产品做数据分析的话应关注哪些数据指标?

新增用户数?活跃用户数?留存?那么这些应该具体怎么看,怎么计算呢?处于怎样的指数范围内,才是比较良性的产品?

回答 36 排序
陶子Zoey 互联网 数据产品经理

 a)     流量:分为站外流量来源和站内流量路径;

  • 站外流量,分为免费和付费,免费有自然流量和搜索流量,付费的则主要是一些广告投放的流量

  • 站内流量,主要指的用户在网站的行为路径,运营人员主要负责的就是把站内的流量运营好,增加用户粘性,提高流量变现。主要涉及的分析:Landing Page着陆页分析、漏斗分析和站内流量来源分析

  • 相关指标:pv、cv、uv、upv、在线时长、跳出率、访问深度(人群浏览量)=pv/uv

 b)     销售:销售额、销售量、付款订单数、购买用户数、客单价=销售额/购买用户数、、笔单价=销售额/付款订单数、付款订单率=付款订单数/生成订单数、毛利、毛利率、平均销售价格=销售额/销售量

 c)     流量销售转化相关:uv价值=销售额/uv、订单转化率=付款订单数/uv、购买转化率=购买用户数/uv

 d)     用户

  • 基本属性:性别、年龄、地域、职业

  • 注册拉新留存的问题,根据不用生命周期,主要分为注册用户、新购买用户、复购用户、沉睡用户、流失用户

 e)     库存:可售库存、实际库存、周转天数、缺货率、动销率

 f)      DSR:参考淘宝的评价体系,主要涉及的是发货和退货的分析

  • 发货:延迟发货、虚假发货、发货前退货,pop一般按照商家或者品牌维度去看,自营按照仓库维度

  • 退货:退货率、工单数、评分、退货原因

 g)     促销:核销,评估促销效果,根据不同优惠形式,比如红包、现金券、满减等

 h)     广告:主要是广告结算等等,之前没接触过,就不详细说明了

2016年11月14日
| 评论 32
匿名

我们公司的数据都是通过BI报表汇总之后,运营部门人员提取之后,汇总一下发到产品部门,每天以周报形式发出,数据这块因为我们做的是电商营销产品,预约、预订等营销产品,偏向于前端产品,我们做这些项目的时候,都是类似包工头的角色,我们中心发起项目,主流程确定,涉及到购物车、订单、物流、客服等系统,需要这些部门配合,有一块缺失,对产品上线都是不利的;

电商经常有大促节点以及新产品上线,所以数据这块我们分为常规数据、新产品上线数据、大促数据,我们产品线是在商城首页有单独的入口,以及有自己的频道页面;

1. 常规数据主要有:

(1)销售数据:每个商品的付款金额;

(2)转化数据:每个商品的预约转化率、预订尾款支付率;

(3)流量及会员数据:商城首页有效点击量、预售入口点击量;

  • 这个区分每个产品在首页的点击量占比,有时会进行各产品在首页占比排行榜)
  • 每个商品的预约会员数、预约次数;(可以看出每个单品的预约情况)
  • 每个商品的预订会员数、预订次数;
  • 预售频道PC端/APP端 每日PV、UV;

2. 新产品上线数据有:

(1)会员数据:总参与人数、支付转化率、PV、销售情况;

3. 大促数据有:

(1)销售数据:预约产品销售KPI完成情况(考核运营部门的)、预订产品销售KPI完成情况;

  • 各品类(冰洗、母婴、3C等品类)销售情况;

(2)转化数据:预约-预约人数、 销售数量、各渠道各品类(PC/WAP/APP)销售情况、付款转化 率;

  • 预订-支付定金数量、支付尾款数量、各渠道各品类销售情况、尾款支付率;

(3)流量及会员数据:大促活动页面UV、每日UV、特定时间UV,各渠道UV(PC/APP/WAP);

  • 预约会员数、新会员数;
  • 预订会员数、新会员数;

大致是这些,数据看起来是很繁杂的,需要你耐心看一些重点数据,看久了数据对你产品优化甚至整个产品的走向判断都是很有助的。

比如预约和预订。

预约支付转化率数据对你的参考其实是没用的,因为商品的预约情况是根据每个单品的情况来定的,有的商品很劲爆,预约的人数就上十万的,有的单品很普通,预约人数就10几个,预约商品库存通常都是较少的,所以拿抢购支付人数/预约人数计算预约转化率是没有什么参考意义的,同时这些数据也可以告诉你,一个商品的预约以及抢购情况重点是这个单品的市场劲爆情况,重点是在单品上,所以我们之前一直都做了一个预约频道页,做了一年,慢慢的预约产品已经不存在固定频道页了,而是把预约开放给每个事业部,用于做单品预约,固定频道页是没有多大意义的,短期内没有新品上市,频道页访问数据就会很少,所以去除固定频道页,改为常规的广告单品预约页以及大促期间的临时营销活动页才是跟好的对公司资源的节省以及产品生命周期的延伸。

所以具体的数据情况是要根据每个产品的具体情况而定的,是前端产品还是中后端产品,是营销产品还是会员产品。

                          

                    

                  

