数据指标有哪些? 常见的数据指标 和数据分析模型
2023-08-20 14:36:46 2 举报
AI智能生成
登录查看完整内容
数据指标有哪些?常见的数据指标和数据分析模型
作者其他创作
大纲/内容
不是所有的数据都叫指标,指标必须对业务有参考价值。
数据指标很多,好的数据指标能改变商业行为,主要是留住用户,口碑传播,使品牌最大化,从而树立品牌正面形象,获取有效用户,创造更多营收。好的数据指标,更应该为产品业务线所在的发展阶段提供指引。
监控产品,发现问题:通过数据埋点监测,实时监测产品状况,为改版提供方向和参考。验证设计:通过定性、定量手段,衡量改版效果。发掘机会点,助力增长:发现新的商业机会和产品爆发点,着力用户、数据增长。
什么是数据指标
活跃用户:在特定的统计周期内,成功启动或操作过产品核心功能的用户(按照设备去重)
日新增注册用户量:统计一天内,即指安装应用后,注册APP的用户数。周新增注册用户量:统计一周内,即指安装应用后,注册APP的用户数。月新增注册用户量:统计一月内,即指安装应用后,注册APP的用户数。注册转化率:从激活到注册的转化。DNU占比:新增用户占活跃用户的比例,可以用来衡量产品健康度。
新增用户:安装应用后,首次成功启动产品的用户新增用户按照设备维度进行去重统计
留存率 = 仍旧使用的用户/ 当初的总用户量。
次日留存率:新增用户在第二天再次成功启动应用的比例。
7 日(周)留存率:新增用户在第 7 天再次成功启动该应用的比例。经历了完整的体验周期,有机会成为忠实用户
30 日(月)留存率>:新增用户在第 30 天再次成功启动该应用的比例。经历了1-2个版本迭代,可以作为改版好坏的依据
Facebook 曾提出 4:2:1 理论,次日留存能达到 40%,7 日留存达 20%,30 日留存达 10%,就是相当不错的留存指标。
留存率:用户在某段时间使用产品,过了一段时间后,仍旧继续使用
使用总时长:在某一统计周期内所有从APP启动到结束使用的总计时长(不去重)。人均使用时长(分):同一统计周期内的使用总时长/活跃用户数。单次使用时长(分):同一统计周期内使用总时长/启动次数。新用户时长(分):某一统计周期新用户app时长某一统计周期的新用户数(不去重)老用户时长(分):某一统计周期老用户app时长/某一统计周期的老用户数(不去重)。使用时间间隔:指同一用户相邻两次启动的时间间隔。使用时长相关指标也是衡量产品活跃度、产品质量的重要指标。比如现在很流行的短视频APP,主要指标就要看时长指标了
使用时长指标
回流用户:上周未启动过APP,本周启动APP的用户;连续活跃n周用户:连续n周,每周至少启动过一次APP的活跃用户;重要用户:连续活跃4周及以上的用户;连续活跃用户:连续活跃1周及以上的用户;流失用户:连续n周(大等于1周,但小于等于2周)没有启动过APP的用户。流失率、回流率等用户构成指标是对已注册用户的构成进行分析,有助于通过新老用户结构了解活跃用户健康度。每个公司对重要、回流、流失用户的定义不一样的,我们可以根据产品业务需要,制定回流、流失预警,来对用户健康度进行监控。
用户构成指标
GMV 肯定大于实际销售额,经常看到报道都是用 GMV 来展示平台规模。
GMV总成交金额,指的是拍下订单金额,包含已付款、未付款、取消订单、退货的部分,即一旦生成订单号,就算在 GMV 内
ARPU=总收入 GMV/支付 UV。
人均客单价>(ARPU):
综合性指标:反映产品的整体情况
span style=\
PV(页面浏览量):
访问网站的一个 IP 地址为一个访客。
固定时段内,相同的客户端只被计算一次。
UV(独立访客人数):
转化率=(转化次数/点击量)×100%
转化率:
对于流失用户的界定依照产品类型的不同而不同
流失率:曾经使用过产品,由于各种原因不再使用产品的用户。
关注活跃用户,也应该关注产品上的重要功能。如收藏,点赞,评论等,这些功能关系产品的发展以及用户使用深度
功能使用率
评估落地页对用户是否有吸引力的关键指标
跳出率高,原因可能是产品/活动本身不够吸引,也可能是此类用户本身就不是产品的目标群体。
跳出率 BR (Bounce Bate):用户来到落地页后,没有进行操作就直接离开的比例。
