7周-数据分析2周-业务

Part1: 为什么业务重要

只有理解业务，才能建立业务数据模型。

案例：一家O2O领域的公司，他们的数据分析师发现在重庆地区。线下订单的效率始终提升丌上去，在不断对数据分析的过程中，它们研究了配送员的工作状态，路线距离，用户评价，高峰时期订单量等指标，但是始终发现不了问题。后来问了当地的业务员，业务员翻了一个白眼说，重庆是山城啊，送订单用不了小电瓶，所以才慢。

Part2: 经典的业务分析指标

指标和模型的关系

‘模型未动，指标先行’，如果不衡量指标，就无法增长模型；因为好的模型的参数也是要训练的。

指标的重要性

指标是衡量业务增长的基础。

指标的关系：左边是业务的发起方，比如销售部门、运营部门、市场部门，它们本身就有各种各样的分析需求或报表需求等；例如增长KPI，但是如何增长呢？是由指标来衡量，又数据分析师或部门来建立指标，有了指标就要使用这些指标；如何使用这些指标呢？比如这些指标是用KPI来衡量的，由KPI来推动业务、落地业务部门的核心目标。指标也可以用于机器学习，机器学习的本质是变量的最优化逼近，比如想要提高销售转化率、提高电商平台的转化率、数据挖掘、协同过滤。指标用于管理，一些leader用指标来管理好下面的部门。

建立指标的要点

1.核心指标

建立指标要有核心指标，整个部门甚至整个公司的都认同的大目标。比如一家初创公司更关注新增用户量，所以新增用户就是核心指标；如果一个创业中期的公司，需要带动用户，那么用户活跃就是核心指标；到了后期，需要商业化，所以核心指标就是营收。送结构化的角度来讲核心指标就是金字塔的塔尖。

2.好的指标应该是比率

单纯的数字不如比率的意义大。

3.好的指标应该能带来显著效果

有的指标看上去不错，但是落地困难。比如想要提高某个商品的销量，现在又两个方案，第一个方案是提高市场占有率，从现在的市场占有率80%提高到85%；第二个方案是提高销售人员的效率，从销售人员10%的陌生拜访优化提高到15%的陌生拜访。作为数据分析师应该执行那个方案呢？其实两者都未必是最好的方案，主要还是看效果。因为80%的市场占有率就很高了，要提高到85%是不容易的；10%的陌生拜访率提高到15%，也未必又效果，也许10%到15%对整体的效果只有一点点，对业绩的贡献不大，要看整体的贡献。

4.好的指标不应该虚荣

这一点是对第三点的深入解读。

5.好的指标不应该复杂

指标的类型

市场营销指标：

1.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。比如我购买了一个商品，那么从我购买商品的时候我就是企业的客户，在生命周期中，我就是新用户；如果我购买了多次，那么在企业程序中，我就是老客户或成熟的客户；如果有段时间，我特别不喜欢这个商品，把他扔掉了，以后也不在购买，那么对于企业来说我就是流失客户。如果哪段时间，我又想买了，就是企业的回流用户。

好的生命周期是需要管理的。

不同业务划分的阶段不同。传统营销中，分为潜在用户、兴趣用户、新用户、老/熟用户、流失用户。

2.用户价值：通过产出量和投入量计算用户贡献。

怎么定义最有效的用户呢？用 指数法，将业务最关注的几个指标一起加工

比如1：用户贡献=产出量/投入量*100%

比如2：用户价值=（贡献1+贡献2+。。。），以知乎为例：用户价值=写文章的次数+关注数+文章的浏览量+...，通过线性加权来获得用户价值。

比如3：用户价值 金融行业会以存款+贷款+信用卡+年费+...-风险-流失

3.RFM模型：根据R最近一次消费时间、M总消费金额和F消费频次来衡量客户价值，将用户划分为多个群体。

比如：获取一个用户的成本非常高（在金融行业里获取一个用户的成本需要2000-3000），会把R提高，预防用户流失。

4. 用户分群/营销矩阵：使用象限法对用户进行分类。

产品运营指标（AARRR模型）

图仅供参考，未必有先后逻辑。

AARRR未必有先后顺序，也许获取用户的同时这个用户就已经提供了营收

用户获取Acquisition

包括渠道到达量（俗称曝光量，）、渠道转化率、日应用下载量等。

        渠道到达量：俗称曝光量，有多少人看到了产品推广相关的线索。

        渠道转化率：有多少用户因为曝光而心动Cost Per，包括CPM、CPC、CPS、CPD、CPT等。CPM纯粹的曝光，例如路边的广告牌按挂在哪里的时间计；CPC点击，例如微信广告的点击次数计费；CPS按照销售，按件计费；CPD按下载计费；CPT按照时间计费。

