某互联网创业公司日志行为分析先期分析的指标内容

1、用户黏性-用户访问频率(针对注册用户)

根据用户的UID,统计用户在一段时间内的访问频率。

【用户访问频率-按月】-统计注册用户在最近一个月内访问频次的平均值。

【用户访问频率-按周】-统计注册用户在最近一周内访问频次的平均值。

【用户访问频率-按日】-统计注册用户在最近24小时内的访问频次的平均值。

2、用户活跃度(针对所有用户)

按注册用户和非注册用户区分

平均停留时长(针对单次访问站点时长做平均,针对页面的也要统计)

平均访问页面数(百度统计有,但根据注册用户、非注册用户区分下)

【注册用户站点平均停留时长】(区分来源)-针对注册用户单次访问站点时长做平均。

【注册用户站点每天平均停留时长】(区分来源)-针对注册用户每天访问站点总时长做平均。

【注册用户页面平均停留时长】(区分来源)-针对注册用户对某一页面的单次访问时长做平均。

【注册用户平均访问页面数】(区分来源)-针对注册用户每次登录站点访问页面数做平均。

【游客用户站点平均停留时长】(区分来源)-针对游客用户单次访问站点时长做平均。

【游客用户站点每天平均停留时长】(区分来源)-针对游客用户每天访问站点总时长做平均。

【游客用户页面平均停留时长】(区分来源)-针对游客用户对某一页面的单次访问时长做平均。

【游客用户平均访问页面数】(区分来源)-针对游客用户每次登录站点访问页面数做平均。

3、客户的忠诚度

新旧用户访问比率(分游客和注册用户统计)

回访者、新访问者

回访次数,一周及一个月内的老用户回访次数

【注册用户老用户访问比率】-统计注册用户老用户访问网站UV占所有注册用户总访问网站UV的百分比。(目前情况,每天老用户占比;新用户一天两次访问,都算新用户的。)

【注册用户新用户访问比率】-统计注册用户新用户访问网站UV占所有注册用户总访问网站UV的百分比。(目前情况,每天新用户占比;新用户一天两次访问,都算新用户的)

【游客用户老用户访问比率】-统计游客用户老用户访问网站UV占所有游客用户总访问网站UV的百分比。(目前情况,每天老用户占比;新用户一天两次访问,都算新用户的)

【游客用户新用户访问比率】-统计游客用户新用户访问网站UV占所有游客用户总访问网站UV的百分比。(目前情况,每天新用户占比,新用户一天两次访问,都算新用户的)

【一周内游客用户回访次数】-统计一周之内游客用户的回访次数。

【一月内游客用户回访次数】-统计一个月之内游客用户的回访次数。

【一周内注册用户回访次数】-统计一周之内注册用户的回访次数。

【一月内注册用户回访次数】-统计一个月之内注册用户的回访次数。

4、转化率:下单的UV/浏览的UV %

【PC转化率】-统计一定时间段内总下单的UV/总浏览的UV的百分比。(主要按天,也可以日期范围)

【微信转化率】-统计一定时间段内总下单的UV/总浏览的UV的百分比。(主要按天,也可以日期范围)

【支付宝转化率】-统计一定时间段内总下单的UV/总浏览的UV的百分比。(主要按天,也可以日期范围)

【安卓转化率】-统计一定时间段内总下单的UV/总浏览的UV的百分比。(主要按天,也可以日期范围)

【苹果转化率】-统计一定时间段内总下单的UV/总浏览的UV的百分比。(主要按天,也可以日期范围)

