一、常用数据分析指标
1. 网站/APP分析指标
主要统计用户使用网站/APP的情况,根据统计数据进一步分析用户行为,优化产品的用户体验。
-
UV(用户量):某一段时间内的独立访客数,一个IP算做一个用户量。
-** PV(访问量):**页面浏览人次数,页面每浏览一次算一个PV。主要用在新闻或文章页面,统计网民对特定网站的使用率。 - 点击率:网站/APP中某一内容被点击的次数与显示次数的比率,即点击次数/显示次数。
- 转化率:所有用户中完成转化目标的比率。转化目标可以为注册、访问指定页面、下单、付款等。
- 页面停留时间:统计用户在某一页面停留的时长分布图。由此进一步分析用户为什么在这个页面停留时间较长。
- 平均停留时间:统计用户在某一页面的平均停留时长。并非所有页面的停留时间越长越好,在付款、客服等页面使用时,则希望用户停留时间越短越好。
- 跳出率:只访问了首页就离开的占比,跳出率=访问一个页面后离开网站的次数/总访问次数。
- 退出率:用户从某一页面退出的访问数与进入该页的页面访问数的百分比。
- DAU(日活):当天的新增用户和之前每一天新增用户在当天留存用户之和。
- MAU(月活):当月登录或使用了某个产品的用户数,统计中需要去除重复登录的用户,即一个用户在当月登录若干次只统计一次。
2. 渠道分析指标
电商的运营团对会通过不同的渠道进行引流,加大产品曝光率。通过渠道分析指标来衡量一个渠道的用户数量、用户质量和产品契合度,选择正确的渠道进行产品推广可以使推广效益最大化。
不同的网站统计工具与分析工具对网站流量获取的渠道各有差异,但基本上可分为几个渠道:直接访问(Direct),引荐流量(Referral),搜索引擎自然流量(Organic Search),付费搜索流量(Paid Search),社交媒体(Social)。
- 新增用户数:通过某一渠道引入的新用户数。
- 用户转化率:统计在某一渠道内用户的转化率。
- 投资回报率(ROI):等于年利润或年均利润/投资总额×100%。
- 渠道ROl(投资回报率):某一付费渠道获得的ROI。可以衡量这个渠道的用户质量与用户与产品的契合度。
- 渠道流量:该渠道的用户体量与活跃度统计。
- 渠道流量占比:某一渠道获得的流量占全部渠道流量的占比。
3. 活动效果指标
- 活动点击率:点击进入活动详情的数量占活动浏览量的比例,其中一个用户只计算一次。活动点击率体现活动的创意吸引力。
- 活动参与率:参与活动的用户占活动浏览量的比例。
- 活动转化率:活动带来的订单转化率。
- 活动ROI
4. 收入指标
- 付费转化率:付费用户数占总用户数的比例。
- 订单数转化率:下单用户数占总用户数的比例。
- 客单价:付费用户的平均购买金额。客单价=有效订单总额÷有效成交顾客数。不同的时间段会影响客单价,所以在计算客单价的过程中要考虑“在一定的时间范围内”。
- GMV(交易总额):GMV=流量数量转化率客单价
- 复购频次:统计某一段时间内,用户对某一产品或服务的重复购买次数。一般使用频次分布图来展现。
- 毛利率:净利润除以平均总资产的比率。毛利率=(销售收入-销售成本)/销售收入×100%
- 毛利额:毛利额=下单用户数 * 每个用户订单数 * 客单价 * 每个订单毛利率。
5. 用户类型指标:
- 新增用户:一段时间内的新增用户数。
- 活跃用户:一段时间内的活跃用户数。怎样为活跃用户可以根据自己的实际情况定义,比如打开网站/APP即为活跃用户,或者打开网站/APP连续浏览5分钟以上则为活跃用户。
- 留存用户:当前留存下来的用户数。比如近一周内有使用过网站/APP的用户即为留存用户,可以根据实际情况进行定义。
- 流失用户:流失用户 = 总用户 - 留存用户。即近一周未使用过网站/APP的用户,与留存用户概念相对。
- 回流用户:对于一些以及流失的用户,采用一些优惠信息的发放使其重新使用网站/APP的用户数。
6. 用户价值指标:
