数据基础指标综合体系.docx

怎样构建数据指标体系
假如一个事情，你不能衡量它话，那么你就不能增加它。在围绕着用户紧紧做精细化运行时代。数据驱动运行是未来运行趋势，精细化运行已经变得尤为关键，数据驱动决议是运行人必需要面正确挑战也是要下意识学一门技能。一个懂数据分析产品经理能够利用数据驱动产品设计优化，并高效提升用户体验。
1、什么是数据分析？
不要对数据分析有太多畏难情绪，所谓数据分析就是指从数据中提取有用信息，并指导实践。比如说结合数据优化产品用户体验，经过数据来进行用户画像，经过数据发觉产品改善关键点，和产品改版、迭代是否在一个正确方向上。而这些事情，在经过实践以后，全部会变简单且轻易上手。
2、数据分析目标？
不过在做数据分析前，一定要先确定好目标，这么后面每一步才能不偏离大方向，我们才能清楚地知道到底该采集什么样数据，要分析哪些指标。那么，你做数据分析目标是什么：是检测用户对新功效喜爱程度？是优化用户在使用过程中槽点？还是提升某个产品页面转化率？…
3、怎样获取数据？
说到搜集数据，首先要做好数据埋点。所谓“埋点”，个人了解就是在正常功效逻辑中添加统计代码，将自己需要数据统计出来。
（1）自有数据分析系统： 企业内部使用数据产品，如自建 BI 和推荐系统。企业自有数据是最原始数据，也是最可靠、最全方面。通常而言，有条件情况下全部是以内部数据为准（自己开发，开发时加入统计代码，并搭建自己数据查询系统）。
（2）第三方数据分析工具：这个是借助外部工具取得数据，常见第三方统计工含有：
网站分析工具：Alexa、中国网站排名、网络媒体排名(iwebchoice)、谷歌 Analytics、baidu统计；移动应用分析工具：Flurry、谷歌 Analytics、友盟、TalkingData、Crashlytics
不一样产品，不一样目标，需要支持数据不一样，确定好数据指标后，选择适合自己企业方法来搜集对应数据。获取数据方法其实多个多样，关键在于，作要了解什么样数据是关键，对于这些数据前后关联，是怎样，这是一个联动过程，不是一个单一行为。有了这些数据以后，我们该怎么去分析这些数据呢？哪些是能够为我们所用，又有哪些是能够剔除掉。
4、关注哪些数据维度？
一款产品数据指标体系通常全部能够分为五个维度：用户规模和质量、参与度分析、渠道分析、功效分析以用户属性分析。
（1）用户规模和质量分析：关键是分析用户规模指标，这类指标通常为产品考评关键指标；包含总用户数、新用户数、留存用户、转化率。用户规模和质量是数据分析最关键维度，其指标也是相对其它维度最多。
（2）参与度分析：关键是分析用户活跃度，分析维度关键是包含开启次数分析、使用时长分析、访问页面分析和使用时间间隔分析。
（3）渠道分析：关键分析渠道推广效果，以科学评定渠道质量，优化渠道推广策略。渠道分析尤其要重视，因为现在移动应用市场刷量作弊是和业内公开秘密。渠道分析能够从多个维度数据来对比不一样渠道效果，比如从新增用户、活跃用户、次日留存率、单次使用时长等角度对比不一样起源用户，这么就能够依据数据找到最适合本身渠道，从而取得最好推广效果。
（4）产品功效分析：关键分析功效活跃情况、页面访问路径和转化率；
功效活跃指标：某个功效活跃用户，使用量情况；功效验证；对产品功效数据分析，确保功效取舍合理性。
页面访问路径：用户从打开到离开应用整个过程中每一步骤页面访问、跳转情况。页面访问路径是全量统计。经过路径分析得出用户类型多样、用户使用产品目标多样性，还原用户目标；经过路径分析，做用户细分；再经过用户细分，返回到产品迭代
漏斗模型：是用于分析产品中关键路径转化率，以确定产品步骤设计是否合理，分析用户体验问题。用户转化率分析，关键考察漏斗每一层流失原因分析。经过设置自定义事件和漏斗来关注应用内每一步转化率，和转化率对收入水平影响。经过分析事件和漏斗数据，能够针对性优化转化率低步骤，切实提升整体转化水平。
（5）用户属性分析：关键分析用户特征，用户属性通常包含性别、年纪、职业、所在地、手机型号、使用网络情况。假如对用户其它属性感爱好，能够到自微信呢公众号后台或其它诸如头条、uc等后台看用户属性全部包含哪些维度。
不管在我们产品开启早期，还是战略调整，分析用户画像全部有着关键意义。比如我们在产品设计前需要构建用户画像，指导设计、开发、运行；产品迭代过程需要搜集用户数据，便于进行用户行为分析，和商业模式挂钩等等。
5、怎样分析数据？
从第三方数据分析工具或自家分析后台拿到这些数据后 ，该怎么去分析呢？要真做到基于数据分析，你必需要有以下条件：
l 了解业务：假如你不明白业务之间关联，你就不会考虑跨端数据印证。
l 了解各个数据之间上下游关系和关联关系
l 用多个辅助数据作为支撑同时验证：析结果大多数时候是推测，这时候需要其它数据作为辅助验证方法和证实。
Ø 理顺分析思绪，确保数据分析结构体系化。
Ø 把问题分解成相关联部分，并显示它们之间关系。
Ø 为后续数据分析开展指导方向。
Ø 确保分析结果有效性及正确性。
6、基础产品分析概念
产品经理在做数据分析时候，部分基础产品分析概念还是需要理清，比如最基础AARRR模型，也就是说产品经理要了解什么是新增、活跃、留存、流失等，这些基础概念全部是需要去了解和掌握，不然真碰到数据分析问题，也只能两眼一抹黑了，更别谈分析出一个什么所以然来了。比较简单部分概念，在这里普及下：