5、订单流失率

【PC下单流程流失率】统计一段时间内,进入下单流程,但最终没有进行下单操作的情况。没有下单的UV/加入购物车的UV的百分比。

【微信下单流程流失率】统计一段时间内,进入下单流程,但最终没有进行下单操作的情况。没有下单的UV/加入购物车的UV的百分比。

【支付宝流程流失率】统计一段时间内,进入下单流程,但最终没有进行下单操作的情况。没有下单的UV/加入购物车的UV的百分比。

【安卓流程流失率】统计一段时间内,进入下单流程,但最终没有进行下单操作的情况。没有下单的UV/加入购物车的UV的百分比。

【苹果下单流程流失率】统计一段时间内,进入下单流程,但最终没有进行下单操作的情况。没有下单的UV/加入购物车的UV的百分比。

6、访客来源分析

PC、安卓、苹果、微信、支付宝(尽量、尽早埋点)PV、UV

下单流程的流失率\哪些人将哪些商品加入购物车但没有下单(需要)

【PC访问的PV、UV】-统计一段时间内pc端用户访问的PV、UV指标。(主要按天,可以日期范围)

【微信访问的PV、UV】-统计一段时间内通过微信用户访问的PV、UV指标。(主要按天,可以日期范围)

【支付宝访问的PV、UV】-统计一段时间内通过支付宝用户访问的PV、UV指标。(主要按天,可以日期范围)

【安卓访问的PV、UV】-统计一段时间内通过安卓手机端用户访问的PV、UV指标。(主要按天,可以日期范围)

【苹果访问的PV、UV】-统计一段时间内通过苹果手机端用户访问的PV、UV指标。(主要按天,可以日期范围)

辅助指标:

1、一次访问的定义

如何定义一次访问?(两次时间间隔十分钟)

【用户的一次访问】-根据用户的日志信息,用户的两次页面更新时间不超过10分钟记为一次访问次数,超过10分钟记两次访问次数。

2、新老用户的定义

手机:根据手机设备号

PC:MAC ,cok.

以前没有访问过的用户,新用户。

【新老用户】-对于PC端访问的用户,根据MAC地址,如果在数据埋点之后没有访问过的用户称为新用户;反之,称之为老用户。同理,对于移动端以设备号作为区分。

时间: 2024-10-29 19:06:41

某互联网创业公司日志行为分析先期分析的指标内容的相关文章

数据库日志报错问题分析

Thread 1 cannot allocate new log, sequence 466 Private strand flush not complete Current log# 7 seq# 465 mem# 0: /home/app/oracle/oradata/orcl/redo07.log Thread 1 advanced to log sequence 466 (LGWR switch) Current log# 8 seq# 466 mem# 0: /home/app/or

日志聚合与关联分析技术实例视频演示

日志聚合与关联分析技术实例视频演示 各种网络应用日志如何预处理变成事件,各类事件又是如何经过聚合进行关联分析的技术已在<开源安全运维平台OSSIM最佳实践>一书进行了详尽的分析,下面就给大家展示,在大数据IDS机房环境中如何在海量日志中,快速定位SSH暴力破解攻击源,让你看得见网络攻击. 高清视频地址: http://www.tudou.com/programs/view/uP0V9fQlzuo 看过之后,感觉如何?ELK.Splunk系统能实现吗?这里我只是举了SSH的例子,可类似这种可视化

Hadoop经典案例Spark实现(七)——日志分析:分析非结构化文件

相关文章推荐 Hadoop经典案例Spark实现(一)--通过采集的气象数据分析每年的最高温度 Hadoop经典案例Spark实现(二)--数据去重问题 Hadoop经典案例Spark实现(三)--数据排序 Hadoop经典案例Spark实现(四)--平均成绩 Hadoop经典案例Spark实现(五)--求最大最小值问题 Hadoop经典案例Spark实现(六)--求最大的K个值并排序 Hadoop经典案例Spark实现(七)--日志分析:分析非结构化文件 1.需求:根据tomcat日志计算ur

