常见的数据指标&定位其异常变化时原因

提示：数据分析学习笔记

---

前言

提示：本文的主要内容：
1、常见数据指标的含义。
2、如何分析这些指标发生异常的原因。

---

一、常见指标

提示：遇到没见过的指标就更新

• 视频类指标
  PV(Page View，浏览量)：是指在一个统计周期内，浏览页面的数之和。
  UV(Unique Visitor，访客数)：是指在一个统计周期内，访问网站的人数之和。
  VV(Video View，播放数)：是指在一个统计周期内，视频被打开的次数之和。
  CV(Content Views，内容播放数)：是指在一个统计周期内，视频被打开，且视频正片内容（除广告）被成功播放的次数之和。
  tip：由于用户在广告播放流失，因此通常CV<VV。
• 用户类指标
  新增用户、活跃度、留存率
  访问时长，用户在页面或者APP停留时长。
• 电商类指标
  成交总额（GMV），一段时间内的总成交额。
  成交数量，一段时间内的交易数量总和。
  ROI（Return On Investment ）：投资回报率。
• 游戏类指标
  AU（Active Users）：活跃用户
  PU（Payment Users）：付费用户
  APA（Active Payment）：活跃付费用户
  ARPU（Average Revenue Per User）：平均每用户收入，由总收入/AU计算得到。
  ARPPU（Average Revenue Per Users）：平均每付费用户收入，由总收入/APA计算得出。
  PUR（Pay Users Rate）：付费比率，由APA/AU计算得到。
  LTV（Life Time Value）：生命周期价值，每一个用户从首次登录游戏到最后一次登陆游戏所创造的总收入。

二、指标异常分析

注：提供思考的通用模板，具体回答结合实际场景中指标分析。

1、核实数据真实性

• 数据上报准确性，是否是线上埋点数据落库过程出现问题导致异常现象。
• 指标统计口径一致性，确认需求方计算指标的口径有无问题。
• 相似的情况之前有没有发生过，判断是否是周期性导致的异常变化。
• 确定当前变化幅度为异常变化。

2、归因分析

① 维度拆分，根据积累经验对异常指标进行维度拆分，例如DAU出现异常，通常细分用户、渠道等等维度下钻分析。
② 与产品和开发确认此次case与产品改动是否有关。
③ 与运营沟通是否有新运营活动，推广导致用户流失。
④ 外部环境因素，是否受竞品所影响，与国家政策、社会经济环境是否有关。
注：复合指标发生异常变化，先拆分符合指标的组成成分，对每个成分进行上述分析。比如GMV = 访客数 * 用户转化率 * 订单均价，GMV发生异常变化时，对访客数、转化率、订单均价分别进行异常归因分析。

---

总结

本文主要用于分析一般指标异常变化如何分析的套路，即首先确认指标真的异常，之后拆分指标下钻分析到一定程度，结合内外环境因素明确原因，最后由得到的分析原因，给到业务侧相应可落地的指导建议。实际工作中，对于具体数据指标，根据实际场景进行分析原因更为妥当。
扩展：上述对指标异动的分析只停留在定性上，若要更准确分析各问题对于指标异动的贡献度，定量的分析原因可以参考链接: 贡献度定量归因之法