七周成为数据分析师02_业务分析指标

成为一名合格的数据分析师,业务知识很重要。光有分析技巧但没有业务知识支撑,分析出的结果也只会是空中楼阁,难以落地推行。

只有理解业务,才能建立业务数据模型。

经典的业务分析指标

指标:如果你不能衡量它,你就无法增长它。

将业务场景用指标来衡量,更有利于对业务知识的把握。

指标建立的要点:

  • 建立核心指标(明确当前核心需求)
  • 好的指标应该是比率
  • 好的指标应该能带来显著效果(易于执行落地)
  • 好的指标不应该虚荣(纯粹为了数字好看,没有考虑实际情况)
  • 好的指标不应该很复杂(直接干净简单利落)

1. 市场营销指标

1) 客户/用户生命周期

指企业/产品/消费者在整个业务关系阶段的周期。

不同业务划分的阶段不同,传统营销分为:潜在用户,兴趣用户,新客户,老客户,流失客户

2) 用户价值

应用指数法,将指标进行加工:

用户贡献 = 产出量 / 投入量 * 100

用户价值 = 贡献1 + 贡献2 + ...

3) RFM模型

RFM:用户生命周期中,衡量客户价值的立方体模型。可以用于客户分组

R:最近一次消费时间

M:总消费金额

F:消费频次

4) 用户分群,营销矩阵

用户分群是市场营销中的一种常见策略,他提取用户的几个核心维度,用象限法将其归纳和分类

2. 产品运营指标

AARRR

  • Acquisition 用户获取

    • 渠道到达量 (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。常用CPM、CPC、CPS、CPD、CPT
    • 渠道ROI:推广营销的投资回报率,ROI=利润/投资*100
    • 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(数据失真)
    • 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
    • 一次会话用户数占比:新用户下载app后仅打开过一次,且使用时长在2分钟内的用户
  • Activation 用户活跃
    • 日/周/月活跃用户:活跃标准是用户使用过产品。广义上来说,网页浏览内容/公众号/app 都属于使用产品
    • 活跃用户占比:活跃用户数、总用户数,用于衡量产品健康程度
    • 用户会话session次数:用户打开产品操作和使用直到推出产品的整个周期。5分钟内没有操作默认会话结束
    • 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(用户黏性)
  • Retention 用户留存
    • 用户在某段时间内使用产品,一段时间后仍然继续使用的用户
  • Revenue 营收
    • 付费用户数:付费的用户数
    • 付费用户数占比:每日付费用户数/活跃用户数,或总付费用户数/总用户数(营收健康)
    • ARPU:某时间段内每位用户平均收入
    • ARPPU:某时间段内每位付费用户平均收入,排除未付费用户
    • 客单价:每一位用户平均购买商品的金额。客单价=销售总额/顾客总数,同 ARPU 区别在于客单价没有时间限制
    • LTV:用户生命周期价值,和市场营销的客户价值接近。常用于游戏/电商运营中。LTV=ARPU*1/流失率(某段时间内收入*用户留存时间=生命周期内总价值)
  • Refer 传播
    • k 因子:每一个用户能够带来几个新用户。k=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/浏览页面人数
    • 活动/邀请曝光量:线上传播活动中,该页面被浏览的次数

3. 用户行为

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

1) 功能使用

功能使用率/渗透率:使用某功能的用户/总活跃用户数

比如点赞、评论、收藏、关注

2) 用户会话

会话 session:也叫 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

3) 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。通过用户路径可以加工出关键路径转化率

类似于更加丰富的漏斗图。

4. 电子商务指标

购物篮分析

  • 笔单价:用户每次购买支付的金额,即每笔订单的支出。同客单价对应
  • 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。购物篮系数多多益善
  • 复购率:一段时间内多次消费的用户数 / 总消费用户数。例4月有1000位用户消费,其中500位消费了两次以上,复购率为50%。(消费欲望)
  • 回购率:一段时间内消费过的用户在下一阶段仍然消费的占比。例4月有1000位用户消费,其中600位在5月继续消费,回购率为60%。(忠诚度)

5. 流量指标

1)浏览量

  • PV 浏览次数:用户在网页的浏览量。一个用户看了十个网页即PV=10
  • UV 独立访客数:一段时间内访问网页的人数。一个用户看了十个网页即 UV=1。技术上,UV 通过cookies或IP来衡量

2)访客行为

  • 新老访客占比:衡量网站生命力
  • 访客时间:内容的访问时间,衡量内容质量
  • 访客平均访问页数:访问的深度,衡量网站对访客的吸引力
  • 来源:访客从哪里来。
  • 用户行为转化率:用户在网站上进行相应操作的用户数 / 总访客数
  • 首页访客占比:只看了首页的用户数 / 总访客数

3)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(1000人访问该页面,500人退出,退出率=50%)(退出率偏产品,任何页面都有退出率)

跳出率:浏览单页即退出的此处 / 访问次数(1000人访问该页面,500人浏览单页即退出,跳出率=50%)(跳出率一般衡量各个落地页,营销页等页面)

6. 生成指标

重要的一点是组合。

参考资料:

1. 深入解读RFM模型-实战应用干货

2. 用数据分析细分用户:RFM分析

3. 用AARRR模型,剖析樊登读书会增长和变现

4. 用户运营浅谈-我的AARRR模型

原文地址:https://www.cnblogs.com/xingyucn/p/10398947.html

时间: 2024-10-07 05:10:23

七周成为数据分析师02_业务分析指标的相关文章

七周成为数据分析师03_业务分析框架

如何建立业务分析框架 从指标的角度出发 从业务的角度出发 从流程的角度出发 1. 市场营销模型 以'潜在客户-机会客户-新客-老客-忠诚客户'为主轴进行扩展. 以"机会客户"为例,可对其进行结构化思维划分: 2. AARRR 模型 付费推广渠道,先下载再注册:社交传播渠道,先注册再下载. 以"二次激活"为例进行扩展: 3. 用户行为模型(内容平台) 4. 电子商务模型 5. 流量模型 6. 如何应对各类业务场景 多加练习 熟悉业务 应用三种核心思维 归纳和整理出指标

