常见的互联网数据指标

置顶吾爱大数据

已于 2022-07-03 12:32:53 修改

阅读量2.7k

点赞数 1

分类专栏：工作笔记文章标签：数据库 etl

于 2020-10-18 18:08:51 首次发布

原文链接：https://zhuanlan.zhihu.com/p/129633055

版权

工作笔记专栏收录该内容

10 篇文章 0 订阅

订阅专栏

在互联网公司，数据指标是一种非常重要的资源，不管老板，产品经理，运营人员都在关注数据指标。老板经常会问最近产品的数据情况怎么样啊？怎么这两天产品的下载量突然极速下滑了啊？面对老板的问题，作为一位数据分析师，必须搞懂互联网行业的常用数据指标。本文通过用户、行为、业务三个方面为大家介绍常用的数据指标。

首先我们来看什么是数据指标？

用大白话来说，数据指标就是对于当前的业务有参考价值的一种统计数据。我们拆解这一句话得到了两个标准：

（1）可统计，可被观测的数据。

（2）对当前业务有参考价值的数据

比如某超市最近在门口做了一次营销活动，我们怎么衡量这个活动是否有效呢？

我们的业务目标是通过这次活动来售卖更多的商品。售卖商品可以联想到“销售额”和“利润率”，但有了这两个还不能表达“更多”，所以还需要添加“销售增长率”，那怎么来衡量活动的吸引力呢？要证明“有吸引”，就要在同等路人数量的情况下对比活动前后进店客户数量的变化，但我们不能保证每天的路人数量都一样啊，所以还需要把单位化成“平均每人进店的可能性”，也就是对比活动前后的“进店率”和“下单率”。

具体怎么知道什么指标对业务有参考价值呢？

抛开指标的概念，通常来说当我们去评价一个业务的时候，无非就是看这三个方面，我们想知道的就是谁，干了什么，干完之后结果怎么样？抽象出来就是用户群体、用户行为和业务表现，对应的指标分别是用户数据、行为数据和业务表现数据。

常见的用户、行为和业务指标有哪些？

一、常见的用户群体数据可以从四个方面描述：

存量、增量、质量（健康程度）、来源（渠道）

1、存量（活跃用户、注册用户等）：描述一个产品的用户群体规模有多大

1.1 、DAU(Daily active user) or MAU(Monthly active user)：细分下来有日活用户 or 月活用户等等，接下来对“Daily”、“Monthly”、“active”、“ user”关键词进行拆解

1.1.1 、Daily:定义了每天，在中国就采用北京时间；对于出海跨时区业务，我们需要对所有国家采取统一的标准，统一采用某时刻最近的24h

1.1.2 、Monthly:一个月当中的每天加起来可以得到每月，但MAU不等于每日的DAU之和，因为每日的DAU可能会重复出现，单纯相加不具有参考价值，应该进行去重处理

1.1.3 、Active：什么叫“活跃”呢？我们认为只有使用了产品的核心功能，执行了关键事件的用户才叫活跃用户。研发在埋点的时候要注意，只有用户主动使用了产品的核心功能才向数据统计平台上报一个事件，而不是在客户不主动的时候也上报事件。一个产品在不同的发展阶段可能有不同的核心功能，核心功能数量会随着时间的推移越来越多，在统计的时候需要把每个核心功能都考虑进去。为了降低维护成本和沟通成本，我们可以制作一个“日活事件列表”，把它尽量放在大家触手可及的地方，每次更新时都及时让全公司知道。

1.1.4 、User：在零售行业，每个客户都有唯一的ID，我们可以比较容易分辨出来。但是在互联网行业，一个用户可能会有多台不同IP的设备登陆网页，一台设备在不同的时间可能又会有不同的IP地址，同一个设备可能又会被不同的用户使用。那么到底是按“人”来统计还是按“设备”来统计呢？

主要取决于我们的业务场景
在这里插入图片描述

2、增量（新增用户）

业务场景：我们去做app推广的时候，需要找很多的渠道，市场运营的同学会去跟这些渠道商合作，最后会依据渠道为我们带来的新增用户数进行一个结算。那这个“新增用户”到底怎么计算呢？一般各公司甚至各部门的口径都会不太一致，渠道商会认为，只要用户在他的推广页面点了下载按钮，就算一个“新增用户”。但市场运营的同学会说，总得下载成功了才算吧！而且我觉得一个用户一天最多算一次，要不然一个用户每天点十次，那我这个钱就冤枉了！但对于产品的同学，觉得下载成功不算什么，万一没有安装呢？应该按用户启动量来算。但研发的同学又说，注册了才叫“新增用户”，否则后台压根没这条数据！大家可以看到，虽然每个角色都在提“新增用户”这个词，但其实每个人讲的“新增”其实是不一样的。我们要知道数据指标的定义没有绝对的对错之分，只能根据具体的业务场景来定义。那在这个场景里面，我们谈的“新增用户”到底是什么呀？要搞清楚这个，我们先定义什么叫“增”？我们定义只要用户在业务流程上某个节点出现了就算是一个“增”
在这里插入图片描述