2016年11月23日
| 评论 5
匿名
曰..曰 跑得快 西方记者

分网站、移动端、电商和UGC类产品来说明吧。

1、网站数据指标

网站排名工具:Alexa、中国网站排名、网络媒体排名

网站监测工具:Google Analytics、百度统计、CNZZ

关键网站分析指标:访问量、访客数、浏览量、跳出率、页面停留时长、网站停留时长、退出率、转化率

访问量:Session

访客数:Unique Visitor,依据用户的设备、浏览器分配Cookie

浏览量:PageViews

页面停留时长:该页面的总停留时长除以该页面的访问量

网站停留时长:指访问一次会话的时间长度,等于网站所有访问量的总停留时长除以访问量

跳出率:网站的重要指标。等于只访问了落地页面的访问量除以总访问量。

退出率:等于从一个页面的退出次数除以访问次数

转化率:达成某种目标的访客数占总访客数(访客数换成访问量也是同样成立的)

Google Analytics操作介绍

4大模块:受众群体分析、流量获取分析、用户行为分析、用户转化分析

掌握对数据的宏观分析思路,避免陷入到数据细节中,如下:

a.访客数和访问深度

查看GA上的受众群体概览页来了解网站的访客数和访问深度。

b.访客来源,渠道效果

查看GA上的流量获取的概览页

Referral:引荐网站,如博客、联盟等等

Direct:直接进入网站

Organic Search:自然搜索

Paid Search:付费搜索

c.分析用户在网页的行为

关注流量最大的着陆页,降低跳出率

关注浏览最大的其他页面,与着陆页对比

页面点击热图

主要流程的转化漏斗

2、移动应用类数据指标

移动应用主要指标

从获取用户到获得收入基本会经历以下几个过程:用户获取、用户活跃与参与、用户留存、用户转化、获取收入。下面依次介绍各个阶段的主要指标:

用户获取阶段:

下载量(商店评分和排名)、安装激活量、激活率、新增用户数(一般就是新增设备数)、用户获取成本

用户活跃与参与阶段:

日活跃用户数、月活跃用户数(可表示用户规模)、活跃系数(日活除以月活)、平均使用时长、功能使用率

用户留存阶段:

次日留存率、7日留存率、30日留存率

用户转化阶段:

付费用户比例、首次付费时间、用户平均每月营收(月收入除以月活跃用户数)、付费用户平均每月营收(月收入除以月付费用户数)

获取收入阶段:

收入金额,付费人数

使用数据指标评价版本迭代效果的方法

留存率对比

核心功能使用率

使用率和继续使用率(代表功能的受欢迎程度)

对核心功能的促进效果(核心贡献的概念——举例:使用过功能A的听歌人数比例减去未使用过功能A的听歌人数比例)

移动应用分析工具

国内分析工具:友盟、TalkingData

国外分析工具:Flurry,Google Analytics

Crash分析工具:Crashlytics

3、电商类数据指标

电商类关键指标

销售额、购买客户数、客单价、购买转化率、UV、详情页UV、重点商品缺货率、妥投及时率

销售额:网站的收入(UV*转化率*客单价)

购买客户数:新老客户

客单价:销售额除以购买客户数

购买转化率:购买客户数除以访客数(UV)

详情页UV(IPV_UV)

分析数据指标方法

流量增长因素:

PC/WAP端(不同媒体),APP端(iOS&Android)

客单价增长因素:

客单价等于人均购买件数*件单价

件单价(热销商品价格变动)

人均购买件数(组合装/单件装比例、推荐效果)

转化率因素:

fetch_file19d01316f01e7d4766cc0e2e3fbd6b

转化漏斗

详情页来源分析

电商网站的详情页来源一般分为:直接落地到详情页、从首页进入详情页、从频道进入详情页、从分类页进入详情页面、从品牌页进入详情页、通过关联销售进入详情页面

fetch_file1b82c19e768f9ec7752c771ff9f768

详情页来源分析

4、UGC类数据指标

UGC产品参与度指标

访客数、登陆访客数及占比、沉默用户数及占比、平均停留时长、产出内容访客及占比(Lofter案例)

访客数:Web端访客数+移动端访客数

登陆访客数及占比:登陆的访客数占总访客的比例

沉默用户数及占比:超过7天未产生内容的账号数占总账号数的比例

平均停留时长:总停留时长除以访客数

优质内容评分

热度=分享次数+推荐次数+点赞次数

互联网产品指标思路

访客数和特征、获取渠道及渠道质量、访客参与深度、转化率和转化漏斗是否流畅

访客数和特征:访问时间段、访问地域、设备、网络

获取渠道及渠道质量:

a.基本思路:带来多少新访客、浏览深度如何、留存率和转化率

b.Web端:新访客占比(代表渠道拓展用户的能力)、跳出率、浏览页面数以及转化率

c.移动端:新设备占比、次日留存以及转化率

访客参与深度:跳出率、浏览页面数、转化率

转化率和转化漏斗是否流畅:

fetch_file9001978d2622f806225a05a1e42734

转化漏斗

获取指标的方式

分析日志、分析工具获取(自定义时间、自定义转化漏斗)