- 用户最近一次下单时间:统计用户最近一次用户的下单时间,一般使用频次分布图来展现。
- 用户下单频次:
- 用户消费总金额:一个用户在平台上的实际付款总额,一般使用频次分布图来展现。
二、数据分析流程
数据分析流程如下:进行需求分析 - 数据提取 - 数据清洗 - 数据分析 - 报告撰写 - 报告分享 - 投入应用收集反馈
1. 需求分析
进行数据分析前需先明确出分析目的,才能确保数据分析有效进行,为数据的采集、处理、分析提供清晰的指引方向。
2. 数据收集
数据收集按照确定的数据分析的目的来收集相关数据的过程,为数据分析提供依据。一般数据来源于数据库、互联网、市场调查、公开出版物。
3. 数据处理
将收集来数据进行加工整理,包括:数据清洗、数据分组、数据组织、数据计算、数据存储、数据检索、数据排序。
4. 数据分析
运用多种数据分析的方法与模型对处理的数据进行和研究,通过数据分析从中发现数据的内部关系和规律,掌握好这些关系和规律就能够更好的进行数据分析工作。
5. 数据展示
常用柱形图、饼图、折线图等图标展示数据分析信息,一目了然的发现数据的本质与作用。
6. 撰写报告
对整个数据分析过程的总结。一份优秀的报告需要一个名确的主题、清晰的目录、图文并茂描述数据、结论与建议。
三、 数据分析方法
1. 对比分析法
对比法,也叫对比分析法或者比较分析法,是通过实际数与基数的对比来提示实际数与基数之间的差异,借以了解经济活动的成绩和问题的一种分析方法。在科学探究活动中,常常用到对比分析法,这种分析法与等效替代法相似。
对比方法 | 对比指标 |
---|---|
时间对比 | 同比、环比、趋势对比 |
空间对比 | 城市、产品 |
目标对比 | 年度目标、月度目标、活动目标 |
用户对比 | 新用户和老用户、注册用户和未注册用户 |
竞品对比 | 渠道、功能、体验、流程、推广、收入 |
2. 分组分析法
分组分析法是统计分析的基本方法之一。根据事物内在的特点,将一定的社会经济现象,按照所定的标志,划分成性质不同的各个部分,借以区分社会经济现象的类型,揭示社会经济现象的结构,确定被研究对象之间的依存关系,从而发现未被利用的后备力量的一种分析方法。
分组标志 | 分组性质 |
---|---|
时间分组 | 日、周、月、年 |
产品类型 | 属性、区域 |
用户类型 | 人口属性(性别、年龄)、客户价值、消费频次 |
渠道分组 | 线上&线下渠道、付费&免费渠道 |
3. 矩阵关联分析法
矩阵分析方法是指将事物(如产品、服务等)的2-4个重要属性(指标)作为分析的依据,进行分类关联分析,找出解决问题的一种分析方法,也称为矩阵关联分析法,简称矩阵分析法。
以属性A为横轴,属性B为纵轴,组成一个坐标系,在两坐标轴上分别按某一标准(可取平均值、经验值、行业水平等)进行刻度划分,构成四个象限,将要分析的每个事物对应投射至这四个象限内,进行交叉分析分析,直观地将两个属性的关联性表现出来,进而分析每一个事物在这两个属性上的表现。
矩阵关联分析法在解决问题和分配资源时,为决策都提供重要参考依据。先解决主要矛盾,再解决次要矛盾,有利于提高工作效率,并将资源分配到最能产生绩效的部门、工作中,有利于管理决策都进行资源优化配置。
SWOT矩阵:优势、劣势、机会、威胁
波士顿矩阵:市场份额、市场增长率
满意度矩阵:重要性、满意度
4. 逻辑树分析法
麦肯锡逻辑树又称问题树、演绎树或分解树等。逻辑树是将问题的所有子问题分层罗列,从最高层开始,并逐步向下扩展。逻辑树能保证解决问题的过程的完整性;它能将工作细分为一些利于操作的部分,确定各部分的优先顺序。
例如将各指标展开,分析在不同情况下的表现。
UV:渠道、区域、产品类型、新老UV
转化率:渠道、区域、产品类型
客单价:渠道、区域、产品类型
5. 漏斗分析法
用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势,从而寻找到最佳的优化空间,这个方法被普遍用于产品各个关键流程的分析中。
