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》）
