七周成为数据分析师（秦路）-第二周-业务

业务的重要性：唯有理解业务，才能建立业务数据模型。

模型未动，指标先行。如果你不能衡量它，你就无法增长它。

结构化，公式化，业务化后，可以进一步指标化。

销售&运营&市场 $\to$ 指标 $\to$ 推动业务&机器学习&管理

指标建立的准则：

1. 针对核心业务创建核心指标
2. 比率
3. 好的指标应该带来显著效果
4. 好的指标不应该虚弱
5. 好的指标不应该负责

经典的业务指标

1. 市场营销的指标

   • 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。e.g. 潜在用户，兴趣用户，新用户，老/熟用户，流失用户，回流用户。

   • 用户价值

     严重依赖于业务，有些经典的模型。e.g. RFM模型

   • 用户分群/营销矩阵

2. 产品运营指标（AARRR）

   1. Acquisition（用户获取）

      1. 渠道到达量/曝光量
      2. 渠道转化率（Cost Per X）：CPM(Money), CPC(Click), CPS(Sell), CPD(Download), CPT(Time)
      3. 渠道ROI：投资汇报比
      4. 日应用下载量
      5. 日新增用户数
      6. 获客成本（CIC）
      7. 会话（Session）用户数占比

   2. Activation（用户活跃）

      1. DAU/MAU
      2. 活跃用户占比
      3. 用户会话次数
      4. 用户访问时长
      5. 平均访问次数

   3. Retention（用户留存）

   4. Revenue（用户营收）

      1. 付费用户数
      2. 付费用户数占比
      3. 时间段内所有用户平均收入（ARPU）
      4. 时间段内付费用户平均收入（ARPPU）
      5. 客单价
      6. 用户生命周期价值LTV（适合敏捷项目）

   5. Refer（用户传播）

      1. K因子：每个用户带来的新用户
      2. 用户分享率
      3. 活动/邀请曝光量

3. 用户行为指标

   1. 功能使用
      1. 功能使用率/渗透率
   2. 用户会话（Session）
   3. 用户路径（桑吉图）

4. 电子商务指标

   1. 笔单价
   2. 件单价
   3. 成交率
   4. 购物篮系数
   5. 复购率（消费欲望）
   6. 回购率（忠诚度）

5. 流量指标

   1. 浏览量和访客量
      1. 浏览次数（PV）
      2. 时间内访问网页的人数（UV）
   2. 访客行为
      1. 新老访客占比
      2. 访客时间
      3. 访客平均访问页数
      4. 来源
      5. 用户行为转化率
      6. 首页访客占比
   3. 退出率和跳出率
      1. 退出率
      2. 跳出率

怎么生成指标

组合基础指标

业务分析框架

1. 从指标的角度出发
2. 从业务的角度出发
3. 从流程的角度出发

小案例

1. 市场营销模型
2. AARRR模型
3. 用户行为模型
4. 电子商务模型
5. 流量模型

如何应对各类业务场景

1. 练习
2. 熟悉业务
3. 应用三种核心思维
4. 归纳和整理出指标
5. 画出框架
6. 检查，应用，修正
7. 应用和迭代

数据管理

30%数据统计+70%数据管理