例如分析从用户进入网站到最终购买商品的变化趋势:
四、数据分析框架
1. QQ模型
进行数据分析时,都可以从数量(Quantity)、质量(Quality)这两大角度进行分析,简称为QQ模型,也称为QQ模型分析方法。QQ模型是数据分析中一种常用的分析方法。
角度 | 指标 |
---|---|
绝对数(数量) | 用户数、浏览量、点击量 |
相对数(质量) | 留存率、转化率、参与率 |
2. 用户行为理论
利用用户使用行为理论梳理指标间的逻辑关系。用户使用行为是指用户为获取、使用物品或服务所采取的各种行动,用户对产品首先需要有一个认知、熟悉的过程,然后试用,再决定是否继续消费使用,最后成为忠诚用户。
3. 5W2H分析法
通过七个问题发现解决问题的线索,寻找创新思路,进行设计构思,从而创新产品功能。
What:产品提供服务、用户核心需求
Who:目标用户、用户特点
When:使用时间、使用时长
Where:使用场景、用户分布区域
Why:使用原因、吸引点
How:使用方法、使用路径
How much:投入金钱、时间
4. AARRR模型
①acquisition - 用户获取
用户获取成本=(营销费用+销售费用) /同时期新增用户数,小于1盈利
用户来源渠道:渠道新用户数、渠道新用户占比、渠道成本
②activation - 用户激活
定义用户激活行为、用户激活率、激活漏斗转化率
③retention - 用户留存
用户天然生命周期、用户留存率、不同用户分组留存率
④revenue - 收入
付费用户数、付费用户占比平均付费金额
⑤refer - 推荐
推荐用户数.推荐转化率、被推荐转化率
5. RFM模型
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。RFM模型较为动态地显示了一个客户的全部轮廓,这对个性化的沟通和服务提供了依据,同时,如果与该客户打交道的时间足够长,也能够较为精确地判断该客户的长期价值(甚至是终身价值),通过改善三项指标的状况,从而为更多的营销决策提供支持。
Recency:最近一次购买时间
Frequency:购买频率
Money:购买金额
用户价值分类 | R | F | M | 措施 |
---|---|---|---|---|
重要保持 | 低 | 高 | 高 | 定期edm、push、短信主动联系 |
重要发展 | 高 | 低 | 高 | 优化产品和服务 |
重要价值 | 高 | 高 | 高 | 权益、奖励 |
重要挽留 | 低 | 低 | 高 | 预流失用户 |
一般保持 | 低 | 高 | 低 | 正常运营 |
一般发展 | 高 | 低 | 低 | 正常运营 |
一般价值 | 高 | 高 | 低 | 正常运营 |
一般挽留 | 低 | 低 | 低 | 正常运营 |
6. 人货场模型
不管是微商、电商还是店商,有三大关键要点,分别是“人”“货”“场”三个重要的环节,缺一不可,紧紧相连。只要同时把握好这三方面的工作,才能有序地高效的经营。
-
人:重构用户认知
企业的价值从单纯地出售商品所有权,升级为用户在使用产品全过程的增值服务提供商。企业的商业价值不在企业内部,而是存在于用户的心智中。因此,商业产品创新要透过人的外表假象,从满足用户的内心深层次需求而获得。
相关指标包含UV、DAU等。 -
货:重识产品创新
产品反映的是人的需求,是用户价值的延伸,产品的外延被放大。用户需求的多元与复合要求产品的价值认知变得极“简”,而价值范围变得极“繁”。所谓“简”就是要求产品做到“功能、特性、心理”的统一,而所谓“繁”则是要求产品能够立体的满足用户的需求。
相关指标包含商品数量、商品动销率、商品单价、客单件等。 -
场:持续动态运营
产品和用户是阴阳两极,相互吸引而产生场。场景是一种商业力,可以拉近产品和用户的距离,直至产品和用户完全重合,达到“人货合一”。
相关指标包含网站、渠道、点位数、展示位置等。