通過數(shù)據(jù)發(fā)現(xiàn)產(chǎn)品需求

商業(yè)數(shù)據(jù)模型

收入=用戶總量 * 付費率 * ARPU值(客單價=平均客單價*單位日期內(nèi)平均購買單數(shù))

產(chǎn)品數(shù)據(jù)模型

產(chǎn)品指標:基于產(chǎn)品的流程和頁面級別來衡量產(chǎn)品的指標甸鸟,如反應速度,流程是否合理
PR(頁面級別)的概念
用戶指標:通過衡量用戶的行為和動作指標,來評估用戶活躍度和質(zhì)量

一些常用的數(shù)據(jù)指標:

PV:(page-view):即頁面瀏覽量;用戶每一次對網(wǎng)站中的每一個網(wǎng)頁訪問均被記錄1次肴敛,用戶對同一頁面的多次訪問幕屹,訪問量累計满葛。
UV(user-view):即獨立訪客昌罩,訪問網(wǎng)站的一臺電腦客戶端為一個訪客阱穗。
Duration:一次訪問的持續(xù)時長饭冬,也叫停留時間。
Bounce Rate:即跳出率揪阶;是指在只訪問了入口頁面(例如首頁)就離開的訪問量與所產(chǎn)生總訪問量的百分比昌抠。
頁面滲透率:分流到本站點下游頁面的pv/本頁pv數(shù)
referral:指從其他網(wǎng)站點過來的鏈接,比如友情鏈接等鲁僚,這類來源通常是免費的炊苫。
AU(Active Users)活躍用戶:用戶登陸產(chǎn)品記為一次
DAU(Daily Active Users)日活躍用戶:每日登陸過的用戶數(shù)裁厅,一般從后臺抓取
WAU(Weekly Active Users)周活躍用戶:七天內(nèi)登陸過的用戶數(shù)
MAU(Monthly Active Users)月活躍用戶:30天內(nèi)登陸過的用戶數(shù)
AT(Daily Avg. Online Time)日均使用時長:活躍用戶平均每日在線時長
AT=日總在線時長 / DAU
DNU(Daily New Users)每日注冊并登陸的用戶數(shù):直接從后臺抓取即可
PCU(Peak Concurrent Users)最高同時在線用戶人數(shù):統(tǒng)計周期內(nèi),同一時點(通常精確至分)的最高在線人數(shù)
ACU(Average Concurrent Users)平均同時在線用戶人數(shù):統(tǒng)計周期內(nèi)侨艾,每個時點(通常精確到分)的平均在線人數(shù)
ACU=DAU * AT / 時間精度
EC(Engagement Count)用戶登錄頻率:統(tǒng)計周期內(nèi)平均每用戶登錄的總次數(shù)
根據(jù)統(tǒng)計周期不同执虹,通常每日登錄頻率統(tǒng)計的是登錄次數(shù);周及月的登錄頻率統(tǒng)計的是登錄天次(一天登錄多次記為一次)
對于不同產(chǎn)品唠梨,活躍度的標準不一樣袋励,可以根據(jù)需要細分定位——輕度用戶、中度用戶当叭、重度用戶茬故、忠誠用戶等。
流失蚁鳖、留存:
觀察流失用戶的狀態(tài)均牢、流失前行為來判斷產(chǎn)品可能存在的問題。
ULR(Users Leave Rate)用戶流失率:統(tǒng)計當日登錄過產(chǎn)品的用戶才睹,但在隨后N日內(nèi)未登錄的用戶數(shù)/統(tǒng)計日DAU
日流失率:統(tǒng)計當日登陸過產(chǎn)品的用戶,次日未登陸的用戶數(shù)/統(tǒng)計日DAU
周流失率:統(tǒng)計當周登陸過產(chǎn)品甘邀,之后下一周未登陸的用戶數(shù)/WAU
月流失率:統(tǒng)計當月登陸過產(chǎn)品琅攘,下一月未登陸的用戶數(shù)/MAU
OSUR(One Session User Rate)一次會話用戶占比:新登錄用戶中只有一次會話的用戶占比,主要衡量新用戶的質(zhì)量
DRR(Daily Retention Rate)日留存率:統(tǒng)計當日登錄過產(chǎn)品的用戶松邪,在之后N日內(nèi)至少登錄一次的用戶數(shù)/統(tǒng)計日DAU
WRR(Weekly Retention Rate)周留存率:統(tǒng)計當周登錄過產(chǎn)品的用戶坞琴,且下一周至少登錄一次的用戶數(shù)/WAU
MRR(Monthly Retention Rate)月留存率:統(tǒng)計當月登錄過產(chǎn)品的用戶,且下一月至少登錄一次的用戶數(shù)/MAU
次日留存率:統(tǒng)計當日登錄過產(chǎn)品的用戶逗抑,次日依舊登錄的用戶數(shù)/統(tǒng)計日DAU
回歸率:曾經(jīng)流失剧辐,重新登錄產(chǎn)品的用戶數(shù)占流失用戶的比例
回歸用戶:曾經(jīng)流失,重新登錄產(chǎn)品的用戶數(shù)
流失用戶池:過去一段時間內(nèi)流失的用戶數(shù)
回歸率 = 回歸用戶 / 流失用戶池
收益:
產(chǎn)品盈利能力的綜合評價邮府。
PUR(Pay User Rate)付費比率:統(tǒng)計周期內(nèi)荧关,付費賬號數(shù)占活躍賬號數(shù)的比例,一般以自然月或自然周為單位進行統(tǒng)計
廣度褂傀,更多的人付費
PUR = APA / AU
APA(Active Payment Account)活躍付費賬用戶數(shù):統(tǒng)計周期內(nèi)忍啤,成功付費的用戶數(shù)
APA = AU * PUR
ARPU(Average Revenue Per User)平均每用戶收入:統(tǒng)計周期內(nèi),活躍用戶對產(chǎn)品產(chǎn)生的平均收入
ARPU = Revenue / AU
ARPU = ARPPU * PUR
ARPPU (Average Revenue Per Paying User)平均每付費用戶收入:統(tǒng)計周期內(nèi)仙辟,付費用戶對產(chǎn)品產(chǎn)生的平均收入
深度同波,付更多的錢
ARPPU = Revenue / APA
LTV(Lift Time Value)生命周期價值:平均一個新增用戶在其生命周期內(nèi)(第一次登錄到最后一次登錄),為該產(chǎn)品創(chuàng)造的收入總計
LTV_N : 統(tǒng)計周期內(nèi)叠国,一批新增用戶在其首次登入后N天內(nèi)產(chǎn)生的累計收入/ NU(新用戶)
用于衡量渠道導入用戶的回本周期未檩,回本率=LTV_N/CPL(導入成本)
以上數(shù)據(jù)可以根據(jù)需要進行拆解、合并粟焊,比如流失付費用戶數(shù)冤狡、回歸付費用戶數(shù)孙蒙、新增付費用戶數(shù)、新增活躍用戶數(shù)等等

