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
- 如何去理解指标？
- 指标与数据思维和分析工具有什么关系？
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。
- 建立指标的要点
「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
- 客户/用户生命周期
- 用户价值
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）
- RFM模型（通用模型）
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）；
- 用户分群/营销矩阵
（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
- 次日留存率/七日留存率；
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
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；
- 用户会话
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）
- 用户路径
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
