数据分析思维--流量分析

一.渠道分析—从哪来
关键指标：前期看有效用户数和次留，中期看次日，七日，30日留存，后期看ROI
有效用户数：渠道的收费，看主动行为用户，停留大于3s
后期：每个渠道的ROI
分析方法：结构+趋势+对比+作弊
结构：一级渠道–二级
对比：不同渠道
作弊：用户行为+机器学习

二.转化及价值分析–经过什么，产生什么
漏斗分析，功能模块价值分析
2.1漏斗分析：针对要提升的某一步，核心思想都是用户细分：按照用户基础属性和行为属性来拆分
对有问题的群体进行有针对性优化—精细化

2.2功能模块的常规分析
①功能渗透率=功能用户数/大盘用户数
②功能功能留存率：第一使用第二天也使用该功能/第一天使用该功能用户数
③功能大盘留存率：第一天使用该功能第二天是大盘用户/第一天使用该功能用户数
大盘用户 = 所有功能用户排重+不使用任何功能用户

2.3价值分析
④功能核心用户数：符合某种要求功能用户数，一般使用次数，使用时长，使用天数，具备某种行为来定义‘核心’
⑤功能对大盘贡献度，比如对大盘留存的提升的贡献
功能a对大盘留存的提升贡献=功能A渗透率*功能A的大盘留存率提升数
⑥功能带来的收入对比

三. 流量波动分析–日常监控：日活跃和留存，围绕这两个来展开
3.1 日活跃= 外部影响+内部影响

外部 = 行业变化+竞品变化
常识+外部事件+竞品变化

内部影响 = 数据统计 +用户基础属性+用户行为属性
数据统计 ：数据采集和统计口径
用户的基础属性：用户哪里来，通过什么方式-渠道，入口，画像
用户行为属性：用户进来干啥-具体功能的变化，和版本有关

3.2 留存波动
留存波动 = 新用户留存+老用户留存
新用户留存=渠道+渠道过程有关
老用户留存 = 所有功能用户去重留存+大盘非功能用户留存
功能A留存+功能B留存+功能C留存+大盘非功能用户留存

实际中出现的现象：
①.A,B,C 中有一个留存下跌 --分析
②.A,B,C中有两个以上留存下跌 – 分析主要下跌的，如果下跌幅度都差不多：
①.进一步观察，如果还是持续阴跌，必然是产品某核心部分出问题，围绕指标体系做全盘分析
②.跌了几天回去了，可能与外部因素有关，暂时不管
留存比较费神，保持耐心