數據分析總結二：業務與數據分析
1、爲何業務重要？
唯有理解業務，才能創建業務數據模型。微信
2、經典的業務分析指標
模型未動 ， 指標先行cookie
若是你不能衡量它，你就沒法增加它session
例如APP進行數據分析就有以下指標進行衡量。app
接前一篇文章講的數據分析思惟，能夠直接產生業務分析指標。框架
各部門與指標之間的聯繫以下：優化
1，要肯定核心指標網站
2，好的指標應該是比率ui
3，好的指標要帶來顯著效果搜索引擎
4，好的指標不該該虛榮3d
5，好的指標不該該複雜
具體講解各部門存在的指標：
市場營銷指標分爲：
一、客戶／用戶生命週期
企業／產品和消費者在整個業務關係階段的週期。 不一樣業務劃分的階段不一樣。傳統營銷中，分爲潛在用戶，興趣用戶，新客戶，老/ 熟客戶，流失客戶。
二、用戶價值
業務領域千千萬萬，怎麼定義最有效的用戶呢？用指數法，將業務最關注的幾個指標一塊兒加工。
用戶貢獻 = 產出量／投入量*100%
用戶價值 = （貢獻1+貢獻2+……）
好比金融行業會以存款+貸款+信用卡+ 年費+……-風險-流失
三、RFM模型
用戶生命週期中，衡量客戶價值的立方體模型。利用R最近一次消費時間，M總消費金額，F消費頻次，將用戶劃分紅多個羣體。
四、用戶分羣，營銷矩陣
用戶分羣是市場營銷中的一種常見策略，它提取用戶的幾個核心維度，用象限法 將其概括和分類。
產品運營指標分爲：
一、AARRR
Acquisition用戶獲取、Activation用戶活躍、Retention用戶留存、Revenue營收、Refer傳播。
二、用戶獲取
渠道到達量：俗稱曝光量。有多少人看 到了產品推廣相關的線索。
渠道轉化率：有多少用戶由於曝光而心動Cost Per，包含CPM、CPC、CPS、 CPD、CPT等。
渠道ROI：推廣營銷的熟悉KPI，投資回報率，利潤／投資*100%。
日應用下載量：app的下載量，這裏指點擊下載，不表明下載完成 。
日新增用戶數：以用戶註冊提交資料爲基準 。
獲客成本：爲獲取一位用戶須要支付的成本 。
一次會話用戶數佔比：指新用戶下載完 App，僅打開過產品一次，且該次使用時長在2分鐘之內。
三、用戶活躍
日／周／月活躍用戶應用下載量：活躍標準是用戶用過產品，廣義上，網頁瀏覽內容算「用」，在公衆號下單算 「用」，不限於打開APP。
活躍用戶佔比：活躍用戶數在總用戶數 的比例，衡量的是產品健康程度。
用戶會話session次數：用戶打開產品操做和使用，直到退出產品的整個週期。5 分鐘內沒有操做，默認會話操做結束。
用戶訪問時長：一次會話的持續時間。
用戶平均訪問次數：一段時間內的用戶 平均產生會話次數。
四、用戶留存
用戶在某段時間內使用產品，過了一段時間後仍舊繼續使用的用戶。
假設產品某天新增用戶1000個，次日仍舊活躍的用戶有350個，那麼稱第二天留存率有35%，若是第七天仍舊活躍的 用戶有100個，那麼稱七日留存率爲 10%。
五、營收
付費用戶數：花了錢的
付費用戶數佔比：每日付費用戶佔活躍用戶數比，也能夠計算總付費用戶佔總用戶數比
ARPU：某時間段內每位用戶平均收入
ARPPU：某時間段內每位付費用戶平均收入，排除了未付費的
客單價：每一位用戶平均販買商品的金額。銷售總額／顧客總數
LTV：用戶生命週期價值，和市場營銷的客戶價值接近，常常用在遊戲運營電商運營中。
LTV = ARPU * 1/流失率
六、傳播
K因子：每個用戶可以帶來幾個新用戶
K因子=用戶數*平均邀請人數*邀請轉化 率
用戶分享率：某功能／頁面中，分享用戶數佔瀏覽頁面人數之比。
活勱／邀請曝光量：線上傳播活動中， 該頁面被人瀏覽的次數。通常代指微信朋友圈。