2016年08月03日
| 评论 15
匿名
GrowingIO数据分析 GrowingIO 用户行为数据分析

产品做数据分析需要关注的指标可以从用户生命周期与企业业务全流程来思考。

我会以增长黑客的海盗法则——AARRR模型,从用户获取、激活、用户留存、变现和传播五个角度去介绍产品做数据分析应该关注的数据指标。

1.png

一、获取

在获取这一环节做数据分析的时候,除了需要关注页面浏览量、注册用户量、购买用户量等基础指标,还需要关注新增用户量、CAC(用户获取成本)等与新用户相关的指标。

除此之外还可以利用UTM代码追踪,分析新用户的广告来源、广告名称、广告媒介等来衡量渠道质量。

2.png

二、转化

在这一环节需要关注活跃用户量、活跃率、平均访问深度、平均停留时长、注册转化率等指标,并有针对性的去做一些提升。这样可以有效地消除基础指标带来的虚荣效应,保持对产品现状以及产品目标的清晰认识。

3.png

三、  留存

留存是一个非常重要的指标,一来可以衡量渠道拉新最终的结果——有多少人留下来,二来可以通过留存率来分析产品的使用情况。

所以需要关注次日留存率、7日留存率及30日留存率。由于不同产品对于留存的定义不一样,所以需要关注的指标也要视情况而定。

05 (1).png

 四、  变现

收入来源于留存的用户,这部分核心用户的付费是我们创造收入的一个重要来源。

所以除了要关注销售额以外,还要对用户进行精准推荐,让留存用户产生更大的价值。


 五、推荐

推荐这个环节有个关键词叫K因子,K因子是产品能否自传播的重要因素。

假设平均每个用户会向20个朋友发出邀请,只有10%的人注册的话,K =20*10%=2。而只有当K>1时,用户群才会呈指数型增长。如果K<1的话,那么用户群就基本不会通过自传播增长。


总的来说,通过AARRR的模型来关注产品的数据指标,会让你对整个产品的健康度有很好的把控,以便于及时做出调整和改进。

2016年11月21日
| 评论 2
匿名
子宸君 腾讯 产品运营

与其说我要关注一个数据指标,不如说我对这个产品有什么样的目标值。

因为数据项有很多,关注最重要的对业务产生核心影响的几个数据是比较重要的。

简单罗列几个数据,抓住最关键的。

一、基础数据

(1)每日注册并登陆的用户数(DNU: Daily New Users):这个言简意赅,就不详谈了,直接从后台抓取即可。

(2)新登用户中只有一次会话的用户(DOSU: Daily One Session Users):这个也很简单,此类数据主要衡量新用户的质量。

(3)每日登陆过游戏的用户数(DAU: Daily Active Users):直接从字面就能了解了,一般从后台抓取。

(4)七天内登陆过的用户数(WAU: Weekly Active Users):这个还是很好理解,就不废话了,此类数据主要衡量周变化。

(5)30天内登陆过的用户数(MAU: Monthly Active Users):浅显易懂,主要衡量产量的粘性以及用户的稳定性。

(6)月流失率:(公式:30天前登陆过,30天内未登陆的用户数/MAU)

周流失率:(公式:7天前登陆过,之后7天内未登陆的用户数/WAU)

日流失率:(公式:统计日登陆过,次日未登陆的用户数/统计日DAU)

(7)30日留存率:新用户在首次登陆后的第30天再次登陆的比例

7日留存率:新用户在首次登陆后的第7天再次登陆的比例

3日留存率:新用户在首次登陆后的第3天再次登陆的比例

次日留存率:新用户在首次登陆后的次日再次登陆的比例

二、运营成本

(1)投入/运营成本(RMB):本月为推广产品而投入的营销及市场费用金额

(2)投入产出比(ROI):简而言之,就是说付出与回报是否成正比。(公式:本月的产出/本月的投入)

(3)单个活跃用户推广成本(RMB):(公式:本月投入/本月新增活跃用户数)

(4)单个付费用户推广成本(RMB):(公式:本月投入/本月新增付费用户数)

三、用户状态数据监控

(1)活跃用户数:对于活跃用户,每家定义各有不同.7天内有3天登陆过账号的便可成为活跃用户。

(2)新增活跃用户数:首次上线的用户数

(3)流失活跃用户数:上期(7-14天)有过登陆,在本期(最近14天)未登陆的用户数。

(4)回流活跃用户数:上期(7-14天)未登陆,在本期(最近7天)有登陆的用户数。

(5)活跃用户流失率:(公式:(本月流失用户/上月活跃用户)*100%)

(6)活跃用户充值率:(公式:(本月活跃付费用户/本月活跃用户)*100%)

(7)活跃用户在线时长(单位/小时):(公式:当期(7天)所有活跃用户在线时长总和/当期(7天)活跃用户数)

(8)付费用户在线时长(单位/小时):(公式:当期(7天)所有付费用户在线时长总和/当期(7天)付费用户数)

(9)新增活跃用户充值率:(公式:(本月内有充值的新增登录用户/本月总新增登录用户)*100%)

(10)新增活跃用户高活跃率:(公式:(本月新增登陆用户中的高活跃用户数/本月新增登陆用户数)*100%)