l 新增：新用户增加数量和速度。如：日新增、月新增等。
l 活跃：有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户活跃数越多，越有可能为产品带来价值。
l 留存率：用户会在多长时间内使用产品。如：次日留存率、周留存率等。
l 流失率：一段时间内流失用户，占这段时间内活跃用户数百分比。
网页指标：
（1）PV（page view）：即页面浏览量，用户每1次对网站中每个网页访问均被统计1次。用户对同一页面数次访问，访问量累计。在一定统计周期内用户每次刷新网页一次也被计算一次。通常来说PV和来访者数量成正比，不过PV并不直接决定页面真实来访者数量，比如，同一个来访者经过不停刷新页面，也能够制造出很高PV。
（2）UV（unique visitor）：即独立访客，访问网站一台电脑用户端为一个访客。
（3）PR（pagerank）：即网页等级，一个PR值为1网站表明这个网站不太含有流行度，而PR值为7到10则表明这个网站很受欢迎(或说极其关键)。
（4）跳出率：指用户抵达你网站上并在你网站上仅浏览了一个页面就离开访问次数和全部访问次数百分比。这里访问次数其实就是指PV。是评价一个网站性能关键指标，跳出率高，说明网站用户体验做得不好，用户进去就跳出去了，网站没有满足用户期望和需求或是人群定位不正确，反之假如跳出率较低，说明网站用户体验做得不错。
（5）转化率：指在一个统计周期内，完成转化行为次数占推广信息总点击次数比率。转化率=（转化次数/点击量）×100%。以用户登录为例，假如每100次访问中，就有10个登录网站，那么此网站登录转化率就为10%，而最终有2个用户订阅，则订阅转化率为2%，有一个用户下订单购置，则购置转化率为1%。转化率反应了网站盈利能力，重视和研究网站转化率，能够针对性分析网站在哪些方面做不足，哪些广告投放效果比很好，能够快速提升用户体验、节省广告成本，提升网络转化过程。
（6）反复购置率：指消费者对该品牌产品或服务反复购置次数。反复购置率越多，则反应出消费者对品牌忠诚度就越高，反之则越低。
活跃度指标：
关键衡量产品粘性、用户稳定性和关键用户规模，观察产品在线周期性改变。
AU（Active Users）活跃用户：用户登录产品记为一次登录；
DAU（Daily Active Users）日活跃用户：每日登录过用户数；
WAU（Weekly Active Users）周活跃用户：七天内登录过用户数；
MAU（Monthly Active Users）月活跃用户：30天内登录过用户数；
AT（Daily Avg. Online Time）日均使用时长：活跃用户平均每日在线时长；
PCU（Peak Concurrent Users）最高同时在线用户人数：统计周期内，同一时点（通常正确至分）最高在线人数；
ACU（Average Concurrent Users）平均同时在线用户人数：统计周期内，每个时点（通常正确到分）平均在线人数；
流失、留存指标：观察流失用户状态、流失前行为来判定产品可能存在问题。
ULR（Users Leave Rate）用户流失率：统计当日登录过产品用户，但在随即N日内未登录用户数/统计日DAU
日流失率：统计当日登录过产品用户，次日未登录用户数/统计日DAU
周流失率：统计当周登录过产品，以后下一周未登录用户数/WAU
月流失率：统计当月登录过产品，下一月未登录用户数/MAU
日留存率：统计当日登录过产品用户，在以后N日内最少登录一次用户数/统计日DAU
周留存率：统计当周登录过产品用户，且下一周最少登录一次用户数/WAU
月留存率：统计当月登录过产品用户，且下一月最少登录一次用户数/MAU
次日留存率：统计当日登录过产品用户，次日依旧登录用户数/统计日DAU
回归率：曾经流失，重新登录产品用户数占流失用户百分比
回归用户：曾经流失，重新登录产品用户数
流失用户池：过去一段时间内流失用户数
利用数据前提是有数据能够利用，这就需要在用户引入期之前就要做好数据埋点，同时在分析数据时要能透过原始用户行为数据来观察数据背后所反应问题，采取运行手段来提升留存率以后要观察运行结果，总结得失，为下阶段运行提供数据依据，这个过程对运行人员要求比较高，要求运行人员在用户进入前就要进行数据埋点，把握用户转化关键点和关键路径。
用户行为数据和用户留存关系？
用户行为数据能够了解为用户在产品内进行操作时被服务器统计下来使用行为数据。经过对用户行为数据进行分析，能够帮助运行人员愈加具体、清楚地了解用户行为特征，从而找出造成用户流失原因，为运行人员进行针对性运行提供依据。
关注渠道留存数据
渠道留存数据是指推广渠道带来用户留存量，产品越来越细分也使得推广渠道不停增加，在进行渠道选择时，除了关注流量大小之外，更应该关注流量质量，不一样渠道带来流量质量是不一样，留存下来用户量也会有很大差异。
因为不一样平台对用户定义不一样，衡量用户留存指标也会有所差异，这就需要在计算用户活跃率、留存率时，先明确产品对用户活跃、留存指标。