秦路数据分析 Week Two

课程笔记内容

一，业务掌握的重要性

很多分析数出的结论得不到业务部门的认可或者得出的解决方案无法落地实现，原因是因为对业务了解匮乏。唯有了解业务，才能建立起业务数据模型，建立起数据分析的体系。

二，经典的业务分析指标将解

（课程截图）

架构化+公式化+业务化=指标

指标的5要素：

1).核心指标

2).好的指标应该是比率

3).好的指标数应该能带来显著的效果

4).好的指标不应该虚荣

5).好的指标不应该复杂（指标复杂也会导致思维的复杂，好的指标应该干净利落）          

不同领域的指标简介

1.市场销售领域：

客户/用户生命周期—–从购买那天起计算（可分为 潜在用户，兴趣用户，新客户，老/熟客户，流失客户，具体客户分类需要根据业务实际情况进行划分）。

用户价值—-

用户贡献度=产出量/投入量×100%

用户价值=（贡献1+贡献2+……）                   

RFMI模型（通用模型）：R最近一次消费时间，M总消费金额，F消费频次，可将客户划分成多个群体。

用户分群，营销矩阵（类似多维度分析和象限法）：分出来的群体可定义为一个标签。

2.产品运营指标：

AARRR框架———

用户获取：

渠道到达量（曝光量）

渠道转化率（曝光量或点击量）

渠道ROI（投资和回报比，利润/投资×100%）

日应用下载量（多为预估值，以点击计算，但点击并不代表下载，故导致数据虚增）

日新增用户数：以用户注册提交资料为基准

获客成本：获得一位用户需要支付的成本（行业不同，获客成本也不相同）

一次会话用户占比：指新用户下载完APP，仅打开一次产品使用2分钟内的—用来衡量客户质量。

日/周/月活跃用户下载量：衡量健康程度

用户会话session次数：使用周期内每次在规定的几分钟内没有操作，默认会话结束

用户访问时长：一次会话持续时间

用户平均访问次数：看用户的粘性

次日留存率，七日留存率等

达到 高活跃   提高留存   盈利获利  自传播

3.营收类指标

付费用户数：花钱的（需要看实际情况下的统计口径）

付费用户数占比：

ARPU：某段时间每位用户平均收入

ARPPU:某短时间每位付费用户平均收入，排除未付费的。

客单价：与ARPU区别是时间限制的，销售额/顾客数

LTV:用户什么价值，和市场营销的客户价值接近，常用于游戏运营和电商运营中

LTV=ARPU×1/流失率【此为经验公式】 应用场景：短频快的行业，例如电子游戏。

4.传播

K因子：每个用户能带来多少新用户

用户分享率：

活动/邀请曝光量：

5.用户行为—广泛课题

6.功能使用

功能使用率/渗透率：使用某功能的用户占活跃数之比

7.用户会话

用户行为指标

用户路径

路径图：桑基图

8.购物篮分析

笔单价：

件单价：

成交率：

购物篮系数：平均每笔订单中，卖出了多少商品，购物篮系数多多益善，它和商品关联规则有关系。

9.复购率和回购率【区别】

复购率：一个时间段内的—–衡量客户的销售欲望

回购率：两个或多个跨时间段的—-衡量忠诚度

10.浏览量和访客量

PV:浏览次数

UV：独立访客数（一天内，次日再次访问会计数）

技术上，UV会通过cookie或IP衡量

11.访客行为

新老访客占比：衡量网站的生命力

访客时间：衡量网站内容质量

访客平均访问页数：衡量网站对访客的吸引力，访问深度是否吸引

来源：访客从哪里来

用户行为转化率：

首页访客占比：

12.退出率和跳出率【区别】

是否是单页

跳出率：单页退出次数

退出率是在网页产品结构中衡量设计是否巧妙，容易使用；跳出率通常是在营销活动场景中应用。

三，如何生成指标？—-组合

例如：

1.访客访问时长+UV=重度访问用户占比（浏览时间5分钟以上的用户在整个访客中占比）

2.用户会话次数+成交率=有效消费会话占比（用户在所有的会话中，其中有多少次有效消费）

四，业务的分析框架

从指标的角度出发
从业务的角度出发
从流程的角度出发

（模型详见课程内容暂不一一例举）

五，如何应对各类业务场景

1.练习

2.熟悉业务

3.应用三种核心思维

4.归纳和整理出指标

5.画出框架

6.检查，应用，修正

7.应用和迭代

数据管理很重要

  30%数据统计+70%的数据管理

总结练习

1.思维导图进行结构化构思

2.将其转换为流程闭环

3.再次转化为指标

就汽车经销商日常新车销售简单做了一一版为练习，先叫它V0.1版吧(●’◡’●)

本章节结束~~