四、活跃用户状态

(1)高活跃用户数:(个人定义:)当期(7天)内总在线时长大于或等于12小时的活跃用户数。

(2)新增高活跃用户数:(个人定义:)当期(7天)高活跃用户减去上期(7-14)高活跃用户数。

(3)流失高活跃用户数:(个人定义:)上期(7-14天)在线时长大于等于12小时,当期(7天)在线时间小于12小时的活跃用户数。

(4)回流高活跃用户数:(个人定义:)上期(7-14天)在线时间小于12小时,当期(7天)在线时长大于等于12小时的活跃用户数

(5)高活跃用户流失率:(个人定义:)公式:(当期(7天)流失高活跃用户数/上期(7-14)高活跃用户数)*100%

(6)高活跃用户充值率:(个人定义:)公式:(当期(7天)有充值行为的高活跃用户数/当期(7天)高活跃用户数)*100%

(7)新增高活跃用户充值率:(个人定义:)公式(本月新增登陆用户中的高活跃用户数/本月新增登陆用户数)*100%

五、付费用户状态

(1)付费用户数:截止到统计日,所以曾经有过充值的用户总数。

(2)新增付费用户数:当期付费用户数减去上期付费用户数。

(3)活跃付费用户数(APC):当期(周/月)有过充值行为的用户数。

(4)流失付费用户数:上期有登陆行为,当期没有登陆的付费用户数。

(5)回流付费用户数:上期未登陆,在当期有登陆的付费用户数。

(6)付费用户流失率:当期流失付费用户数/上期活跃付费数。

(7)付费用户月平均充值次数:当期所有充值次数/当期付费用户数。

(8)付费用户月平均充值金额(RMB):当期充值总额/当期付费用户数。

(9)忠实付费用户数:当期统计结束,后续2-3期之内,每期都有充值行为的用户数。

产品形态不同,对应的关键指标就会有所区别,关注你所关心的。

2016年11月22日
| 评论 6
匿名
一直偷懒的喵 百度 小小产品经理

认真看了以上的回答,觉得都很赞!从道和术上做一点补充;

道: (1)进行数据统计的目的  (2)数据范围 (3)数据粒度 (4)现象or原因

术: (1)常规统计方法 (2)常规指标集合

进行数据统计的目的:

主要都是围绕:更好的提升产品核心竞争力,提升产品对于用户的价值,并最终获得回报(商业或非商业回报均包含);基于以上几点,可以将统计目的划分为 (1)产品综合分析(宏观分析、核心竞争力分析等) (2)日常监控(包括产品、业务稳定性监控;突发事件预警等) (3)活动/收益类分析(多指特定活动、特定来源、特定用户群体的分析);以上三个方向主要用于:(1)高层汇报及战略决策 (2)日常产品迭代 (3)BD、谈判、活动收益分析等;

数据范围:

根据以上情况,对于数据统计的时效性是有不同需求的;对于产品综合分析(比如版本间对比;年度业绩回顾等)对数据时效性的要求较长,通常周期会长达一年及以上;以我们渠道分析的例子来说,对于不同渠道下ROI分析会默认要求提供一年及以上的数据,以判定渠道合作的质量及收益;

而对于日常监控来说,主要突出的是数据的时效性,这具体包括:业务数据的稳定性(例如是否遭劫持及攻击;是否出现交易异常等)、产品数据的稳定(例如是否存在数据接入异常、界面出bug了、浏览器不适配了)、基础服务的稳定性(例如机房遭台风了、服务器被挤爆了);以上层面的数据无需存储长时间的历史数据,但需要时效性较高的数据一保证问题发生时的快速响应;天级相对来说延迟性较高,且对问题的反应能力较低,所以一般会设计小时级或分钟级别的监控,但无需对历史数据对长时间存储,根据情况存储一天、一周、一个月、三个月的情况均有可能

对于活动/收益类分析的数据,时效性根据目的会有较大的差别,例如对于节日性运营活动,对于数据范围的设定可能既包括活动期间小时级的数据,也包括去年同期的宏观数据,以做多方位横向及纵向的对比;

数据粒度:

产品综合分析的数据相对较为宏观,只涉及整体数据、一层下钻(某个圈层、某个类目)的数据;所涉及到的内容如排名第一的答案所说,一般包括:流量(如大盘、分行业、分地域、交叉分析等)、用户属性(如用户性别占比、用户地域占比等)、用户路径(某类用户常规路径)

监控数据的粒度,在基础服务、产品数据两个层面相对较细致,具体可能包括某个机房、某条线路、某个页面的Crash率,加载时间等;而在业务数据层面相对较宏观,对于社区类产品,主要会看用户活跃、用户留存等;对于交易类产品主要会看GMV、客单价、库存量、周转时间等;

在活动/收益分析的时候,会更加关注较细致粒度的数据,具体包括:(1)针对活动设定的页面、频道的转换、引流、活动、传播相关的指标(如打开率、转发率、落地页跳出率、落地页导流率、交流完成率等等) (2)活动期间某个特定节点的监控 (例如直播时的点赞率等)主要是为了更好的调整活动本身,提升活动效果;或更好的向客户介绍自身的实力;

现象及原因

其实与数据粒度、数据范围有一定的重合;产品指标的设定只是表象,对于运营同学来说,指标的设定是为了让其了解用户对产品、对活动的接受程度,所以常规指标排名第一的答案已经列举,我就不再多说;当活动结束后,或产品发版后,对于复盘来说,需要更加关注原因(例如为什么隔壁小明和我都是做红包营销,人家的转发率就远高于我),这时候会出现多维拆解的情况,例如: 频道*地域*用户属性的拆解; 渠道*成本*收益的拆解; 订单价值*库存周转*退货率的拆解等;目的是了解业务及产品的长短板,在下一版中进行提升;

常规统计方法:

