价值接近，经常用在游戏运营、电商运营中。

                LTV = ARPU * 1/流失率                  用于短平快的项目比较多。

• 传播 Refer

K因子：每一个用户能够带来几个新用户

                        K因子=用户数*平均邀请人数*邀请转化率

用户分享率：某功能/页面中，分享用户数占浏览页面人数之比。

活动/邀请曝光量：线上传播活动中，该页面被人浏览的次数。一般代指微信朋友圈。

（三）用户行为指标

用户行为的数据分析是一个很广泛的课题，不同业务领域背景的用户行为分析不一样。没有统一的框架（RFM,AARRR之类）

这里简单概括说几个角度。

• 功能使用 

功能使用率／渗透率：使用某功能的用户占总活跃数之比。

比如点赞、评论、收藏、关注、搜索、添加好友，均可以算做功能使用。这些指标在特定业务中均有作用。  →可以计算功能使用率。比如100个用户中有10个使用了“搜索”，搜索转化率就是10%。搜索行为的转化率会比浏览高得多。利用搜索内容可以对某些业务进行优化。

• 用户会话 

会话session：也叫做session，是用户在一次访问过程中，从开始到结束的整个过程。 在网页端，30分钟内没有操作，默认会话操作结束。

• 用户路径

路径图：用户在一次会话的过程中，其访问产品内部的浏览轨迹。通过此，可以加工出关键路径转化率。有点像漏斗图，但是因为不是单一路径所以其实会非常复杂……

（四） 电子商务指标

• 购物篮分析

笔单价：用户每次购买支付的金额，即每笔订单的支出。和客单价对应。

件单价：商品的平均价格。

成交率：支付成功的用户在总的客流量中的占比。

购物篮系数：平均每笔订单中，卖出了多少商品。购物篮系数是多多益善，它也和商品关联规则有关系。（在线下称之为连带率。通过一个商品的购买，连带售出了多少商品，常常与商品属性与二者之间的联系相关。）

• 复购率和回购率

复购率是一段时间内多次消费的用户占总消费用户数之比。有例如4月有1000位用户消费，其中500位消费了两次以上，则复购率是50%。

回购率是一段时间内消费过的用户，在下一段时间内仍旧消费的占比。例如4月的消费用户数1000，其中600位在5月继续消费，则回购率为60%。

复购率：一个时间段之内。衡量客户的消费欲望。（如，外卖）

回购率：跨时间窗口。衡量客户的忠诚度。

（五）流量指标

浏览量和访客量

PV(Page View) ：浏览次数。互联网早起的统计指标，用户在网页的一次访问请求可以看作一个PV，用户看了十个网页，则PV为10。容易人工刷起来，可能会有虚假数据。

UV(Unique visitor)：是一定时间内访问网页的人数，正式名称独立访客数。在同一天内，不管用户访问了多少网页，他都只算一个独立访客。我猜爱奇艺热度值就是这个机制

技术上，UV会通过cookie或IP衡量。

访客行为

新老访客占比：衡量网站的生命力

        新访客占比下降：没有吸引力、或者宣传不好

        老访客占比下降：你的内容不吸引他了 他走的毫无留恋

访客时间： 一个靠谱的数据分析师 衡量内容质量不是看内容的UV，而是看内容的访问时间。 （标题党会让点击量up up）

访客平均访问页数：衡量网站对访客的吸引力，是访问的深度。

来源：访客从哪里来，技术上，通过来 源网站的参数提取，可以区分SEM，SEO或者外链等。

用户行为转化率：用户在网站上进行了相应操作的用户在总访客数上的占比。

首页访客占比：只看了首页的用户，在总访客数上的占比。

退出率和跳出率

退出率：从该页退出的页面访问数／进入该页的访问数。  在网页结构中用

跳出率：浏览单页即退出的次数／访问次数。（更加严格）   在营销中使用

跳出率一般衡量各个落地页，营销页等页面。退出率则更偏产品，仸何页面都有退出率

（六）怎么生成指标

• 好的指标都是比率
• 常常使用组合的方式生成指标

二、用指标建立业务分析框架

• 核心思维与指标
• 七种思维技巧与指标
• 业务与指标

如何建立业务分析框架

• 从指标的角度出发
• 从业务的角度出发
• 从流程的角度出发

市场营销模型：

 这是由结构化思维而得到的图，但是这里以不同客户类型为主轴画成了这样的图

AARRR模型

 后面还有一些常见的业务模型、流量模型，但是对我这种小白来说一时间接受有点困难。以后有需要时再来学习。是第二周（业务）的倒数几个视频，存着以后再看。今天就到这里啦~