一、如何理解数据
用户数据:gender:性别、 birthday:出生日期
行为数据:user_id:用户id、auction_id:购买行为编号、buy_mount:购买数量、day:购买时间
商品数据:cat_id:商品种类ID、cat1:商品类别、property:商品属性
二、用户数据指标
1.用户数据相关的指标:
日新增用户,日活跃用户,留存率
1) 日新增用户:产品每天新增用户是多少。
新增用户来自产品推广的渠道,如果按渠道维度来拆解新增用户,我们可以看出不同渠道分别新增了多少用户,从而判断出渠道推广的效果。
2)活跃率:
活跃用户数按时间分为:
日活跃用户数,简称日活,DAU,Daily Active User;
周活跃用户数,WAU,Weekly Active User;
月活跃用户数,MAU,Monthly Active User。
注意:一个人一个月内活跃多次,也算1个人。所以活跃人数是1。
活跃率=活跃用户数(去重)/总用户数
2) 留存率
留存反映了不同时期获得新用户的流失情况,如果留存低,就要找到用户流失的具体原因
留存率=第1天新增用户中,在第N天使用过产品的用户数/第1天新增用户数
N=2:次日留存率
N=7:七日留存率
N=30:三十天留存率
第一天新增用户100个,第二天这100个人里有40个人打开过app,那么次日留存率=40/100=40%。如果第七天这100个人人里有20个人打开过app,那么称七日留存率=40/100=20%
40-20-10法则:达到次日留存率40%,七日留存率20%,三十日留存率10%,可以称得上是发展较好的产品。
三、行为数据指标
1.行为数据指标
PV:Page view,页面浏览次数。用户每打开一个网页可以看作一个PV,用户看了十个网页,那么PV为10。
UV:Unique visitor,一定时间段内访问页面的人数。在同一天内,不管用户访问了多少网页,他都只算一个访客。
2.转发率
转发率=转发某功能的用户数/看到该功能的用户数
3.转化率
转化率=购买商品的人数 / 所有到达店铺的人数(UV)
广告转化率=点击广告进入推广网站的人数 / 看到广告的人数
如果有100个人看到了广告,其中有10个人点击广告进入推广网站,那么转化率=10(点击广告进入推广网站的人数) / 100(看到广告的人数)=10%
4.K因子
k因子衡量推荐的效果,即一个发起推荐的用户平均可以带来多少新用户
K 因子= (平均每个用户向多少人发出邀请) * (接收到邀请的人转化为新用户的转化率)。
假设平均每个用户会向20个朋友发出邀请,而平均的转化率为10%的话,K =20*10%=2。
当K›1时,用户群就会象滚雪球一样增大。如果K‹1的话,那么用户群到某个规模时就会停止通过自传播增长。
四、商品数据指标:
l 衡量业务总量的指标,比如成交总额,成交数量
l 衡量每个人平均的指标,比如客单价
l 衡量付费情况的指标,比如付费率,复购率
1.总量:衡量业务总量的指标,比如成交总额,成交数量
成交总额,GMV,就是指成交总额,也就是零售业说的“流水”。
需要注意的是成交总额包括销售额、取消订单金额、拒收订单金额和退货订单金额。
成交数量,对于电商产品就是下单的商品数量。对于教育行业,就是下单课程的数量。
访问时长,用户使用app,或者网站的总时长
2.人均:用来衡量每个人平均的指标,比如客单价
人均付费=总收入/总用户数,人均付费在游戏行业也叫ARPU,在电商行业也叫客单价
付费用户人均付费(ARPPU,Average Revenue Per Paying User)
等于总收入/付费人数,这个指标用于统计付费用户的平均收入。
人均访问时长等于总时长/总用户数,用于统计每个人使用产品的平均时长
3.付费:用来衡量付费情况的指标,比如付费率,复购率
付费率,是付费用户占活跃用户的比例。
复购率:是重复购买频率,用于反映用户的付费频率。复购率指一定时间内,消费两次以上的用户数 / 付费人数。
4.商品
热销商品,好评商品,差评商品
总结:
实际应用
1)商品的销售情况有如下信息:
表1中的字段
user_id:用户id
auction_id:购买行为编号
cat_id:商品种类ID
cat1:商品类别
property:商品属性
buy_mount:购买数量
day:购买时间
表2中的字段
user_id:用户id
birthday:婴儿出生日期
gender:性别(0 男性;1 女性;2 未知)
按照三种数据指标分类:
用户数据:用户id、婴儿出生日期、性别
行为数据:购买行为编号、购买数量、购买时间
商品数据:商品种类ID、商品类别、商品属性
2) 分析业务指标
a.用户数据:用户id、婴儿出生日期、性别
根据用户数据,分析产品用户画像多在哪个年龄范围,性别比例如何
b.行为数据:购买行为编号、购买数量、购买时间
分析购买时间集中在什么时间,判断同期进行的宣传是否有效以及宣传渠道是否合适。
c. 商品数据:商品种类ID、商品类别、商品属性
评估哪些商品类别受欢迎,总结原因,优化店铺产品结构。
2) 对于喜马拉雅app的开发与推广做类似分析(依据:《一款app用户如何实现从0到1》)