常规可能会使用页面迁入的方式,或者下载SDK的方式(根据产品情况)进行实时的统计,也可能需要依赖批量日志进行大规模计算;这个我在“为什么我无法做一款百度统计”的文章里提到过(http://www.pmcaff.com/article/index/583956541918336?from=profile);两者无好坏,只会用在不同的情景下,使用原则遵循:有明确的统计基准,且在同一坐标下进行对比即可;建议对于非收益类的数据可以采用时效性将对较高的方式;对于收益类的数据,则以准确性为第一要务;

常规指标集合

参看回复第一的答案吧;

匿名
申悦 36氪 产品总监

浇盆冷水~

新增,是商务要看的。

活跃、PV、UV,是运营要看的。

留存,是商务、运营要看的。

ROI,是销售要看到。

锚点+访问路径,是交互要看的。

以上数据,是老板要看的。

至于产品经理,先不说应该看哪些,先要看你有权限能看哪些~

虽然有点消极,但大部分情况下,产品经理看数据是看不出什么的,数据只是用来考核的。(那些极度重视数据的公司除外)

与其说关注数据,还不如花时间关注用户反馈,多做用户访谈,以评星数来评估产品好坏~

总的来说,数据不是万能的,但没有数据是万万不能的~

以上,欢迎来喷,哈哈~

2016年11月24日
| 评论 7
匿名
$鑫仔 此处省略 产品经理

首先你要先确定好自己做数据分析的目的,不同的目的,需要不同的数据指标。先思考好,你要做什么,才好分析出你需要的是哪些数据指标,新增用户数、活跃用户数、留存所有的数据,如果不跟你的目的结合,看了也是无用功。

再就是,不同的产品,不同的商业模式,需要的数据指标是不同的,定义数据指标的规则也不同,比如留存,有些社交产品可能30天不来,这个用户就算流失了。但是如果是Airbnb呢,这么定义可能就不准确了。

所以这些数据指标的定义,是需要随时调整的,产品不同的阶段关注的点不一样,最重要的还是你要通过数据得到什么?接下来去想,哪些数据指标可以帮助你,打点监测,验证--分析--调整--打点--分析--调整........

匿名
孔鲁 求职中 PM学习者

以上都非常认可。

增加一些概念的知识吧。

1)新增用户 

历史上第一次启动应用的用户,需要按照设备号进行去重。新增用户越多说明应用的成长越快,推广的效果越好。通常情况下,应用在发展初期的时候新增 用户比例非常高,随着市场趋于稳健增长,新增用户比例逐渐下降。

 2)启动次数

启动次数就是在规定时间段内,用户打开应用的次数。“一次启动”是指用 户从打开 APP 开始,到退出 APP(或离开应用界面,进入后台)为止。一次启动过 程中可能浏览多个页面。

3)活跃用户

在规定的时间范围内,启动过应用的用户数,需要按照设备号去重。活跃度 是指在某段时间内,活跃用户数与总用户数的占比。该指标也可以衡量渠道质 量,排查渠道作弊。

4)留存用户

规定时间段(T1)内的新增用户中,在经过一段时间(T2)后,仍然使用程序的 用户。其中 T1 和 T2 可以根据应用自身的实际情况进行设置。

5)使用时长

用户在应用程序上所停留的时间。主要分为平均使用时长和单次使用时长, 平均使用时长是某一段时间内所有用户的全部访问时间的平均值。

6)使用频率

在一定时期内,同一个用户启动应用的次数。如在一天之内,同一个用户一 共进行有效启动 5 次,那么该用户的日使用频率就是 5 次。

7)使用间隔

使用间隔是指同一用户相邻两次启动应用的时间间隔,例如某一用户第一次 启动应用到第二次启动应用之间相隔 2 天,那么该用户的使用间隔即为 2 天。 

8)访问深度

将用户在一次启动应用过程中所到达的页面累计数量视为用户的访问深度, 例如某用户从启动 APP 到退出应用过程中,一共访问了 12 个页面,那么称该用 户的访问深度为 12。理论上来讲,访问深度越高,应用质量越好,用户对应用 的依赖就越强。

9)用户获取成本

获取一个新用户所需要花费的成本,也就是用户获取的边际成本,随着新增用户数比例越来越高,获取新用户的成本降低,反之亦然。

10)错误次数

在规定的时间段内,应用出现异常退出现象的次数总和。

11)错误率

在规定时间段内,一个应用发生错误的比率(错误次数/启动次数)。 

匿名
iamsteve 大搜车 扫地僧

做任何产品的数据分析都要看产品所处的时期,产品的场景如何。

常规建议,按照产品的 推广期(拉新),发展期(拉新),稳定器(留存),成熟期(留存+变现)来看。


拉新主要关注:

1. 各渠道拉新的能力,看那个渠道入站/下载转化率高,评定优质渠道;

2. 各渠道带来的产品转化。

3. 产品转化漏斗; 


留存主要关注:

1. 产品的功能留存 &用户留存,一般功能&用户留存 关注次日,7日,14日,30日留存情况,具体还要分用户场景;

2. 用户生命周期价值LTV;


变现主要关注:


1.用户/客户的二次订购率(复够率);

2.交易额(金额)


Growingio写的相对实在,我就不做赘述了。



方法论:

1.  AARRR模型 入手做数据分析是合理的。(AARRR五元素:用户获取、激活、用户留存、变现和传播)

2. 用户分群:通常电商是按照RFM进行分群的;

