1.数据分析基础
1.1数据分析意义
数据产品设计&利用数据帮助业务、产品、运营做良性的发展。
认清现状、了解趋势、发现问题、认清用户。
1.1.1认清现状:
1.1.2了解趋势:
除了以上的整体的指标,还有特定的指标。
比如一个月或几个月内整个站点pv的变化是多少、某个功能pv的变化、登录用户数的变化、内容分布的变化===>通过变化曲线发现产品良性发展or低谷。
趋势分析还可以看出,产品发展是不是健康,是否朝预期的方向发展。
1.1.3发现问题:
埋点:想要了解非常具体化的功能数据。
如上下游关系的数据分析,可以发现那些功能非常重要,哪些功能有问题。
如对新增功能进行分析,观察使用该功能用户的变化,来判断此功能是否受欢迎。该功能用户的来源和去向的页面。=>该功能给客户/产品带来多少价值,或者在整个产品的各个环节中占有什么样的比例,再结合功能使用趋势,决定是否加大该功能的投入,或改善该功能,达到我们想要的预期。如果与预期相去太远,几乎无法补救的话,考虑将此功能撤销掉。
基于产品用户体验流程的分析,流程的内容分布=>改善流程提供思路
1.1.4认清用户:
用户的行为数据:用户喜欢看的内容、用户喜欢的互动的方式、用户点击页面热度的分析=>都可以从更深层次完善我们的产品=>给用户提供更加个性化的东西
1.2产品运营
1.2.1AARRR模型:
- Acquisition(获取)
- Activation(活跃)
- Retention(留存)
- Revenue(收益)
- Refer(传播)
DNU:每日注册并登陆的用户数,主要用于衡量渠道贡献新户的份额和质量。
DAU:日活跃用户,每日登陆过的用户数。主要用于衡量核心用户的规模。
用户总体趋势是随着产品周期阶段性的变化的,细分有新用户的转化率,老用户的活跃度及流失情况。
WAU:周活跃用户。
MAU:月活跃用户。
衡量周期用户的规模、产品的粘性、产品生命周期的数据趋势的表现。
DAU/MAU主要衡量用户粘度,通过计算公式一般可以得到用户的参与度,用户活跃天数。
留存:
次日,3日,7日,30日留存,不同时期用户对产品的适应性,可以用来评估渠道的用户质量,衡量用户对产品的粘度。
收益:付费率。在一个统计周期内,付费用户占活跃用户的比例,衡量产品的付费引导是否合理,付费点是否吸引人,付费倾向、付费转化是否达到预期。
活跃付费用户,指统计的周期内成功付费的用户数。衡量产品付费的规模、付费用户的构成、付费体系稳定性。
平均生命周期,指在统计周期内,用户平均使用产品的时长,一般用来衡量用户粘性。
获客成本。
投入产出比:用来筛选推广渠道,分析每个渠道流量变现的能力。衡量渠道付费流量获取的边际效益=>拿捏投入的力度,结合新增、流失、留存、付费等来调整推广的渠道。
2.常用的数据指标
2.1产品运营类指标
2.1.1站外推广类指标
2.1.2流量类指标
衡量用户在站内非转化类行为。
跳出:首次进入的页面,就终止了访问。可以想象成是个坏的指标。
跳出率:访问了一个页面就跳出来的比率。
2.1.3目标类转化指标
2.1.4销售类指标
2.1.5妥投类指标
2.1.6商品运营类指标
SKU:商品的属性。
2.1.7店铺类运营类指标
GMV(Gross Mer-Chandise Volume):成交总额。
2.2产品会员类指标
2.2.1整体会员指标
2.2.2注册会员指标
2.2.3购买新/老会员指标
2.2.4老会员复购指标
2.2.5会员流失指标
2.3成本控制类指标
2.3.1流量类成本
2.4收益控制流指标
学习资料来源:腾讯课堂-起点学院课程