互联网十大数据分析方法-对比分析

什么是对比分析对比分析是数据分析中一种基础分析方法.对于互联网产品经常关注的转化率指标,如果转化率为5%,不能说明这个指标的好坏,如果该细分行业的行业平均转化率为10%,通过对比其实指标还是有很大优化空间的.用户行为分析和APP数据分析中都会大量的用到对比分析方法.对比分析是对一个孤立的指标找到一个参照系,否则一个鼓励的指标其实没有任何实际的意义.常见对比分析方法时间序列对比: 按照时间序列对数据进行对比分析,分析产品运营数据变化趋势,从而给产品运营提供决策.同比:同比一般情况下是今年第n月与去

某互联网创业公司人才需求书

? 1 PHP研发工程师(Junior) 职责: -负责运营活动功能模块开发及数据统计 -负责服务后台管理平台开发 要求: -1年以上服务端开发经验 -熟练掌握LNMP开发,并具备良好的编程风格 -熟悉shell.awk/sed等常用文本工具处理数据 -了解CI或用过其他MVC等常用框架: -了解smarty等常用php模板 -熟悉基本数据结构和常用算法 ? 2 PHP研发工程师(Senior) 职责: -负责服务端功能设计和开发 -负责产品功能的优化.重构 要求: -3年以上服务端开发经验 -

当下大部分互联网创业公司为什么都愿意采用增量模型来做开发

增量模型与螺旋模型类似,都有迭代的过程,因此优点之一也是允许变更需求,通过向用户演示迭代所产生的部分系统功能,可以尽早地收集用户对于系统的反馈,及时改正对于用户需求的理解偏差,从而保证开发出来的系统真正的解决客户的问题,降低业务偏差的风险. 从软件统一开发过程来看,我们把软件开发生命周期划分为四个阶段,先启阶段确定项目开发的目标和范围,精化阶段确定系统架构和明确需求,构建阶段实现剩余的系统功能,产品化阶段完成软件的产品化工作,将系统移交给客户.其每个阶段的结束标志就是一个主要的里程碑,而每个里程

java代码分析及分析工具

java代码分析及分析工具 一个项目从搭建开始,开发的初期往往思路比较清晰,代码也比较清晰.随着时间的推移,业务越来越复杂.代码也就面临着耦合,冗余,甚至杂乱,到最后谁都不敢碰. 作为一个互联网电子商务网站的业务支撑系统,业务复杂不言而喻.从09年开始一直沿用到现在,中间代码经过了多少人的手,留下了多少的坑,已经记不清楚了,谁也说不清了. 代码的维护成本越来越高.代码已经急需做调整和改善.最近项目组专门设立了一个小组,利用业余时间做代码分析的工作,目标对核心代码进行分析并进行设计重构. 代码分析

Hadoop项目实战-用户行为分析之分析与设计

1.概述 本课程的视频教程地址:<用户行为分析之分析与设计> 下面开始本教程的学习,本教程以用户行为分析案例为基础,带着大家对项目的各个指标做详细的分析,对项目的整体设计做合理的规划,让大家能通过本课程掌握Hadoop项目的分析与设计.该课程主要包含以下课时: 他们分别是:项目整体分析,项目指标与数据源分析以及项目整体设计.如下图所示: 首先我们来学习第一课时:<项目整体分析>. 2.内容 2.1 项目整体分析 本课时简述分析一个项目产生的背景,以及该项目能给企业带来那些良好的结果

趁热打铁第二季《当下大部分互联网创业公司为什么都愿意采用增量模型来做开发?》

<当下大部分互联网创业公司为什么都愿意采用增量模型来做开发?> 这是为什么呢? 究其原因: (1)现在互联网技术日新月异,用户的需求也不是一成不变的.而增量模型的灵活性可以使其适应这种变化大大优于瀑布模型和快速原型模型.并且大部分公司还不能一下子就做出功能完善的的软件.所以采用增量模型来做开发是很符合软件开发潮流的. (2)现在软件开发越来越快,首先开发出具有核心功能的软件来快速占领市场,这样客户就很快有自己的用户量,占领一部分市场. (3)同时也能够加强用户与开发者,客户与用户的交流,以锲合