一、常见指标
DAU:Daily Active User 日活跃用户量。统计一日(统计日)之内,登陆或使用了某个产品的用户数(去重)
WAU:Weekly Active Users 周活跃用户量。统计一周(统计日)之内,登陆或使用了某个产品的用户数(去重)
MAU:Monthly Active User 月活跃用户量。统计一月(统计日)之内,登陆或使用了某个产品的用户数(去重)
DNU:Day New User 日新增用户,表示当天的新增用户
DOU:Day Old User 日老用户。当天登陆的老用户,非新增用户
ACU:Average Concurrent Users 平均同时在线人数
PCU:Peak Concurrent Users 最高同时在线人数
UV:Unique Visitor 唯一访问量,即页面被多少人访问过
PV:Page View 页面浏览量,即页面被多少人看过
ARPU:Average Revenue Per User 平均每个活跃用户收益。
ARPPU:Average Revenue Per Paying User 平均每个付费用户平均收益。统计周期内,付费用户对产品产生的平均收入。
LTV:Life Time Value 生命周期价值。产品从用户所有互动中获取的全部经济收益的总和
CAC:Customer Acquisition Cost 用户获取成本
ROI:Return On Investment 投资回报率。
ROI=利润总额/投入成本总额*100%GMV:Gross Merchandise Volume 成交总额。是指下单产生的总金额
CMV=销售额+取消订单金额+退款金额支付UV:下单并成功支付的用户数
二、数据指标分类
大致的可以将数据指标分为三大类:综合性指标、流程性指标、业务性指标。
1、综合性指标
综合性指标是能体现产品目前综合情况的指标。
在非交易网站,比如社交网站,数据指标的用途偏向于了解产品的用户增长或减少等情况。综合性指标通畅有:DAU、留存数、留存率、人均使用时长、PV、UV等。
对于交易系型网站,那么平台关注的综合性指标通常是:GMV、支付UV、人均订单数、人均客单价等。
2、流程性指标
流程性指标是指与用户操作行为相关的指标。
<stron>:有PV点击率和UV点击率,一般使用PV点击率。</stron>
转化率:下一步操作用户数/上一步操作用户数
流失率:(上一步用户数-下一步用户数)/上一步用户数
完成率:完成率相对于转化率而言,是最终的结果数值。转化率是过程值,完成率是结果值。
3、业务性指标
- 业务性指标是跟产品业务相关的指标。例如视频网站,则可能需要的业务指标有:视频播放数、人均观看时长、人均播放数、播放率等。
三、数据分析与设计方法
数据分析和设计的方法有:事件分析、留存分析、漏斗分析、分步分析、对比分析和多维度拆解。
1、事件分析
事件是追踪或记录的用户行为或业务过程。事件是通过埋点记录,通过SDK上传的用户行为或业务过程记录。
例如,一个视频内容产品可能包含的事件:
1)播放视频;
2)暂停;
3)继续播放;
4)分享;
5)评论。一个事件可能包含多个事件属性,例如,“播放视频”事件下可能包含的属性:
1)来源;
2)是否自动播放;
3)播放形态。
2、留存分析
- 留存率是验证用户粘性的关键指标,设计师和产品经理通常可以利用留存率与竞品对标,衡量用户的粘性和忠诚度。通常重点关注次日、3日、7日、30日即可,并观察留存率的衰减程度。留存率跟应用的类型也有很大关系。通常来说,工具类应用的首月留存率可能普遍比游戏类的首月留存率要高。
3、 漏斗分析
漏斗分析就是转化率分析,是通过计算目标流程中的起点,到最后完成目标节点的用户量与留存率,流量漏斗模型在产品中的经典运用是AARRR模型。
衡量每一节点的转换率,通过异常数据(转换率过低)找出异常节点,进而确定各个环节的流失率,分析用户怎么流失、为什么流失、在哪里流失。根据数据改进产品,最终提升整体转化率。
4、用户分群分析
- 用户在某个特定条件下的用户分组或占比。
- 例如:注册7天内下单的用户组、参与过A活动的用户等。
5、对比分析
- 将不同时段的数据进行对比,找出差值,进行产品优化或验证设计。
- 自身产品对比:对比产品不同模块相似场景的数据,找出问题点。
- 行业产品对比:与同行业产品进行对比,找出优劣势,并持续优化。
6、多维度拆解
- 用不同的维度视角拆分分析统一类数据指标。例如按照不同的省市地区分析、不同的用户人群、不用的设备等。通过不同维度拆解,找到数据背后的真相。