七周成为数据分析师 第二周：业务篇-指标

七周成为数据分析师 第七周：Python - CSDN博客

七周成为数据分析师 第六周：统计学 - CSDN博客

七周成为数据分析师 第五周：Mysql - CSDN博客

七周成为数据分析师 第四周：数据可视化 - CSDN博客

七周成为数据分析师 第三周：Excel篇 - CSDN博客

七周成为数据分析师 第二周：业务篇-指标 - CSDN博客

七周成为数据分析师 第二周：业务篇-框架与模型 - CSDN博客

七周成为数据分析师 第一周：数据分析思维 - CSDN博客

目录

1.为什么业务重要

2.经典的业务分析指标

3.市场营销指标

4. 产品运营指标

5. 用户行为指标

6.电子商务指标

7. 流量指标

8.怎么生存指标

9.总结

---

1.为什么业务重要

唯有理解业务，才能建立完整的一套体系，简称业务数据模型。想进入某个行业的数据分析，尽量需要一些业务知识，敲门砖。

2.经典的业务分析指标

• 模型未动，指标先行。
• 如果你不能衡量它，你就不能无法增长它。    ---彼得.德鲁克

指标建立的要点：

1. 核心指标（公司和部门都认同的大目标，根据实际公司情况而认定）
2. 好的指标应该是比率
3. 好的指标能带来显著效果
4. 好的指标不应该虚荣（如投入的钱很多，新增用户量大），多个角度分析，推荐阅读《精益数据分析》
5. 好的指标不应该复杂

3.市场营销指标

市场营销领域：

1）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，新客户，老客户，流失客户。

2）用户价值

• 业务领域千千万万，怎样定义最有效用户？
• 用户贡献 = 产出量/投入量*100% 
• 用户价值 = 贡献1+贡献2+…
• 比如：金融行业的用户价值，大概可以为存款+贷款+信用卡+年费+…-风险

RFM模型（通用）= R最近一次消费时间；M 总消费金额；F消费频频次；

• 具体看业务背景，确立RFM模型中的重心，进行更改和修正。

用户分群，营销矩阵

• 提取用户的几个核心维度，例如RFM，用象限法将其归纳和分类

4. 产品运营指标

1）AARRR框架

用户获取，用户活跃，用户留存，营收，传播

1.用户获取

• 渠道到达量：俗称曝光量。有多少人看到产品推广相关的线索。
• 渠道转换率：有多少用户因为曝光而心动Cost Per，包含CPM（曝光）、CPC（点击）、CPS（销售）、CPD（下载）和CPT（时间）等。
• 渠道ROI：推广营销的熟悉KPI，投资回报率，利润/投资* 100；（>1  赚钱）
• 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CAC：为获取一位用户需要支付的成本
• 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。（衡量渠道可靠程度）比如：刷单

2.用户活跃

• 日/周/月活跃用户应用下载量：活跃标准是用户用过的产品，广义上，网页游览内容算用，公众号下单算用，不限于打开APP。
• 活跃用户占比：活跃用户数再总用户数的比例，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，直到推出产品的整个周期。5分钟无操作，默认结束
• 用户访问时长：一次会话的持续时间。(如：今日头条1.5h，墨迹天气几秒)
• 用户平均访问次数：一段时间内的用户平均产生会话次数。

3.用户留存

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。周留存、月留存等。

4.营收

• 付费用户数：花了钱的用户数。
• 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：某个时间段内，每位用户平均收入。
• ARPPU：某时间段内每位付费用户平均收入，排除了未付费。
• 客单价：每一位用户平均购买商品的金额。销量总额/顾客总数。
• LTV：用户生命价值周期，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(经验公式)：ARPU*1/流失率（比如说，一月份有一百个用户，这个月用户流失率0.3，那么1/流失率=3.3，那么一月份这批客户在3.3个月后流失光，这段时间的LTV=ARPU（用户的平均消费100元） *3.3 =330元），适合敏捷项目

5.传播

• 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*人数邀请转换率，
• 用户分享率：某功能/界面中，分享用户数占游览页面人数占比。
• 活动/邀请曝光量：线上传播活动中，该活动被曝光的次数。

5. 用户行为指标

1）用户行为

• 没有特别重要的框架，主要在于理解与应用。
• 功能使用率/渗透率：使用某功能的用户占活动总活跃数之比。（比如点赞、评论、收藏、关注、分享、搜索等等）
• 用户会话：会话（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。

2）用户路径

• 路径图：用户在一次会话的过程中，其访问产品内部的游览轨迹，通过此，可以加工出关键路径转换率。
• 关注关键路径才重要。比如下单的路径，观察各个路径的情况，进行优化。

6.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，对应客单价
• 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，与商品关联规则有关。（线下也叫连带率）
• 复购率：（一段时间内）一段时间内多次消费的用户占到总消费用户数之比（忠诚度）
• 回购率：（跨时间段）一段时间内消费过的用户，在下一段时间内仍然有消费行为的占比（消费欲望）

7. 流量指标

1）浏览量和访客量

• PV：浏览次数。以发起请求次数来判定（刷新也算）

• UV：一定时间内访问网页的人数，UV会通过cookie或IP的访问次数来判定次数

  ​ 微信中的网页，UV是不准确的，微信不会保存cookies。

2）访客行为

• 新老客户占比：衡量网站的生命力（适宜就好，过高过低就不行）老访客-黏性，新访客--吸引力；
• 访客时间：衡量内容质量，不是看内容的UV，而是内容的访问时间。
• 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：与多维分析相关，访客从哪里来，游览方式？手机机型？通过来源网站的参数提取。
• 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问数上的占比；
• 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：从该页退出的页面访问数/进入该页的访问数（衡量网页产品结构）
• 跳出率：游览单页即退出的次数/访问次数（衡量落地页、营销页）

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，任何页面都有退出率

8.怎么生存指标

组合生成

• 访客访问时长+UV=重度访问用户占比（游览时间五分钟以上的用户占比）
• 用户会话次数+成交率=有效消费会话占比（用户在所有的会话中，其中有多少次有消费？）
• 机器学习，PCA学习，指数法，生成指标。（偏应用）

9.总结

1. 通过三大核心思维，分解-理解-寻找，得到重要的指标。
2. 根据不同行业，运用不同合适的模型
3. 公司在不同时期、阶段和模式都有不同的指标，需要有根据目的，从更高层次去寻找有效的指标。