一、为什么业务重要
数据分析师不懂业务会如何?
很多数据分析出的结果,业务人员不认同,很难落地
二、经典的业务分析指标
指标的作用很重要,在建立高大上的数据分析模型之前,会着手建立指标
指标是分析框架的基石,与业务增长相辅相成
结构化+公式化+业务化,构建初步的指标雏形;
把指标变成分析的框架,即数据分析体系,配合业务的推动和进展。
「核心指标」是所有人都需要认同的大目标,根据业务不同、发展阶段不同而区分:用户增长、活跃、营收等;
单纯数据的意义没有「比率」大
好的指标应该能带来「显著效果」
好的指标不应该「虚荣」:看上去特别好看,但是对业务没有作用;指标与指标之间要对应看
好的指标不应该「复杂」:直接、干净、简单、利落
三、不同领域的指标
(一)市场营销指标
指数法,将业务最关注的几个指标一起加工
用户贡献(投入产出比)=产出量/投入量
用户价值=(线性加权)
R-最近一次消费时间;
F-消费频次(一段时间内);
M-总消费金额(一段时间内);
(二)产品运营指标
1、AARRR
Acquisition-用户获取
- 渠道到达量:俗称曝光量
- 渠道转化率:包含CPM、CPC、CPS、CPD、CPT等
- 渠道ROI:投资回报率
- 日应用下载量
- 日新增用户数
- 获客成本
- 一次会话用户数占比:衡量灰色流量
Activation-用户活跃
- 活跃用户占比:衡量产品健康程度;
- 用户会话session次数:
- 用户访问时长:一次会话的持续时间;
- 用户平均访问次数:一段时间内的用户平均产生会话次数(用户粘性);
Retention-用户留存
Revenue-营收
- 付费用户数/占比
- ARPU:某段时间内每位用户平均收入;
- ARPPU:某时间段内每位付费用户平均收入;
- 客单价
- LTV:用户生猛周期价值; LTV=ARPU*1/流失率
Refer-传播
- K因子:每个用户能带来几个新用户;K因子=用户数*平均邀请人数*邀请转化率;
- 用户分享率:某个功能或页面中,分享用户数占浏览页面人数之比;
- 活动/邀请曝光量
(三)用户行为
功能使用率/渗透率:使用某功能的用户占总活跃数占总活跃数之比;
网站的会话时间间隔多为30min,手机APP的会员时间间隔多为5min(视频功能除外)
路径图
找到关键路径,加工出关键路径的转化率
(四)电子商务指标
- 购物篮分析
- 笔单价:与客单价对应
- 件单价:商品的平均价格
- 成交率:支付成功的用户在总的客流量中的占比。引申,交易用户占比
- 购物篮系数:平均每笔订单中,卖出了多少商品
- 复购率和回购率
- 复购率:一段时间内多次消费的用户占总消费用户之比;衡量客户的消费欲望
- 回购率:一段时间内消费过的用户,在下一段时间内仍旧消费的占比。衡量忠诚度
(五)流量指标
- PV/UV
- 访客行为
- 新老访客占比:衡量网站的生命力
- 访客时间:衡量内容质量
- 访客平均访问页数:衡量网站对访客的吸引力
- 来源
- 用户行为转化率:用户在网站上进行了相应操作的用户在总访客数上的占比
- 首页访客占比:衡量网页的结构(是否对新用户友好)
- 退出率和跳出率
- 退出率:从该页面退出的页面访问数(更偏产品,任何页面都有退出率)
- 跳出率:浏览单页即退出的次数(一般衡量各个落地页,营销页等)
三、怎么生成指标
遇到一个问题或需求,可以设立一个指标去衡量,而不是去网上搜一个现成的答案
基础指标的组合,形成比率
四、如何建立业务的分析框架
(一)市场营销模型
按照市场营销的用户生命周期,作为主轴串联起来;
机会客户转化率,按照是否付费,划分为“前用户”和“新客”;
新客到后期的老客,是CRM或者RFM管理;
“付费客户”是当前企业的核心目标
任何一个部分,都可以形成结构化思维:树形发散结构
(二)AARRR模型
【模型如何分析】
二次激活
用户再次打开:二次激活成功
(三)用户行为模型
内容指数:指数法,点赞、评论、收藏的线性加权;
(四)、电子商务模型
(五)、(网站)流量模型
在实际应用中,指标的分类界限是很模糊的。
五、如何应对各类业务场景