渠道數(shù)據(jù)分析

  1. 量化()轉(zhuǎn)化的每一步筒溃,首先找到衰減的步驟
  2. 關(guān)注全部UV马篮,和跳出率和人均pv量(網(wǎng)站使用深度)
  3. 用質(zhì)量和數(shù)量做一個4象限分布,針對相應的情況做優(yōu)化怜奖,例如浑测,質(zhì)量和數(shù)量處在第一象限的,可以想辦法降低獲取成本歪玲。
  4. 通過A/B測試迁央,可以得出轉(zhuǎn)化率較高的設(shè)計。

APP留存分析

  1. 通過分析完成某些動作行為的用戶的留存情況滥崩,再與所有用戶的留存情況做一個對比岖圈,可以分析出哪些用戶行為應該得到鼓勵。
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末钙皮,一起剝皮案震驚了整個濱河市蜂科,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌短条,老刑警劉巖导匣,帶你破解...
    沈念sama閱讀 217,542評論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異茸时,居然都是意外死亡贡定,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,822評論 3 394
  • 文/潘曉璐 我一進店門可都,熙熙樓的掌柜王于貴愁眉苦臉地迎上來缓待,“玉大人,你說我怎么就攤上這事渠牲⌒矗” “怎么了?”我有些...
    開封第一講書人閱讀 163,912評論 0 354
  • 文/不壞的土叔 我叫張陵嘱兼,是天一觀的道長国葬。 經(jīng)常有香客問我,道長芹壕,這世上最難降的妖魔是什么汇四? 我笑而不...
    開封第一講書人閱讀 58,449評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮踢涌,結(jié)果婚禮上通孽,老公的妹妹穿的比我還像新娘。我一直安慰自己睁壁,他們只是感情好背苦,可當我...
    茶點故事閱讀 67,500評論 6 392
  • 文/花漫 我一把揭開白布互捌。 她就那樣靜靜地躺著,像睡著了一般行剂。 火紅的嫁衣襯著肌膚如雪秕噪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,370評論 1 302
  • 那天厚宰,我揣著相機與錄音腌巾,去河邊找鬼。 笑死铲觉,一個胖子當著我的面吹牛澈蝙,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播撵幽,決...
    沈念sama閱讀 40,193評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼灯荧,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了盐杂?” 一聲冷哼從身側(cè)響起逗载,我...
    開封第一講書人閱讀 39,074評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎链烈,沒想到半個月后撕贞,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,505評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡测垛,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,722評論 3 335
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了秧均。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片食侮。...
    茶點故事閱讀 39,841評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖目胡,靈堂內(nèi)的尸體忽然破棺而出锯七,到底是詐尸還是另有隱情,我是刑警寧澤誉己,帶...
    沈念sama閱讀 35,569評論 5 345
  • 正文 年R本政府宣布眉尸,位于F島的核電站,受9級特大地震影響巨双,放射性物質(zhì)發(fā)生泄漏噪猾。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,168評論 3 328
  • 文/蒙蒙 一筑累、第九天 我趴在偏房一處隱蔽的房頂上張望袱蜡。 院中可真熱鬧,春花似錦慢宗、人聲如沸坪蚁。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,783評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽敏晤。三九已至贱田,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間嘴脾,已是汗流浹背男摧。 一陣腳步聲響...
    開封第一講書人閱讀 32,918評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留统阿,地道東北人彩倚。 一個月前我還...
    沈念sama閱讀 47,962評論 2 370
  • 正文 我出身青樓,卻偏偏與公主長得像扶平,于是被迫代替她去往敵國和親帆离。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,781評論 2 354

推薦閱讀更多精彩內(nèi)容