        渠道ROI：推广营销的熟悉KPI，投资回报率，利润/投资*100%，所以只要投资回报率大于1都是赚钱的。厉害的投资回报比甚至可以达到5~6。

        日应用下载量：APP的下载量，这里指的是点击下载，不代表下载完成。

        日新增用户数：以用户注册提交资料为基准。

        获客成本：为获取一位用户需要支付的成本。各个行业需要的成本不同。

        一次会话用户数占比：指新用户下载完APP，仅打开过产品一次，且该次使用时长在2分钟以内。（防止机器人刷单）

用户活跃Activation

包括：

        日/周/月活跃用户数

        用户会话session次数：用户打开产品操作和使用，直到退出产品的整个周期。特例：5分钟内没有操作。默认会话操作结束。

        用户访问时长：一次会话的持续时间。

        用户平均访问次数：一段时间内的用户平均产生会话次数，需要看用户之间的粘性。

用户留存Retention

用户在某段时间内使用产品，过了一段 时间后仍旧继续使用的用户。是衡量用户在一段时间后继续使用产品的比例。

案例：假设产品某天新增用户1000个，第二天仍旧活跃的用户有350个，那么称次日留存率有35%，如果第七天仍旧活跃的 用户有100个，那么称七日留存率为10%。

营收Revenue

涉及付费用户数、付费用户数占比、ARPU等。

        付费用户数：花了钱的。付费之后退款的也算付费用户。

        付费用户数占比：每日付费用户占活跃用户数比，也可以计算总付费用户占总用户数比。

        ARPU：某时间段内每位用户平均收入。（算所有的用户）。与客单价的区别，                ARPU有时间限制，客单价没有时间限制。

        ARPPU：某时间段内每位付费用户平均收入，排除了未付费的。（只算付费的用户）

        客单价：每一位用户平均贩买商品的金额。销售总额／顾客总数。

        LTV：用户生命周期价值，和市场营销 的客户价值接近，经常用在游戏运营电 商运营中。

        LTV = ARPU * 1/流失率（这是一个经验公式，并不能确保百分比正确），适用于短平快的项目。

传播Refer（一般是要打造爆款）

包括K因子、用户分享率等。

        K因子：每一个用户能够带来几个新用户。（老带新，K因子>=1，说明这个产品可以通过传播达到自增长。）

        K因子=用户数*平均邀请人数*邀请转化率。

        用户分享率：某功能／页面中，分享用户数占浏览页面人数之比。

        活动／邀请曝光量：线上传播活劢中，该页面被人浏览的次数。一般代指朋友圈广告或文案的浏览量。

用户行为指标

用户行为的数据分析是一个很广泛的课题，不同业务领域背景的用户行为分析不一样。 这里简单概括说几个方法。

功能使用

        功能使用率／渗透率：使用某功能的用户占总活跃数之比。 比如点赞、评论、收藏、关注、搜索、 添加好友，均可以算做功能使用。这些 指标在特定业务中均有作用。

        用户会话，会话session：也叫做session，是用户 在一次访问过程中，从开始到结束的整 个过程。 在网页端，30分钟内没有操作， 默认会话操作结束。

用户会话

        用户路径，路径图：用户在一次会话的过程中，其访问产品内部的浏览轨迹。通过此，可以加工出关键路径转化率。

全产品的路径

桑吉图

总结

• 功能使用率/渗透率：特定功能使用的用户占总活跃用户的比例。
• 用户会话：用户访问过程中的整个操作周期。
• 用户路径：用户在会话中的浏览轨迹。

电子商务指标

案例：

案例1：购物篮分析：包括笔单价、件单价、成交率等。

        笔单价：用户每次贩买支付的金额，即每笔订单的支出。和客单价对应； 件单价：商品的平均价格； 成交率：支付成功的用户在总的客流量中的占比； 购物篮系数：平均每笔订单中，卖出了多少商品。贩物篮系数是多多益善，它也和商品关联规则有关系。

案例2：复购率和回购率：衡量用户重复购买的比例。

        复购率是一段时间内多次消费的用户占总消费用户数之比。例如4月有1000 位用户消费，其中500位消费了两次以上，则复购率是50%。 回购率是一段时间内消费过的用户，在下一段时间内仍旧消费的占比。例如4月的消费用户数1000，其中600位在5月继续消费，则回购率为60%。

总结

购物篮分析：包括笔单价、件单价、成交率等。

复购率和回购率：衡量用户重复购买的比例。

流量指标

浏览量和访客量

浏览量：

        PV：浏览次数。互联网早起的统计指标， 用户在网页的一次访问请求可以看作一 个PV，用户看了十个网页，则PV为10；刷新也是一个PV，因为刷新也是一个访问请求。

        UV：是一定时间内访问网页的人数，正式名称 独立访客数。在同一天内，不管用户访问了多少网页，他都只算一个独 立访客。 技术上，UV会通过cookie或IP衡量。

访客行为：

        新老访客占比：衡量网站的生命力。新访客占比下降，说明对对新访客没有吸引力了或推广有问题；老访客代表访客的粘性，所以新老访客占比太高或太低都不好，要有一个中间的状态。