七周成为数据分析师01_数据分析思维

在学习数据分析知识的过程中发现了一个七周成为数据分析师课程班,讲解的比较基础和全面,相对于常见的一些数据分析课程,突出的优点在于它把重心放在了数据分析的思维和业务能力,更加符合实际需求.毕竟对于数据分析师来说,最难的地方在于思维业务能力,否则只会使用各种各样炫酷的软件代码而不知所措. 这里记录一下七周成为数据分析师课程的学习笔记,教学视频是在万能的b站上发现的.可能涉及到版权原因这里就不贴上链接. 对应的文字教学资料可以查看:互联网数据分析能力的养成,需一份七周的提纲--秦路 接下来是第一周的课

七周成为数据分析师05_数据可视化

数据可视化之美 数据可视化的目的是为了让数据更高效,让读者可以更高效阅读,而不单是自己使用. 数据可视化首先需要突出数据背后的规律和重要因素,其次才是美观. 数字可视化应该基于实际业务背景,比如地铁线路图并没有按照真实的地理距离来划分,但它却准确直观的传递给用户最关注的重点:应该如何乘车才能到达某地. 图表绘制部分主要为实操,这里就不做分享.原课程可以参考如下链接: 如何七周成为数据分析师:Excel技巧之甘特图绘制(项目管理) 图表的基本概念 1. 维度和度量 首先需要对维度和度量的概念进行区

七周成为数据分析师—Excel函数篇

原文链接 摘要: 本文是<七周成为数据分析师>的第一篇教程,如果想要了解写作初衷,可以先行阅读七周指南.温馨提示:如果您已经熟悉Excel,大可不必再看这篇文章,或只挑选部分. 世界上的数据分析师分为两类,使用Excel的分析师,和其他分析师. 本文是<七周成为数据分析师>的第一篇教程,如果想要了解写作初衷,可以先行阅读七周指南.温馨提示:如果您已经熟悉Excel,大可不必再看这篇文章,或只挑选部分. 世界上的数据分析师分为两类,使用Excel的分析师,和其他分析师.每一个数据新人

七周成为数据分析师07_统计学基础

拿到数据之后,我们应该怎么做? 直接套用各种图表公式进行分析并不是一个好做法.因为众多分析思路和公式都是基于数据服从一定分布的前提,如果不了解数据质量和分布情况,做推断分析是事倍功半的. 正确的处理方法是先使用描述统计. 描述统计学 描述统计学是一种概括数据集的方式,包括数据的加工和显示,数据集的分布特征等.它与推断统计相呼应. 首先把数据分为分类数据和数值数据.二者最显著的区分在于分类数据不可做加减,而数值数据可以. 分类数据主要应用频数统计,对各分类数据进行计数. 数值数据则是描述统计的重点

七周成为数据分析师04_Excel

Excel适用于敏捷.快速.需要立即响应的需求: 而 Python.BI 等适用于常规.频繁.可复用可工程化的需求 设计到 Excel 的内容主要需要进行实操练习,这里只做一个陈列,具体知识请参考: 如何七周成为数据分析师01:常见的Excel函数全部涵盖在这里了 如何七周成为数据分析师02:Excel技巧大揭秘 如何七周成为数据分析师03:手把手教你Excel实战 1. Excel 常用的函数 1)文本清洗类 2)关联匹配类 3)逻辑运算类 4)计算统计类 5)时间序列类 原文地址:https

第一周:数据分析师思维

一,前言 思维缺失---造成"不知道,不确定"(问题发生没?问题在哪里?为什么?不确定对不对?不确定执行结果?不知道老板是否满意给不给加薪?....) 要拥有三种核心思维: 结构化 公式化 业务化 数据分析思维7大技巧:1.象限法 2.多维法 3.假设法 4.指数法 5.二八法则 6.对比法 7.漏斗法 在业务时间锻炼分析能力----好奇心 二,三种思维详细内容 1.结构化 重点:找出核心论点,将核心论点逐一分解,再去拆解到穷尽(金字塔塔顶到塔底部) 工具:单人作战----思维导图 团

七周数据分析视频集--(业务)

数据分析和业务 模型未动,指标先行.如果你不能衡量它,你就无法增长它. 指标 核心指标 好的指标是比率. 即有比较的指标. 好的指标能带来显著效果(变化). 我的理解,好的指标可以比较准确的监测到公司运营的变化. 好的指标不应该虚荣. 比如某个指标大幅增长,其实背后是烧钱. 好的指标不应该复杂.指标是为了分析公司状况,指导未来而设立的,过于复杂,不利于使用这个指标. 原文地址:https://www.cnblogs.com/chentianwei/p/12127442.html

聊一聊数据分析师这个职业

本文来自网易云社区 前面很多位已经把数据分析师的具体工作职责和工作内容说得较为详细,我来解答一下如何成为一名优秀的数据分析师. 首先,基础知识. 基础知识最重要,数据分析师需要掌握的基础知识比较广,除了分析层面的,还有操作层面的. 在分析层面,需要学习包括统计学,数据分析等在内的一系列书籍,比如:<概率论>.<深入浅出统计学>.<数据之美>.<深入浅出数据分析>.<精益数据分析>.<商务与经济统计>.<The Elements