2016年11月21日
| 评论 1
匿名
Cling 掌酷软件 产品经理

1. 常规数据指标的监测,不在话下。如用户量,新用户量,UGC量(社交产品),销量,付费量,推广期间的各种数据等等。这些是最基础也是最基本,同时也是boss们最关注的指标。你接手这项工作的时候第一任务就是把这些数据梳理好。

2. 渠道分析,或者说流量分析。对于一个在上升期得APP来说,你们会花资源去引流量、去别的渠道拉用户。 这时候就需要监测各个渠道的好坏,哪个效果好,哪个单价便宜,这都是需要渠道数据监测来完成。当然,你还需要跟踪监测不同渠道用户的后续表现,给每个渠道的用户进行打分,让BOSS知道哪个渠道值得投,哪个渠道是垃圾。 同时也可以监测iPhone和Android用户的质量区别,一般来说,iphone用户质量要略高于android用户。当然,有多余精力的话还可以监测不同机型之间用户的表现区别。 总之就是在不同的维度上监测不同用户的表现。

3. 用户的核心转化率。想想你的APP的核心功能是什么,然后去监测这个核心功能的转化率。在游戏APP里可能叫付费率,在电商APP里可能叫购买率。不同的行业都有相应的不同转化率,你可以将自己的产品和行业平均进行对比,看看自己的产品在行业中所处的地位。同时,通过长期的监测,你还可以更具这项数据评判APP不同版本的好坏。

4. 用户使用时长的监测。 一方面,这是一个监测用户活跃度的非常好的指标。用户使用时间长就意味这活跃度高,反之亦然。另一方面,想一想你的APP在设计的时候,当初预计一个正常的用户每天会用多少时间,上线后用户真正用的时间是否和你的预计相同? 如果这里面有很大的偏差,就说明用户对APP的认知和你当时设想是有不同的。 这个时候你就需要想想如何来调整你的产品,去迎合用户的认知。(这里说一个题外话,个人认为在对产品做修改的时候一定是想办法去迎合用户,而不是想办法改变用户让用户去适应产品。这里以微博作为例子,用户一直把微博看做是一款传媒产品,一款信息交流工具。而微博一直想把它打造成一个综合社交平台,推出了微博会员,用户推荐,各种私信评论规则等,后台事实证明这一切都没有改变用户对微博的认知,微博所作的一切都是无效的。所以当你苦恼于为什么用户没有按照我的设想去用产品的时候,一定要想着我该怎样变才能迎合用户的需求,而不是去想我该怎样变才能让用户认可产品的设计?)

5. 用户流失情况。 一方面需要监测用户的流失率,比如新用户进来后,第一、三、七、三十天还在使用产品的有多少人。流失率的变化可以直观的反应APP再朝好的方向发展还是不好的方向发展。行业中也有一些平均水平指标,你可以参考这些指标评判自己APP的好坏。另一方面需要找到用户流失的地方,看看用户在哪些地方流失了,然后有的放矢,进行相应的改动。如果有能力的话,建模将用户流失的各种情况都刻画出来,这样在产品的后续改动中就更加游刃有余了。

6. 活跃用户动态。密切关注APP活跃用户的动态,倾听他们的声音。一旦发现异常立马组织人员商讨对策。活跃用户(或者说核心用户)是APP最宝贵的资源,关注他们的一举一动,这个重要性不需要多说了吧.

7. 用户特征描述。这点和指标关系不大,有点建模的意思了。 将用户的各个指标特征进行描述,越详细越好。如性别,年龄,地域,手机型号,网络型号,职业收入,兴趣爱好等等。这些数据平时没什么用,但对于产品人员来说,有时候会给他们很大的灵感。如果可能的话,还可以分以下维度:如活跃用户的特征是什么样的,较沉默的用户的特征是怎样的,流失用户的特征是怎样的。

8. 用户生命周期的监测。这个是专门针对那些社交、游戏类的APP来说的。当你的APP上线一段时间后(6-12个月),你可以回头看看一个正常的用户,完整的体验你的APP的流程是怎样的,大概需要多少时间。根据这个数据再结合一些其它数据可以大致的估算下你的产品能够到怎样的规模,让你的BOSS们知道这款产品最终能发展成什么样。 当然这个很难,产品的发展受到太多因素的影响,光靠你一个数据分析师来预测显然是不那么靠谱的。

匿名

为什么那么多人都在说APP活跃,留存。不是每个产品经理都是APP产品经理。

看什么数据,跟自己负责的业务和业务目标有关系。看回答里,恨不得把所有指标都列上去,在实际工作的时候,PM是不可能每天看所有的指标的。

所以从另外一个维度来解答下这个问题。

1.看数据是为了什么?

先明确目标再讨论看什么数据,拿美团举例,比如美团平台的PM和负责团购交易的PM,因为大家的目标不一样,看的数据就不一样。

难道负责美团交易的PM关注的第一指标是淘宝日活吗? 第一关注指标应该是交易量,交易额吧。

看数据是为了衡量自己负责的业务表现如何,是否有异常。那么数据的框架是依次为中心出发的。先明确自己负责的业务目标是什么,定义能衡量这个业务表现的数据指标,作为自己的第一监控指标。

2.看那些数据指标?

