指標體系的構建

參考:
數(shù)據(jù)分析--指標體系及分析方法
從0到1养铸,聊聊如何搭建數(shù)據(jù)指標體系
活躍率=活躍用戶/總用戶悠菜?那什么叫活躍用戶?
App 運營指標的留存率和回訪率有什么區(qū)別抓歼?
5個步驟讥此,讓你的運營轉(zhuǎn)化率大幅提升
數(shù)學不好的產(chǎn)品不是一個好運營:如何利用K值公式和正態(tài)分布提升運營效果?
產(chǎn)品運營終極指標:用戶生命周期價值LTV

什么是指標

指標谣妻,實際上就是一種度量萄喳。大到用于監(jiān)控和評估商業(yè)進程的狀態(tài),小到衡量某個功能模塊的情況蹋半,或者是自己的活動效果取胎。

一個數(shù)據(jù)指標,由時間粒度和口徑組成湃窍;時間粒度是在時間上的限定闻蛀,口徑是在空間上的限定(具體指來源及計算規(guī)則),如日活和月活是時間粒度不同您市,日活和日新增是口徑上的不同觉痛;根據(jù)具體情況組合時間粒度和口徑形成數(shù)據(jù)指標;

從運營角度來看茵休,一個好的指標薪棒,需要具備四個特點:

  • 業(yè)務層面是有價值;
  • 可衡量業(yè)務真實情況榕莺;
  • 簡單可執(zhí)行俐芯;
  • 大家都共同認可。

從技術層面來看钉鸯,一個好的指標吧史,統(tǒng)一具備四個特點:

  • 容易收集快速衡量;
  • 準確度高唠雕;
  • 可被多維度分解贸营;
  • 單一數(shù)據(jù)源。

常用指標

1.規(guī)模評估:
  • 累積注冊用戶數(shù)(ARU, Accumulative Registered Users)
  • 累積登錄用戶數(shù)(ALU岩睁,Accumulative Logged-in Users)
  • 日登錄用戶數(shù)(DLU, Daily Logged-in Users)/月登錄用戶數(shù)(MLU)
  • 日活躍用戶數(shù)(DAU, Daily Active Users)/月活躍用戶數(shù)(MAU)
  • 日最高同時在線用戶數(shù)(日PCU, Peak Concurrent Users)
  • 活躍率

補充:活躍用戶=高質(zhì)量用戶=真正體現(xiàn)產(chǎn)品價值的用戶

例如:
資訊類產(chǎn)品的活躍用戶為每天閱讀10分鐘以上的用戶钞脂;
電商類產(chǎn)品的活躍用戶為每周瀏覽10個商品的用戶;
在線教育類產(chǎn)品的活躍用戶為每周學習計劃完成80%的用戶捕儒。
當然冰啃,具體的數(shù)字和指標需要根據(jù)具體的產(chǎn)品來設計,并且可以多維度設計活躍用戶指標,
例如在資訊類產(chǎn)品中有幾種活躍用戶類型:
每天閱讀超過10分鐘的用戶阎毅;
每天閱讀超過5篇文章的用戶焚刚;
每天評論超過3次的用戶;
每天轉(zhuǎn)發(fā)超過2次的用戶净薛。
通過用戶使用的不同關鍵行為設計活躍用戶指標,滿足后續(xù)對活躍用戶運營的需要蒲拉。除了從不同的使用維度設計肃拜,還可以從不同的節(jié)點設計,例如:
參與活動領取優(yōu)惠券的用戶記為活動活躍用戶雌团;
節(jié)假日期間登錄天數(shù)大于2天且日訪問時長高于平時30%的用戶記為節(jié)假日活躍用戶燃领。

2.用戶存留:
  • 日新增用戶數(shù)(DNU, Daily New Users)
  • 次日留存用戶數(shù)/七日留存用戶數(shù)
  • 第N日留存率
  • 日回流用戶數(shù)/周回流用戶數(shù)
  • 回流率

補充:
當前周期的再次使用人數(shù) / 對比周期的使用(新增)人數(shù)(基數(shù)) 來計算的。
回訪率的適用范圍比留存率高锦援。
2者最大的區(qū)別在于:

  • 留存率一般基數(shù)針對的是新用戶猛蔽。
  • 而回訪率的基數(shù)是對于特定功能的所有用戶。

面向業(yè)務的mysql筆試題筆記中case4就是留存分析

3.用戶行為
  • 日訪問量(PV, Page View)
  • 日用戶量(UV, Unique Visitor)
  • 單次訪問時長
  • 日平均在線時長(DAOT, Daily Average Online Time)
  • 轉(zhuǎn)發(fā)率
  • 轉(zhuǎn)化率
  • K因子

補充:

  • 日訪問量是不區(qū)分id只統(tǒng)計訪問次數(shù)
  • 日用戶量是不論單個用戶訪問幾次灵寺,只記為1
  • 轉(zhuǎn)化率:
    轉(zhuǎn)化率等于期望行為人數(shù)除以作用總?cè)藬?shù)曼库。期望行為就是我們考量目標希望做到的行為,比如點擊率中“點擊”就是期望行為略板,轉(zhuǎn)發(fā)率中“轉(zhuǎn)發(fā)”就是期望行為毁枯,以此類推下載率、激活率叮称、購買率种玛、打開率、成交率瓤檐、復購率等赂韵。
    由于我們所作用的“總?cè)藬?shù)”在一定范圍內(nèi)是固定的,所以我們總希望大幅提高期望行為人數(shù)挠蛉,以獲得更多我們期望的結(jié)果祭示,這樣的工作就是提升轉(zhuǎn)化率(Conversion Rate Optimization)。
  • K值谴古,也即K因子绍移,是傳染病學的概念。它的取值讥电,決定于兩個相乘的系數(shù)——攜帶病毒的受感染者數(shù)量蹂窖、最終致病人數(shù)兩項數(shù)據(jù)指標。對應到我們的運營工作上恩敌,它有了直接的抽象意義瞬测。攜帶病毒的受感染者,也就是我們每分發(fā)一條push或視頻圖文覆蓋的用戶數(shù),最終致病人數(shù)月趟,可以對應到轉(zhuǎn)化人數(shù)這個數(shù)據(jù)上來灯蝴。
    每位用戶平均想多少用戶發(fā)出邀請,發(fā)出邀請又有多少有效的轉(zhuǎn)化率孝宗,即每個用戶能夠帶來幾個新用戶穷躁,當K值大于1時,每位用戶至少能夠帶一個新用戶因妇,那么就說明該產(chǎn)品可以形成自傳播问潭,當K值足夠大是,就是病毒式營銷婚被。
    目前我們看到的很多產(chǎn)品都增加自傳播狡忙,多是分享,分享這個功能址芯,可能每一位用戶都知道他的重要性灾茁,而在數(shù)據(jù)層面上,分享功能的指標定義就是我們所說的K因子谷炸。
4.付費評估
  • 日付費用戶數(shù)
  • 累積付費用戶數(shù)
  • 付費率
  • 復購率
  • 人均付費(客單價北专,ARPU,Average Revenue Per User)
  • 付費用戶人均付費(ARPPU, Average Revenue Per Payment User)
  • 人均生命周期價值(人均LTV, Life Time Value )

補充:

  • 用戶生命周期(Life Time旬陡,LT)
    結(jié)合產(chǎn)品留存率逗余,我們可以這么理解用戶生命周期。假設一款App第n天的留存率為Rn-1季惩,那么對于任一用戶來說录粱,他在第二天使用我們產(chǎn)品的概率是R1,第三天繼續(xù)使用我們產(chǎn)品的概率是R2….第n天仍然不離不棄的概率為Rn-1画拾,那么n天內(nèi)這個用戶一共使用我們產(chǎn)品的天數(shù)的預期是1+R0+R1+……+Rn-1啥繁。而這個求和的值就是我們這里的LT,即:LT = 1+R0+R1+……+Rn-1青抛。

當我們說用戶生命周期的時候旗闽,一般指的是固定時間窗口內(nèi),比如30天的LT蜜另,45天的LT适室。

同樣我們先來看LTV的定義,用戶生命周期價值指的是在用戶使用產(chǎn)品的過程中举瑰,為開發(fā)者/公司持續(xù)產(chǎn)生的價值總和捣辆。一般的,我們也會看一段時間的用戶生命周期價值此迅,比如30天的LTV汽畴,45天的LTV旧巾。

這個公式比較容易理解,一段時間內(nèi)的用戶生命周期價值忍些,就是這段時間內(nèi)用戶會使用我們產(chǎn)品的天數(shù)乘上單用戶平均收入鲁猩。

從某種意義上說,LTV是一個綜合評價產(chǎn)品價值的指標罢坝。如果我們將產(chǎn)品價值劃分為用戶價值和商業(yè)價值廓握,那么LTV就是能比較客觀的衡量這兩種價值,因為它包含LT和ARPU兩個子指標嘁酿,前者是衡量產(chǎn)品黏性隙券,后者是評估變現(xiàn)效率。
(詳細的可以參考鏈接痹仙,我覺得講的非常好)

常見的分析場景

1.經(jīng)營類數(shù)據(jù)分析:

指收入是尔、銷量等與企業(yè)經(jīng)營活動相關分析殉了,監(jiān)控企業(yè)的運行情況开仰;