那接下来我们怎么选择节点呢？对于企业而言，通常的想法是利用有限的资源去产生最大的效益。我们可以用不同节点的优劣势来界定不同的业务场景，反过来基于业务场景来选择合适的节点。
在这里插入图片描述

怎么判定这个用户是不是“新”呢，因为“增”并不等于“新”啊。如果一个用户三天前安装了又卸载了，今天又安装了，那算不算“新”呢？

①基于设备（iOS、Android、web各有门道）

②账号关联（与后台已有的账号比对匹配）

3、用户质量（留存率）

业务场景：假设一款产品发布之后第一天获取了10位用户，在获取这10位用户之后呢，再也没有新增用户了。在这种极端情况下，如果是说第一天是10个DAU，第二天是8个，第三天3个，依照着这样的情况走下去，这个月的MAU就是10，对吧？因为这个产品总共就只有10位用户，按照前面的MAU的算法结果就是10。但如果我问这个产品的七日留存率是多少？这个时候去问不同公司或者是不同部门的人，大家都会有不同的说法。那具体的分歧在哪呢？
在这里插入图片描述

3.1、第一种七日日留存：用第七天的人数/第一天的人数

我们用最后一天的4位用户去除以我们第一天新增的10位用户，算出来是40%。老板看到之后觉得有点低，觉得这个产品质量不太行。

3.2、第二种七日内留存：用七天以内的去重的人数/第一天的人数

产品部听到后，说第一种七日日留存算法里面，中间的那些用户对业务都有贡献，但都被扔掉了，这个算法不科学啊。应该把这七天的用户全加起来，然后再去重，这样留存率就是90%，产品质量还是很好的！
在这里插入图片描述

这就是我们日常经常会遇到的一些争论，那到底哪个算法是正确的呢，这个时候就要回归到我们业务当中，具体问题具体分析，就是我们目前为什么要看留存？

3.3、了解某个渠道的质量——七日日留存

我们为什么要采用第一种算法来衡量渠道的质量呢？

假设我们现在有两个渠道A和B，在第一天同样获取了10000个新客户，第二天A渠道留存的用户数比B渠道的用户数要多，但是第七天A渠道留存的用户数比B渠道的用户数要少，如果按照第二种七日内留存算法，渠道A的质量是好过渠道B的质量的，但是渠道A最后引入的用户数要少于渠道B的，渠道A的质量应该没渠道B的质量好才对，因此我们要采用第一种算法。
在这里插入图片描述

那我们是不是只看一次七日日留存情况就可以衡量渠道的质量了呢？如果当天外界因素对用户产生了过多的干扰，过多影响了我们的用户数，那也不能准确地衡量渠道的质量。所以我们要采用空值变量法，设置对照组实验

假设1月1日有x个新增用户，1月7日还有y个用户活跃，则七日日留存=y/x=7.83%

设置对照组，在2月份相同的天数再算一遍，消除误差

假设2月1日有m个新增用户，1月7日还有n个用户活跃，则七日日留存=n/m=7.22%
在这里插入图片描述

所以七日日留存，只关心到特定日的留存情况，避免了其他日数据的干扰，以“X日日留存”作为比较标准时，可以避免其它日数据的干扰

3.4、产品的质量——七日内留存

如果产品比较特殊，用户只在一周之内的特定时间活跃，比如一个面向用户是学生的产品，学生平时要上学，用不到，只有在周六周日才会去使用你的产品，又或者说这是一个只在工作日上班的时候才有用的产品，在周末的时候是没有人会用的，那如果采用第一种算法就会产生较大的误差，所以只能选择第二种算法。因此七日内留存适用于有固定使用周期，且周期较长的业务

特殊情况下，我们还可以以“八日日留存”或“三十一日日留存”为标准，来衡量渠道健康情况，因为第八天的工作日和第一天的工作日相同，第三十一天的日期和第一天的日期相同，消除了更多的误差

同样也可以以“次周周留存”或“次月月留存”为标准，来衡量产品的健康情况，观察用户在平台上的粘性

二、常见的行为数据可以由四个方面描述：次数人数、时长、路径深度、质量（会话）

1、次数 or 人数(PV or UV or 访问深度DV)

业务场景：某天5个用户来到某电商网站，总共访问了13次首页；在13次首页访问中，有8次点开了商品详情页；最后有2个用户注册了会员；这2个用户中后续有1个购买了商品。我们把上面的步骤用下图表示，并且把每一步涉及到的PV(次数)和UV(人数)分开进行表述

在这里插入图片描述