退出率=当页退出次数/会话总访问量*100%
退出率反映了对用户的吸引力,如果退出百分比很高,说明用户仅浏览了少量的页面便离开了
退出率 ER(Exit Rate):指该页面是会话中“最后一页”的浏览量占该网站浏览量的百分比。
访问深度用户对产品的访问深度(产品流程的完成程度)
统计时间段内,某个设备从启动应用到结束使用的总计时长。
人均使用时长、次均使用时长、单次使用时长进行分析,衡量用户产品着陆的粘性,也是衡量活跃度,产品质量的参考依据
使用时长
统计时间段内,用户打开应用的次数。重点关注人均启动次数、结合使用时长可进行分析
启动次数
上次使用应用的时间与再次使用时间的时间差。
使用频数分布,观察应用对于用户的粘性,以及运营内容的深度。
使用间隔
流程性指标:反映用户的使用行为
愿意付费用户在所有用户中的占比
付费率
营收届的留存率
复购率
退货率是一个风险指标,越低的退货率一定越>好
退货率
不同业务关注的具体的指标不同
业务性指标:反映具体业务情况
常见的数据指标
PV/UV/当前在线人数、平均在线时长平均访问量/日均流量/跳出率、收藏率、成交转化率客单价/销售额/连带率
电商平台类指标
会员客单价/连带率/购物平均停留时间/会员增长率、贡献率有效会员数/会员流失率/会员回购频率/平均年龄
会员指标
人均游戏时长/游戏活跃用户次留/单游戏日均时长
游戏类指标
P2P消息量/个人资料页UV/好友渗透率/添加好友渗透率
社交类指标
直播类指标
销售额、客单价销售坪效=销售额/店铺面积人效=店员人数/店铺面积进店率=进店人数/路过人数试用率=试用顾客数/进店顾客数成交率=成交顾客数/进店顾客数新客户成本=投入的营销费用/营销生成的新客户数量毛利率 =(销售收入一营业成本)/ 销售收入纯利率 =(销售收入一营业成本一费用)/ 销售收入
线下实体店指标
不同行业关注的数据指标举例
常见数据指标
目标资讯:行业数据、竞品数据。
获取手段:百度指数、企鹅智酷、艾瑞、尼尔森、各大科技资讯平台
二手资料数据:别人的调研结果
向目标用户发放问卷并收集,进行数据整理和分析
常用指标:NPS(Net Promoter Score)推荐净值。
问卷调研数据:收集用户“说的话”
曝光埋点:捕捉页面被展示的次数,可以针对整个页面,或者页面中的某个区域。如,常说的 PV、UV。
操作埋点:用户对页面的某个区域进行手势操作时,打点记录。对应,也称之为某个操作的 PV、UV。
时长埋点:标记以上两类埋点并计算时间差获得。
根据埋点计算出点击率、功能渗透率、人均点击次数、人均使用时长等具有对比价值的数据。
应用埋点数据:看到用户“做的事”
数据的获取方式
如用户注册、浏览产品详情页、成功投资、提现等,通过研究与事件发生关联的所有因素来挖掘用户行为事件背后的原因、交互影响等。根据实际工作情况而关注不同的事件指标。
行为事件分析
全流程监控、各个节点转化情况、寻找短板进行优化
漏斗分析:
衡量产品对用户的价值
留存分析
控制变量,如果一段时间内产品的日活突然大幅提升,原因可能有很多:改版、热点事件相关、运营推广等等,只有在其他条件都一致的情况下,才能衡量某一具体条件对结果产生的影响。
对比分析
数据分析方法
Happiness 愉悦度:
Engagement 参与度
Adoption 接受度
Retention 留存度
Task success 任务完成度
HEART 模型:谷歌的 HEART 产品体验度量模型
有效触达,唤醒用户:通过手机 PUSH、短信和微信公众号等能够触达到用户,唤醒沉睡用>户启动 APP 的方式
搭建激励体系,留存用户:通常使用的激励方式有成长值会员体系、签到体系、积分任务体系。
丰富内容,增加用户在线时长
提升活跃与留存 4 种方式:
AARRR 模型:
RARRA 模型更加侧重产品本身,不着急获客,先把产品做好,营造好口碑,确保用户有好的使用体验,让用户自愿传播产品。部>分产品通过邀请码的形式,来打造圈层感。相比于侧重拉新的 AARRR 模式来说,RARRA 模式更加稳健保守,在运营侧投入较少。
RARRA 模型:
数据分析模型
数据指标有哪些?常见的数据指标和数据分析模型
0 条评论
回复 删除
下一页