  • 目標是發(fā)現(xiàn)企業(yè)運營中的問題,主要關注點是銷量/銷售額總體的時序變化薪铜、地區(qū)分布众弓、變化原因。
2. 用戶數(shù)據(jù)分析

指購買額隔箍、購買頻次谓娃、購買偏好等相關分析;

  • 目標是深入理解客戶蜒滩,典型的分析方法有兩種滨达,一是根據(jù)用戶屬性/行為繪制用戶畫像分層,二是根據(jù)RFM模型衡量用戶價值分層俯艰。
3. 銷售數(shù)據(jù)分析

指銷售收入捡遍、銷售額、單價等與銷售情況直接相關的分析竹握,與經(jīng)營類分析相比画株,它的分析顆粒更細,頻次更密啦辐,要求速度更快谓传;

  • 目標是完成銷售任務,監(jiān)控銷售銷量低的原因芹关,提出解決方法续挟,主要關注時序進度、落后原因侥衬、銷售單產(chǎn)情況庸推。
4.營銷/市場分析

指企業(yè)營銷/市場活動的投放常侦、反饋、效果相關分析贬媒;

  • 目標是了解活動結(jié)果聋亡、優(yōu)化活動計劃、提升活動效率际乘,關注點主要集中在ROI(投資回報比)相關指標
5.產(chǎn)品分析

指單個產(chǎn)品的分析坡倔,包括實物產(chǎn)品和服務產(chǎn)品,分析內(nèi)容綜合上面提到的幾類脖含;

  • 分析目標集中在單樣產(chǎn)品上罪塔。
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市养葵,隨后出現(xiàn)的幾起案子征堪,更是在濱河造成了極大的恐慌,老刑警劉巖关拒,帶你破解...
    沈念sama閱讀 211,884評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件佃蚜,死亡現(xiàn)場離奇詭異,居然都是意外死亡着绊,警方通過查閱死者的電腦和手機谐算,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,347評論 3 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來归露,“玉大人洲脂,你說我怎么就攤上這事【绨” “怎么了恐锦?”我有些...
    開封第一講書人閱讀 157,435評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長疆液。 經(jīng)常有香客問我一铅,道長,這世上最難降的妖魔是什么枚粘? 我笑而不...
    開封第一講書人閱讀 56,509評論 1 284
  • 正文 為了忘掉前任馅闽,我火速辦了婚禮,結(jié)果婚禮上馍迄,老公的妹妹穿的比我還像新娘福也。我一直安慰自己,他們只是感情好攀圈,可當我...
    茶點故事閱讀 65,611評論 6 386
  • 文/花漫 我一把揭開白布暴凑。 她就那樣靜靜地躺著,像睡著了一般赘来。 火紅的嫁衣襯著肌膚如雪现喳。 梳的紋絲不亂的頭發(fā)上凯傲,一...
    開封第一講書人閱讀 49,837評論 1 290
  • 那天,我揣著相機與錄音嗦篱,去河邊找鬼冰单。 笑死,一個胖子當著我的面吹牛灸促,可吹牛的內(nèi)容都是我干的诫欠。 我是一名探鬼主播,決...
    沈念sama閱讀 38,987評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼浴栽,長吁一口氣:“原來是場噩夢啊……” “哼荒叼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起典鸡,我...
    開封第一講書人閱讀 37,730評論 0 267
  • 序言:老撾萬榮一對情侶失蹤被廓,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后萝玷,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體嫁乘,經(jīng)...
    沈念sama閱讀 44,194評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,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 36,525評論 2 327
  • 正文 我和宋清朗相戀三年间护,在試婚紗的時候發(fā)現(xiàn)自己被綠了亦渗。 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挖诸。...
    茶點故事閱讀 38,664評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡汁尺,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出多律,到底是詐尸還是另有隱情痴突,我是刑警寧澤,帶...
    沈念sama閱讀 34,334評論 4 330
  • 正文 年R本政府宣布狼荞,位于F島的核電站辽装,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏相味。R本人自食惡果不足惜拾积,卻給世界環(huán)境...
    茶點故事閱讀 39,944評論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望丰涉。 院中可真熱鬧拓巧,春花似錦、人聲如沸一死。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,764評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽投慈。三九已至承耿,卻和暖如春冠骄,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背加袋。 一陣腳步聲響...
    開封第一講書人閱讀 31,997評論 1 266
  • 我被黑心中介騙來泰國打工凛辣, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人职烧。 一個月前我還...
    沈念sama閱讀 46,389評論 2 360
  • 正文 我出身青樓蟀给,卻偏偏與公主長得像,于是被迫代替她去往敵國和親阳堕。 傳聞我的和親對象是個殘疾皇子跋理,可洞房花燭夜當晚...
    茶點故事閱讀 43,554評論 2 349