        访客时间：衡量内容质量不是看内容的 UV，而是看内容的访问时间。例如标题党，如果UV特别高，但是访客时间只有几秒，则是标题党。

        访客平均访问页数：衡量网站对访客的吸引力，是访问的深度。因为如果网站本身很好的话，用户是愿意一直浏览下去的。 提高访客平均访问页数的作弊方式，比如一个新闻拆成4、5个页面让用户访问‘下一页’。

        来源：访客从哪里来，技术上，通过来源网站的参数提取，可以区分SEM，SEO或者外链等。

        用户行为转化率：用户在网站上进行了相应的操作的用户在总访客数上的占比。

        首页访客占比：只看了首页的用户，在总访客上的占比。衡量网页的导航好不好。

退出率和跳出率：

        退出率：从该页退出的页面访问数/进入该页的访问数。比如说这个页面有100个用户进去，有50个用户退出（看了几个页面，回退），则退出率为50%。

        跳出率：浏览单页即退出的次数/访问次数。（只看了一个页面）跳出率比退出率严格。

        跳出率一般衡量各个落地页，营销页（landing page）等页面。退出率则更偏产品 ，任何页面都有退出率（更偏向网页的结构设计的巧不巧秒、用户能不能正确的找到想要浏览的页面）。

即跳出率是在营销中用的，退出率是在网页产品结构中用的。

总结

• 浏览量和访客量：PV和UV的定义和重要性。
• 访客行为：新老访客占比、访客时间、平均访问页数等。
• 用户行为转化率：用户在网站上进行操作的比例。
• 退出率和跳出率：衡量页面的用户流失情况。

指标的生成

如何通过组合现有指标来生成新的指标。

访客访问时长 + UV = 重度访问用户占比 浏览时间5分钟以上的用户在整个访客中占比

用户会话次数 + 成交率 = 有效消费会话占比 用户在所有的会话中，其中有多少次有消费？

Part3: 业务的分析框架

如何建立业务分析框架

从指标、业务和流程的角度出发来建立分析框架。

案例及应用

市场营销模型

结构法、公式法、

结构图（树形发散结构）

市场营销模型

主轴指客户的生命周期（潜在用户、机会用户、新客户、老客户、忠诚客户）。品牌营销，比如路边的广告牌、品牌的曝光，其实影响的中有潜在的用户，让用户感兴趣，感知到产品；各个渠道，包括应用商店、线下渠道，这些方式都是让用户感兴趣。转化率的问题，如果付费了就变成新客，如果没有付费就变成前用户（或未付费用户）；

AARRR模型

结构法、公式法、指标 三者结合，落地成业务模型。，指标靠组合生成

比如，一个用户想要下载使用产品，首选要有接触的渠道，上图中有三条渠道，1.‘排行榜’；2.‘应用商店里的热门应用’；3.‘社交传播病毒营销’，付费渠道的落地页是统计曝光量、转化率等。落地页直接跳转到应用商店，排行版就不会有落地页。‘社交传播病毒营销’比如朋友圈里的各种爆款小游戏页面。‘应用商店里的热门应用’和‘社交传播病毒营销’两者有流程上的差异，应用商店是先下载再注册，社交传播时先注册再下载。用户变成忠诚用户之后的流程就变成产品运营的模块了，做广告之类的。

上图体现结构法和公式法

推送激活转化率，就是推送了多少用户，有多少用户因为这个推送回来；有效推送成功率，是有些用户的手机号码是错误的或者换了手机号码，无法推送成功；有效推送到达率，就是产品的服务器问题，比如推送时的网络不好，服务器崩掉了；用户打开率，就是用户看到的推送有几次点击打开，比如给用户推送了10次，用户只打开了2次，则用户打开率是20%；

用户行为模型（内容平台）

用户行为本身是比较广泛的，以下是以内容平台举例，例如知乎。

作为平台首先要邀请用户，‘邀请’、‘渠道推广’、‘内容传播’；然后注册成为‘内容消费者’即普通用户；内容消费者浏览各个渠道的内容‘内容推荐’、‘Feeds’、‘内容聚合页’；浏览的用户也会完成从‘活跃’、‘不活跃’、‘流失’的用户周期；一个平台不光有内容消费者，还要有‘内容生产者’，比如新闻机构或个人等，各个渠道的内容‘内容推荐’、‘Feeds’、‘内容聚合页’；内容生产者也会完成从‘运营’、‘活跃’、‘不活跃’、‘流失’的用户周期；思考：‘内容消费者’和‘内容生产者’哪一个更重要，在一个平台的早期，‘内容生产者’比较重要，因为产出较好的内容才能吸引‘内容消费者’，在平台的后期，和盈利相关的时候‘内容消费者’比较重要，因为需要盈利。

