转化率:转化到最终产品目的页面的比率。如果是电商的话,最终目的就是下单,那么就是新增用户和转化到下单页面的用户 的比率。以此类推,还有付费转率,注册转化率等等。 (3)活跃方面需要关注: DAU(daily active user)即 日活跃用户量。 MAU(monthly active user)即 月活跃用户量。 相关的,还可以有周活跃用户量、年活跃用户量等等。 (4)转化方面需要关注:(这里的转化,单指电商运营方面。与上文转化率做区分) 成单量:用户共成了多少单 付费金额:用户共付费多少元 客单价:付费金额/成单量=客单价。这里需要的是,每单平均多少钱的数据 付费率:走到付费这一步的转化率 APP运营: (1)新增:新增的设备数(按手机型号分);新注册的设备数(注册新用户。) (2)活跃:活跃的设备数;活跃的用户数 (3)留存: 次日留存率:例如,第一天新增300人,第二天还登录的有150.那么次日的留存率就是50%(=150/300)。以此类推,还有三日留存率(第三日登录数/第一天新增数)……n日留存率等等。 TAD:比如,7日TAD=第一天留存量+第二天仍在留存的数量……+第七天仍在留存的数量 用于计算七天内,一台设备活跃过几天。 (4)转化:这里也特指电商,同上文网站运营里的转化。 根据运营的行业来划分: 内容型行业:关注PV,UV,V V,帖子数,页面停留时间,分享数等等 社交类行业:关注发帖量,发言数,PV,UV,活跃占比等等 电商类行业:关注销售收入,成单量,客单价等等 游戏类行业:关注活跃用户量,付费率,收入,ARPU(每用户平均收入)等等 除了运营平台和运营行业两个划分角度外,还有很多划分角度,其中用户运营所要关注的数据指标都是有不同侧重的。 三、如何进行数据分析 1、数据采集 好的数据源主要有两个基本的原则,一个是全,一个是细。 全:就是说我们要拿多种数据源,不能说只拿一个客户端的数据源,服务端的数据源没有拿,数据库的数据源没有拿,做分析的时候没有这些数据你可能是搞不了的。另外,大数据里面讲的是全量,而不是抽样。不能说只抽了某些省的数据,然后就开始说全国是怎么样。可能有些省非常特殊,比如新疆、西藏这些地方它客户端跟内地可能有很大差异的。 细:其实就是强调多维度,在采集数据的时候尽量把每一个的维度、属性、字段都给它采集过来。比如:像where、who、how这些东西给它采集下来,后面分析的时候就跳不出这些能够所选的这个维度,而不是说开始的时候也围着需求。根据这个需求确定了产生某些数据,到了后面真正有一个新的需求来的时候,又要采集新的数据,这个时候整个迭代周期就会慢很多,效率就会差很多,尽量从源头抓的数据去做好采集。 2、数据建模 有了数据之后,就要对数据进行加工,不能把原始的数据直接暴露给上面的业务分析人员,它可能本身是杂乱的,没有经过很好的逻辑抽象的。这里就牵扯到数据建模。首先,提一个概念就是数据模型。许多人可能对数据模型这个词产生一种畏惧感,觉得模型这个东西是什么高深的东西,很复杂,但其实这个事情非常简单。 在数据分析领域领域领域,特别是针对用户行为分析方面,目前比较有效的一个模型就是多维数据模型,“在线分析处理”这个模型。它里面有这个关键的概念,一个是维度,一个是指标。 维度比如城市,然后北京、上海这些一个维度,维度西面一些属性,然后操作系统,还有iOS、安卓这些就是一些维度,然后维度里面的属性。通过维度交叉,就可以看一些指标问题,比如用户量、销售额,这些就是指标。比如,通过这个模型就可以看来自北京,使用iOS的,他们的整体销售额是怎么样的。 3、数据分析方法 数据分析方法是有多种的,比如多维度事件分析、漏斗分析(文章前面已经做了简单分析)、回访分析、交叉分析等,在这里我们就挑一个交叉分析来做个案例分析。 交叉分析法:通常是把纵向对比和横向对比综合起来,对数据进行多角度的结合分析。 举个例子: a. 交叉分析角度:客户端+时间
从这个数据中,可以看出iOS端每个月的用户数在增加,而Android端在降低,总体数据没有增长的主要原因在于Android端数据下降所导致的。 那接下来要分析下为什么Android端二季度新增用户数据在下降呢?一般这个时候,会加入渠道维度。 b. 交叉分析角度:客户端+时间+渠道
从这个数据中可以看出,Android端A预装渠道占比比较高,而且呈现下降趋势,其他渠道的变化并不明显。 因此可以得出结论:Android端在二季度新增用户降低主要是由于A预装渠道降低所导致的。 所以说,交叉分析的主要作用,是从多个角度细分数据,从中发现数据变化的具体原因。 5. 如何验证产品新功能的效果 验证产品新功能的效果需要同时从这几方面入手: a. 新功能是否受欢迎? 衡量指标:活跃比例。即:使用新功能的活跃用户数/同期活跃用户数。
使用人数的多少还会受该功能外的很多因素影响,千万不可只凭这一指标判断功能好坏,一定要结合下面的其他方面综合评估。 b. 用户是否会重复使用? 衡量指标:重复使用比例。即:第N天回访的继续使用新功能的用户数/第一天使用新功能的用户数。
c. 对流程转化率的优化效果如何? 衡量指标:转化率和完成率。转化率即:走到下一步的用户数/上一步的用户数。完成率即:完成该功能的用户数/走第一步的用户数。 这个过程中,转化率和完成率可以使用(上)篇中提到的漏斗分析法进行分析。 d. 对留存的影响? 衡量指标:留存率。用户在初始时间后第N天的回访比例,即:N日留存率。常用指标有:次日留存率、7日留存率、21日留存率、30日留存率等。
e. 用户怎样使用新功能? (责任编辑:admin) |