用戶行爲指標分爲：
用戶行爲的數據分析是一個很普遍的課題，不一樣業務領域背景的用戶行爲分析不同。 這裏簡單歸納說幾個分法。
一、功能使用
功能使用率／滲透率：使用某功能的用 戶佔總活躍數之比。
好比點贊、評論、收藏、關注、搜索、添加好友，都可以算作功能使用。這些 指標在特定業務中均有做用。
二、用戶會話
會話session：也叫作session，是用戶在一次訪問過程當中，從開始到結束的整 個過程。在網頁端，30分鐘內沒有操做， 默認會話操做結束。
三、用戶路徑
路徑圖：用戶在一次會話的過程當中，其訪問產品內部的瀏覽軌跡。經過此，能夠加工出關鍵路徑轉化率。
電子商務指標分爲：
一、購物車分析
筆單價：用戶每次販買支付的金額，即每筆訂單的支出。和客單價對應。
件單價：商品的平均價格。
成交率：支付成功的用戶在總的客流量中的佔比。
購物車系數：平均每筆訂單中，賣出了多少商品。販物車系數是多多益善，它也和商品關聯規則有關係。
二、好基友：復購率和回購率
復販率是一段時間內屢次消費的用戶佔 總消費用戶數之比。例如4月有1000 位用戶消費，其中500位消費了兩次以 上，則復購率是50%。 回購率是一段時間內消費過的用戶，在下一段時間內仍舊消費的佔比。例如4月的消費用戶數1000，其中600位在5月 繼續消費，則回購率爲60%。
流量指標分爲：
一、瀏覽量和訪客量
PV：瀏覽次數。互聯網早起的統計指標， 用戶在網頁的一次訪問請求能夠看做一個PV，用戶看了十個網頁，則PV爲10。
UV：是必定時間內訪問網頁的人數，正 式名稱獨立訪客數。在同一天內，無論 用戶訪問了多少網頁，他都只算一個獨立訪客。 技術上，UV會經過cookie或IP衡量。
二、訪客行爲
新老訪客佔比：衡量網站的生命力
訪客時間：衡量內容質量不是看內容的 UV，而是看內容的訪問時間。
訪客平均訪問頁數：衡量網站對訪客的吸引力，是訪問的深度。
來源：訪客從哪裏來，技術上，經過來源網站的參數提取，能夠區分SEM， SEO或者外鏈等。
用戶行爲轉化率：用戶在網站上進行了相應操做的用戶在總訪客數上的佔比。
首頁訪客佔比：只看了首頁的用戶，在總訪客數上的佔比。
三、退出率和跳出率
退出率：從該頁退出的頁面訪問數／進入該頁的訪問數。
跳出率：瀏覽單頁即推出的次數／訪問次數。
跳出率通常衡量各個落地頁，營銷頁等頁面。退出率則更偏產品，任何頁面都有退出率
3、怎麼生成指標
組合法：
訪客訪問時長 + UV = 重度訪問用戶佔比瀏覽時間5分鐘以上的用戶在整個訪客中佔比
用戶會話次數 + 成交率 = 有效消費會話佔比用戶在全部的會話中，其中有多少次有消費？
4、如何創建業務數據分析框架
從指標的角度出發，從業務的角度出發，從流程的角度出發
舉例市場營銷模型：
其中機客戶涉及到的指標：
潛在客戶轉化率
機會客戶轉化率
新客付費轉化率
不一樣渠道在新客中的佔比
不一樣渠道在新客中的付費轉化率
舉例AAARR模型：
其中二次激活涉及到的指標：
推送激活轉化率
有效推送成功率
有效推送到達率
用戶打開率
不一樣推送的轉化率
推送列表
成功推送
有效推送
用戶屏蔽
用戶接收成功
用戶瀏覽到通知
用戶成功打開
舉例用戶行爲模型：
其中點贊／評論／收藏涉及到的指標：
點贊用戶活躍佔比
評論用戶活躍佔比
收藏用戶活躍佔比
內容指數
舉例電子商務模型：
其中購物車涉及到的指標：
不一樣商品類別的佔比（對比法）
不一樣價格檔次的佔比（象限法）
不一樣商品的下單支付率（漏斗法）
舉例流量模型：
其中搜索引擎流量 搜索引擎優化涉及到的指標：
以上舉例了各類產品及業務的多個數據分析框架，那麼如何從0到1創建業務數據分析框架呢？分爲以下幾個步驟：