下图是用结构法和公式法、指标来综合分析一个节点。

电子商务模型

简化的电子商务模型 结合 市场营销的概念。

从市场营销方面分为‘新客访问’和‘老客访问’，‘新客访问’分为‘自然渠道’和‘付费渠道’(就是渠道推广的内容)，‘老客访问’分为‘回头客’和‘忠诚客’；‘新客访问’和‘老客访问’有涉及到网络的模型，是通过哪些渠道浏览商品的，‘营销落地页’ ‘通过导航页’ ‘通过搜索’ ‘个性化推荐’，这四个渠道可以使用用户路径图，‘营销落地页’可以引用‘推出率’和‘跳出率’来观察；‘商品详情页’又是一个漏斗，到‘购物车’到‘下单/支付’到‘物流’到‘收货’；

下图分析具体的一个节点，用到数据分析的思维技巧对比法、象限法、漏斗法。

流量模型

网站的流量模型，从流程上来讲，用户从哪里来？SEO、SEM、外链、回访等。用户到哪里去？就是落地页、访问量、收藏、注册、广告等。‘会员’到‘订阅’增加‘会员订阅率’；‘会员’到‘流失’增加‘会员流失率’；‘订阅’到‘邮件/手机’增加‘回访率’

下图为具体环节举例：比如搜索细化分为SEO和SEM划分成一个树状图，SEO和‘关键词’和‘用户的搜索’行为相关，可以是由topN、‘二八法’，看哪些关键词能吸引到更多的用户，也可以看哪些关键词可以和多维组合，不同地区、不同手机型号的用户在‘关键词’上是否有差异、用户类别有什么不同；SEM是和钱相关，所以引入‘曝光量’ ‘转化率’ ‘跳出率’ ‘访问时长’ ‘ROI’这些指标，分析SEM的健康程度，所以市场营销指标、产品运营指标、用户行为指标、电子商务指标、流量指标等，在实际应用当中这些指标的界限都是很模糊的、是可以组合使用的。

业务模型总结

市场营销模型

• 描述了客户从机会客户到忠诚客户再到流失客户的转化过程。

AARRR模型

• 详细解释了用户从获取到活跃、留存、营收和传播的过程。

用户行为模型（内容平台）

• 分析了内容消费者和生产者的行为。

电子商务模型

• 涵盖了从新客访问到忠诚客的整个电子商务流程。

流量模型

• 讨论了SEO、SEM等流量来源和转化过程。

如何应对各类业务场景

提供了一个步骤化的框架，从练习到应用和迭代。

Step.1 练习

Step.2 熟悉业务

Step.3 应用三种核心思维

Step.4 归纳和整理出指标

Step.5 画出框架

Step.6 检查、应用、修正

Step.7 应用和迭代

例如：

1.练习：夜市的案例，搭建一个夜市的分析框架
2.熟悉业务：不同的框架有不同的业务背景，拿电子商务举例，打开几个电商产品，分析他的框架是什么样的。或从阅读软件分析，从自己熟悉的入手。强化在业务方面的感觉。
3.应用三种核心思维：对业务有大概了解之后，直接打开思维导图画，在画的差不多的时候，开始关注指标。
4.归纳和整理出指标：像复购率、回购率、用户活跃、用户行为、新客、老客几乎可以运用到大部分的框架里，所以练习的时候看看自己能不能运用到。
5.画出框架：画框架也是有很多工具的，用工具画这些框架模型。
6.检查、应用、修正：具体问题具体分析，框架不一定是完美的。或者3个月6个月之后再回看有什么需要改进的地方、有什么新的想法。
7.应用和迭代：在工作上应用这些框架。

完成者7个步骤就可以完成一个可以贴合业务的分析框架。如果新人还是感觉吃力怎么办？新人可以从一个模块开始，比如整个环节闭合起来太吃力，可以先只做新用户的结构化公式化列出来，在分析老用户，这时候先不着急把新用户和老用户关联起来，最后再把所有的模块联系起来。

练习

需要用到的网站：ProcessOn(专门画流程图)、xmind(也是画流程图的)

Part4: 数据化管理业务

数据管理

30%的数据统计，70%的数据管理

数据统计与管理：

强调数据统计和管理的重要性。

列举了数据分析和管理使用的工具和平台，如Hadoop、Hive、Cognos、SQL Server、BI、Python、R语言、机器学习、大数据、QlikView、Tableau、数据挖掘、ETL、MySql等。

商业智能BI和大数据：

提供了获取更多信息的资源链接。

文档通过具体的例子和模型，详细阐述了业务分析的重要性、关键指标、分析框架的建立方法以及数据化管理业务的工具和策略。