数据分析理论+实战（产品、运营必修课）
一、指标建模
数据指标：
1、如何定义？
- 对当前业务有参考价值的统计数据
++++++++++++++++++++++++++++++++++++
2、常用的数据指标：
【用户数据】
规模
- 存量：DAU、MAU
- 增量：新增用户数
健康程度：留存率
用户来源：渠道来源
关于DAU统计的细节：
1、自然日 vs 最近24h：国际业务需要注意
2、如何定义活跃：
今天上报过事件 -> 用户进行了主动操作（吗？） -> 这个用户是活跃的
----日活暴增但是其他数据没变化，说明统计维度可能是基于有事件上报就算活跃，且多出了来自用户被动上报的事件数据。这种方式常见于第三方平台
推荐的方式：业务定义日活
以关键事件为基准。用户执行了关键事件-> 这个用户是活跃的
eg：以访问首页为关键事件。但是要注意是否会存在其他的路径导致用户使用时跳过首页，未被统计在内。
可以建立一个“日活事件列表（首页、商详、抽奖、等等等）”？----存在的问题：1.维护成本 2.团队内外对[活跃]的认知需统一（考验信息同步）
3、用户：
按人计算---UID（注册用户的唯一ID）
- 适合强注册/登录环境，未登录的用户会被遗漏
按设备计算---网页cookie中的随机字符串（设备唯一标识符）
- 无法对应设备背后的用户，设备1对多人，或者设备多对1人，都可能存在
产品是否有账号体系：no->用设备
业务场景是否对登录强依赖：yes->认人；需要有个单独指标描述未登录设备数，但不混进日活统计
不强依赖登陆的情况下：
不登陆的用户对业务有价值吗？
- 没有（eg社区产品）----认人，但是+单独的设备数指标监控
- 有（eg读书产品）----认设备
关于用户新增：
新：新用户的定义（基于设备、基于账号关联）
增：选择合适的节点（渠道投放页面、应用商店、下载、注册（激活场景））
关于用户留存：
1、为什么要看留存？：
了解某个渠道的质量--日留存
- 以日为单位，衡量渠道来的用户当下&后续的表现
- 以N日 日留存，避免其他日数据带来的干扰
观察整个大盘--周留存/月留存
- 衡量产品健康情况，观察用户在平台上的黏性
- 一定注意去重！
- 指定周(月)周(月)活跃用户数/第一周(月)周(月)活跃用户数*100%
2、以7日留存为例，三种计算方式：
算法① Day7活跃的人/Day1活跃的人*100% 大多数场景√ 七日日留存
-算法③ 从Day0开始计数。游戏行业常见，注意首日留存、次日留存、三日留存等等异同点；
day0开始的优势是星期X一致，保持了周维度的一致性，抵消星期级别的周期性差异
算法② Day2~Day7加和去重后/Day1活跃的人*100% 七日内留存
2的问题：Day2~Day6的特征被掩盖了，信息混淆导致无法对比渠道真实质量
特殊情况√：产品业务特殊，用户存在特定访问情况（产品存在固定使用周期），集中在特定时间活跃。这个场景可以看7日内留存，更能描述渠道质量。
--------------------------------------------------------------------------------------------------
【行为数据】
行为次数/频率：PV(次数)、UV(人数)、访问深度
行为路径：转化率
行为时长：(使用/播放/收听)时长
访问质量：弹出率
PV、UV：
转化什么时候用人数，什么时候用次数？
- 看评判对象：是页面/功能？（PV）/是人（UV）？
- PV/PV UV/UV（常用，漏斗）
- PV/UV（单个节点分析）
访问深度（用于说明用户对产品的了解/使用程度）：
算法1：用户对某些关键行为的访问次数（eg.视频网站，用户播放次数说明了用户访问深度）
算法2：网站内容/功能分成几个层级，以用户本次访问过最深的一级计算（eg.电商）
访问时长：
- 完全精确的统计数据难以获取（页面打开时长、前台驻留时长、技术手段监测）
为什么要统计访问时长：回归业务！
--->通过统计特殊事件，支持业务需求
eg.视频播放记录->被消费程度->评价内容质量
弹出率（Bounce Rate）：用户来了立刻就走的比率
----统计口径：基于单个用户一次完整的访问周期（=“一次会话”）行为统计。
----整个网站产生的所有会话的弹出率
立刻：是指页面变化√ 还是时长限制？
👆弹出率：3/6=50%
单用户重复来：
5次会话，4次弹出
👆单用户弹出率：4/5=80%
----------------------------------------------------------------------------------------------------
【业务数据】
用户视角 >
总量：GMV、(视频网站)访问(播放)时长
人均：ARPU、ARPPU、ATV、LTV；人均访问时长
人数：付费人数；播放人数
业务健康程度：付费率、付费频次；观看率
----
被消费对象视角（商品、视频）：SKU；内容
++++++++++++++++++++++++++++++++++++
3、如何选择好的数据指标？（方法论）
二、数据工具
123