结果指标和过程指标。

比如我是负责美团商家团购发布的PM,我关注的第一指标是团购发布量和发布质量。而不是商家日活,留存。老大问我最近我这边产品做得怎么样?我总不能第一汇报日活XX吧。

为了这个结果指标,同时需要关注过程指标。比如从数量的角度,对于我负责的业务。 商家注册→商家签约→商家发布团购(→团购浏览→团购购买→团购消费)。 从整个流程来看,一般都会涉及到上游数据和下游数据,也是需要关注的,例如团购发布量下降,就需要分析上游数据是否有波动了。

3.怎么看指标?

最最基本的,指标的维度。比如,团购发布量,发布时间,平台(APP,PC),商家类型(大中小),发布者(商家,业务员)等等都是需要考虑的。从不同维度看待一个指标帮助我们看得更完整,对业务了解更完整。

匿名
视而不见先生 上海快屏网络 产品

互联网数据运营 根据运营的流程可以分为四大类,可以说无论是什么运营所要关注的数据都可以从这四个阶段思考。

1、拉新阶段:关注用户来源的类型:纯新用户(第一次注册)还是老用户(再注册);贴片广告的用户来源有多少,弹窗广告的用户来源有多少等等。

2、转化阶段:关注转化率:200个用户浏览了你的宣传页面,注册的有100人,这100人就是实现了转化,转化率为50%(=100/200);同样的除了注册转化率还有付费转化率等等。

3、活跃阶段:关注用户在产品内的活跃量,不同的产品表现形式不同。例如,贴吧:发帖量、回帖量等等;视频网站:点击量,观看量等等。

4、留存阶段:关注留存或流失的用户量。例如,第一天新增的用户有300人,300人中第二天还在活跃的有100人,第三天还在活跃的呢?第四天呢?一直类推。

用户运营只是运营的职能之一,贯穿在各种产品的运营中。用户运营所关注的数据指标,不同行业、不同平台等等都有不同的侧重点。

根据运营的平台来划分:

  • 网站运营:

(1)流量方面需要关注:

PV(page view)访问页面产生的数据。 一个用户访问了5个页面,那么就产生了5个 PV。

UV(user view)某个特定页面的访客数。一个页面一个账号无论点进去几次,UV都是1,因为只有一个访客。

VV(visit view)针对于全站的访客数。一个账号进入一个网站,无论这个账号浏览了这个网站多少个网页,VV都是1 ,因为这个网站只有一个访客。

IP:针对于全站的网络IP数。你在家用电脑登录了这个网站,之后你表哥也用同一台电脑登陆了他的账号,访问了同一个网站,但这个时候IP还是只有1,因为你和表哥用的同一台电脑,网络的IP地址也是一个。

(2)访问方面需要关注:

跳出率:页面停留访客有300人,但是有150人不喜欢这个页面,选择离开,那么跳出率就是50%(=150/300)

二跳率:首页页面停留访客有300人,有150人觉得这个网站很喜欢,于是点击浏览下一个页面,那么二跳率就是50%(=150/300)。以此类推还有三跳率,四跳率等等。

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。

匿名
MIRO_ Magazin Editor

如果你也在创业公司,可以尝试从以下几个纬度去分析,感觉效果还蛮不错的。

一、新用户转化分析

有个经典的模型叫AARRR模型,它将用户在产品中的行为分为五个阶段:拉新、激活、留存、收入、传播。其对应的用户行为分别为:

1. 下载APP。

2. 注册成为APP用户。或是其他关键行为。

3. 定期访问APP。常用的有三个指标:次日留存、7日留存、月留存,根据APP类型选取合适的。

4. 购买公司服务。如电商平台中用户首次下单。

5. 用户向别人推荐、分享、介绍APP。

你可以为此建立一个漏斗模型,分析每一步的转化率。

二、用户分析

1. 服务于推广人员的渠道用户分析,为通过不同渠道下载APP的用户标记来源,并以来源为单位对用户进行宏观新用户转化分析,以辅助推广人员判断渠道质量。

2. 用户画像分析。记录并统计用户人口统计学特征、行为特征,并生产平台用户画像,以服务产品和运营决策。

三、日常用户数据分析

观察每日平台整体用户数据的变动:日活跃用户数、月活跃用户数、日新增用户数、次日留存、月留存等等。

四、产品功能分析

1. 核心行为漏斗分析。如:电商产品的 搜索-加入购物车-下单-支付 的下单转化漏斗模型。监控产品流程设计是否合理,各环节转化是否符合预期,新功能上线后核心行为转化是否有所提升。

2. 功能模块使用分析。主要通过2个指标分析产品功能模块的价值:

a)调用比,即该模块点击用户数占整个页面浏览人数的比例。

b)人均调用次数,即该模块每天单个用户的平均使用次数。

记录每个模块的如上数据,并将其显示在一个二维坐标轴中,即可直观的分析每个模块的价值。

image.png

五、用户回访分析

与上述客观的数据指标分析不同,电话回访也好、线下访谈也好,是最为直观、准确的了解用户的方式,同时也是验证你的分析准确度的一种有效手段。

六、其他

根据业务不同,也会有很多其他的分析内容,如电商网站还会关注退货率、准达率(准时到达率)、库存分析、活动分析等等。

匿名
鹿小妖 北京盘江物流集团 产品经理

1.访客数(UV);到达店铺或页面的用户去重后的数值。

2.浏览量(PV);用户多次打开或刷新页面浏览量的累加值。

3.访问次数(visits);用户连续访问次数,比如:用户进入首页后访问了两个页面就离开了,记录一次访问次数,过一会同一个用户又来了,访问了另外几个页面,又记录一次访问次数。

