背景：
在增長營銷操作中虐骑，Digital Analyst除了分析以外還需要對數(shù)字廣告的投入產(chǎn)出做追蹤鲁驶，維護日/周/月/總KPI報表鉴裹。由于每一天的數(shù)據(jù)都會對接下去的廣告預(yù)算分配產(chǎn)生影響，所以對報表的實時性要求很高钥弯，且會根據(jù)業(yè)務(wù)需求有不同維度的細(xì)分要求径荔，如性別、國籍脆霎、用戶平臺等总处。
MTD KPI報表：
以下是一份以周為單位針對安卓用戶的線上廣告的Month-to-Date KPI報告，數(shù)據(jù)為虛擬數(shù)據(jù)睛蛛○新恚基于這份數(shù)據(jù)可以分析廣告有效性、診斷轉(zhuǎn)化漏斗中的問題玖院、分析campaign效果菠红、優(yōu)化平臺預(yù)算分配等。
同期分析：
同期分析會將同一時間段內(nèi)新增的用戶歸為一組难菌，比較不同組在時間維度上的行為變化试溯。比起將所有用戶歸在一起統(tǒng)計增長量和留存率，這樣的數(shù)據(jù)結(jié)構(gòu)可以幫助我們看到更接近真實的用戶增長和留存郊酒。
上圖是一月前十天新增用戶的活躍度統(tǒng)計遇绞，縱向為用戶分組（這里以天為單位），橫向該組經(jīng)過不同天數(shù)后的活躍用戶百分比燎窘。
從折線圖中可以看到摹闽，在用戶在第一天的活躍度有較大下跌，三天后趨于平穩(wěn)褐健。所以我們需要投入更多在提升用戶注冊后24小時的留存率上付鹿。
所以下一步就需要診斷24小時內(nèi)用戶離開的原因澜汤，可以通過不同維度分類比較、或分析用戶行為漏斗數(shù)據(jù)做進一步分析舵匾。
另外俊抵，1月5日這一天的數(shù)據(jù)表現(xiàn)相對于其它時間明顯較差，也需要診斷其原因坐梯。
上圖是以周為單位分組的收入統(tǒng)計徽诲。從折線圖可以看到，收入的下跌趨勢從第四周開始變得平緩吵血，所以需要進一步分析導(dǎo)致用戶前三周消費逐步下滑的原因谎替。另外1月29日那一周的數(shù)據(jù)表現(xiàn)較差，需要進一步分析診斷原因蹋辅。
