互联网数据分析-入门到实战-笔记

概述

统计指标、业务数据、预制模型、自定义分析

数据采集-指标建模-观测数据-数据分析-业务洞察

数据使用的能力模型

能力项	本课程	未来
建模	目标明确、流程单一的功能/模块	复杂产品的指标体系
工具	利用现有工具自身的特性	跨工具组合使用
方法	掌握9个常见分析方法	需求驱动的分析方法
应用	完成对业务现状的描述	用数据为业务直接产生价值/预测趋势及未来

一、指标建模

1、数据指标
什么是数据指标？-对当前业务有参考价值的统计数据
常用的数据指标有哪些？它们是怎么定义的？
日常工作中查看这些指标会碰到哪些坑？
①用户数据：
存量-DAU/MAU
增量-新增用户
健康程度-留存率
从哪儿来-渠道来源
②行为数据：
次数/频率-PV、UV、访问深度
路径走通程度-转化率
做了多久-时长
质量-弹出率
③业务数据： 

总量	GMV	访问时长
人均	ARPU/ARPPU	人均访问时长
人数	付费人数	播放人数
健康程度	付费率、付费频次	观看率
被消费对象	SKU视角	被消费内容视角

1）用户相关指标：

Daily/Monthly Active User
日/月 活跃 用户
Daily 自然日 若跨时区则关心最近24H
Monthly 当月至少活跃一次的用户总数
MAU不等于当月各日DAU之和
单纯将日活累加而不去重，是没有任何参考价值的

Active
方法一：数据统计系统的定义
预制报表的统计系统（友盟、百度统计、GA等等）
基于事件上报：有事件上报=该用户活跃
上报一事可能有“坑”（假定了事件上报一定来自用户主动操作）
谨防Surprise！（活跃暴增，其他数值并无显著增加）
方法二：业务上的定义
基于关键事件上报：用户执行了关键事件=该用户活跃
存在维护成本：需不断维护日活时间列表
存在沟通成本：团队内外对（活跃）的认识需统一

User
认人
给每位注册用户一个唯一的专属ID
只适合强注册/登陆环境，未登录的用户会被漏掉
用户数=访问过服务的ID数
认设备
在网页cookie中埋下一段长随机字符串，作为设备唯一标识符
无法对应设备背后的用户
用户数=访问过服务的设备数
认人OR认设备
是否有账号体系？no=认设备
业务场景是否强依赖登陆？yes=认人+认设备
不登录的用户对业务是否有价值？no=认人+认设备 yes=认设备

新增用户
问题一：选择合适的节点，定义（增）
渠道商往往强势，哪个节点算钱应该先谈清楚
渠道ABC-渠道页面-应用商店-应用首页-完成注册

	点击渠道连接	下载	安装/启动	激活
优势	统计简单	真正反映了用户的实际意愿	离（激活）最近，便于统计	最（真实）的数据
劣势	离激活环节最远，转化率太差	数据源可信度存疑，无法避免刷量	渠道不一定配合，仍然无法避免刷量	渠道费用激增，统计复杂
适用场景	量级不大/免费渠道，不需要做精细结算	渠道依赖应用商店且没有更好的渠道	自己较强势，可给渠道制定统计规则	对用户质量要求很高且产品ARPU高

问题二：用适当的方法，判别（新）
基于设备
基于账号关联

用户留存
为什么要看留存？
了解某一个渠道的质量-日留存（7日日留存/30日日留存）
以天为单位，衡量这个渠道来的用户当下&接下来的表现
以（x日日留存）作为比较标准时，可以避免其他日数据的干扰
特殊：用户访问特别集中，只看Day7来评价，往往不能反映真实情况，此时，关注7日内活跃情况，更能描述渠道质量
观察整个大盘-周留存/月留存（次周周留存/次月月留存）
以周/月为单位，衡量产品的健康情况，观察用户在平台上的粘性
务必去重！

2）行为相关数据指标&#x