比如:小明1125号上午通过搜索点击到达店铺A,浏览了2个页面后离开店铺,下午小明有通过首页广告位点击进入店铺A,浏览了3个页面后离开,那么,1125日小明为店铺A带来的访客数为1人(去重),浏览量为5个,访问次数则是2次。

 

4.平均访问深度:平均访问深度 = 浏览量/访问次数,这个数据是为了衡量用户访问店铺的同时,浏览了几个页面的指标。上例中小明的平均访问深度就是2.5

5.平均停留时间:平均停留时间 = 总停留时间/总浏览量,平均停留时间表示用户每次访问在页面内停留时间的均值,单位为秒。上例中,假如小明在上午访问停留20s,下午访问停留60s,那么1125日用户小明在店铺A的平均值就是16s

6.跳失率:跳失率 =跳出次数/访问次数,用于表示用户对店铺访问次数占总访问次数的比例。

2016年11月22日
| 评论 1
匿名

小小的搬运下

作者:腾讯大数据

链接:https://www.zhihu.com/question/25410333/answer/221668398


1、用户分析:包含最基础、最重要的指标,应属于所有产品、运营小伙伴做工作汇报的必备素材。其中新增、活跃、留存、流失外加用户画像五大核心指标是所有老板都关注的指标,也可以理解为常用分析指标了。

2、用户行为:包含用户在app中的浏览行为、浏览路径、使用频率和停留时长等。这个大类的重点用户是运营同学。在做市场促销、推广、抽奖活动时,依赖页面访问深度和停留时间来评估活动对用户的吸引力度,及时调整策略,高效吸引更多用户。

3、渠道推广:严格来讲,版本/渠道分析不能分为一个大类,但是区分为大类会比较好说明和理解。版本/渠道分析类指标其实就是在上述用户分析和用户行为的基础上添加渠道维度进行数据分析。版本/渠道分析维度自然也是运营团队的重点指标,因为广告投放,流量引流往往都很昂贵的资源,及时跟踪渠道效果可以用好每一分每一毛的推广预算,实现最高ROI。

4、自定义事件:非常重要的一类指标,APP团队的每个角色都非常需要,运营利用自定义事件来做漏斗模型,从而评估用户转化情况;产品利用自定义事件来做ABTest,检验按钮、功能逻辑设计是否合理;而对于猿类同学,这是一把好剑,可以私下自己多埋几个自定义事件,抓住产品狗的把柄,好好炫耀一把当时拒绝重复修改需求的脾气不是仅仅傲娇,还是充满着对公司产品满满的担忧,然后当然就是顺理成章约饭局解决一切恩仇。

5、设备分析:设备分析是用户分析中用户画像的一个补充,也是开发团队挑选测试设备、测试网络环境的依据,不同移动应用统计分析厂商也有不同的处理方法,在MTA的指标体系中更愿意认为是一项独立的内容,其中包括操作系统版本、分辨率、网络环境、运营商、设备型号等等的指标。

6、质量监控:毫无疑问,这会是开发团队的重点工具。正所谓“知BUG知Crash,方能百战百胜”,程序猿把APP外发出去之后,就像孙悟空一撮汗毛变成的小猴s,具体哪个小混球使坏还真不好监控,用户上报问题上来也是各种懵逼。质量监控体系会把所有异常捕捉并上报,还对错误堆栈进行还原,友好展示给开发人员,自然可以更好地管控app的质量,增加终端用户的好感。

匿名

上次听了一个产品人士的视频,整理成了脑图,如下。

产品数据分析.png

匿名
Nin.Park 美团 数据产品经理

我的观点是,不同的产品形态,不同的发展阶段,不同的场景下所关注的指标是不同的。

所以我认为在确认指标前,我们首先要确认

1.我们的产品应用在哪些场景?

2.产品面向哪些用户?

3.产品要解决什么问题?

4.问题的分析思路是什么?

5.然后才是我们应该用哪些指标来拆解问题/业务。

匿名
soha_ 突破 局限

好多干货,学习了~

但在收集这些数据之前要想好这些数据收集的目的是什么,收集了这些数据是为了改变产品哪些地方。

2016年11月16日
| 评论 0
匿名
CharlesY 北京炎黄新星网络科技有限公司 产品经理

      看了很多点赞率很高的,其实只是说了用户行为分析的基本常识,没事多看看市面上现有的数据分析,用户行为分析的平台,大多数都是做了运营看板,好点的做了老板看板,产品看板,提供给产品看的,产品能够看到的数据,都与流程有关,用户从那一步走到那一步之后,并没有继续操作,这个是产品应该考虑的,简单的数据并不能说明什么。

      还是那句话,由运营去分析,提供结果和建议给产品经理,产品经理根据分析结果和建议来整理需求,数据的产生与分析,是督促产品经理要将产品做的更好,要怎么样来做好,而不是要让产品经理去分析数据,如果产品经理去分析了,要运营有什么用?要数据运营有什么用?  产品经理懂就行了,何必纠缠这个呢。

匿名
查看更多

发表评论,请先 登录 · 注册

合作伙伴

诸葛IO
薪人薪事
拉勾
 阿尔法公社
测试兄弟
BOSS直聘
环信
外包大师
CSDN