惟有理解业务，才能建立业务数据模型

一、总结

1.指标

重要性：模型未动，指标先行；如果你不能衡量它，你就无法增长。

要点：立于核心指标、着重使用比率、带来显著效果、多角度分析、简单易用

2.常见指标

2.1市场营销领域

客户/用户生命周期

用户价值

用户贡献 = 产出量/投入量*100%

用户价值 = 贡献1+贡献2+…

RFM模型，R最近一次消费时间；M 总消费金额；F消费频频次

2.2产品运营指标

AARRR

Acquisition用户获取、Activation用户活跃、Retention用户留存、Revenue营收、Refer传播）、 用户获取

用户活跃

用户留存

营收

传播

2.3用户行为指标

功能使用

用户会话

用户路径

2.4流量指标

浏览量和访客量

访客行为

3.初期学习步骤

（1）练习（夜市商铺、京东的电商产品框架、阅读资讯软件）

（2）熟悉业务（从熟悉的入手培养业务思维）

（3）应用三种核心思维（Xmind）

（4）归纳和整理出指标

（5）画出框架（PPT等）

（6）检查、应用、修正（没有框架是完美的，需要反复检查）

（7）应用和迭代（从小问题开始，再把各个小问题组合成大问题）

4.脑图

二、指标

1.简介

指标：指标是衡量目标的参数；其表示预期中打算达到的指数、规格、标准，一般用数据表示。

重要性：模型未动，指标先行；如果你不能衡量它，你就无法增长。

三个思维终究是要生成指标

指标可以应用于多个方面

指标建立的要点

(1)核心指标（公司和部门都认同的大目标，根据实际公司情况而认定）

(2) 好的指标应该是比率

(3) 好的指标能带来显著效果

(4) 好的指标不应该虚荣（如投入的钱很多，新增用户量大），多个角度分析，推荐阅读《精益数据分析》

(5) 好的指标不应该复杂

2.各个领域常见指标

2.1市场营销领域指标

（1）客户/用户生命周期

定义：企业/产品和消费者在整个业务关系阶段的周期。

注：不同业务划分的阶段不同。传统营销中，分为潜在用户，兴趣用户，新客户，老客户，流失客户。

（2）用户价值

业务领域千千万万，怎样定义最有效用户？

用户贡献 = 产出量/投入量*100%

用户价值 = 贡献1+贡献2+…

比如：金融行业的用户价值，大概可以为存款+贷款+信用卡+年费+…-风险

方法：RFM模型

R最近一次消费时间；M 总消费金额；F消费频频次；具体看业务背景，确立RFM模型中的重心，进行更改和修正。

2.2产品运营指标

（1）AARRR

Acquisition用户获取、Activation用户活跃、Retention用户留存、Revenue营收、Refer传播。

（2）用户获取

渠道到达量：俗称曝光量。有多少人看到产品推广相关的线索。

渠道转换率：有多少用户因为曝光而心动Cost Per，包含CPM（曝光）、CPC（点击）、CPS（销售）、CPD（下载）和CPT（时间）等。

渠道ROI：推广营销的熟悉KPI，投资回报率，利润/投资* 100；（>1 赚钱）

日应用下载量：App的下载量，这里指点击下载，不代表下载完成。

日新增用户数：以用户注册提交资料为基准

获客成本CAC：为获取一位用户需要支付的成本

一次会话用户数占比：指新用户下载完App，仅打开过产品一次，且该次使用时长在2分钟以内。

（3）用户活跃

日/周/月活跃用户应用下载量：活跃标准是用户用过的产品，广义上，网页游览内容算用，公众号下单算用，不限于打开APP。

活跃用户占比：活跃用户数再总用户数的比例，衡量的是产品健康程度

用户会话session次数：用户打开产品操作和使用，直到推出产品的整个周期。5分钟无操作，默认结束

用户访问时长：一次会话的持续时间。(如：今日头条1.5h，墨迹天气几秒)

用户平均访问次数：一段时间内的用户平均产生会话次数。

（4）用户留存

用户在某段时间内使用产品，过了一段时间后仍旧继续使用的用户。一般是周留存、月留存等。

（5）营收

付费用户数：花了钱的用户数。

付费用户数占比：每日付费用户占活跃用户数比，也可以计算总付费用户占总用户数比。

ARPU：某个时间段内，每位用户平均收入。

ARPPU：某时间段内每位付费用户平均收入，排除了未付费。

客单价：每一位用户平均购买商品的金额。销量总额/顾客总数。

LTV：用户生命价值周期，和市场营销的客户价值接近，经常用在游戏运营电商运营中。

LTV(经验公式)：ARPU*1/流失率（比如说，一月份有一百个用户，这个月用户流失率0.3，那么1/流失率=3.3，那么一月份这批客户在3.3个月后流失光，这段时间的LTV=ARPU（用户的平均消费100元） *3.3 =330元），适合敏捷项目

（6）传播

K因子：每一个用户能够带来几个新用户。

K因子=用户数*平均邀请人*人数邀请转换率

用户分享率：某功能/界面中，分享用户数占游览页面人数占比。

活动/邀请曝光量：线上传播活动中，该活动被曝光的次数。

2.3.用户行为指标

没有特别重要的框架，主要在于理解与应用。

（1）功能使用

功能使用率/渗透率：使用某功能的用户占活动总活跃数之比。（比如点赞、评论、收藏、关注、分享、搜索等等）

（2）用户会话

用户会话：会话（session），是用户在一次访问过程中，从开始到结束的整个过程。比如在网页端，30分钟内没有操作，默认会话操作结束。

（3）用户路径

路径图：用户在一次会话的过程中，其访问产品内部的游览轨迹，通过此，可以加工出关键路径转换率。

关注关键路径才重要。比如下单的路径，观察各个路径的情况，进行优化。

2.4电子商务指标

购物篮分析

笔单价：用户每次购买支付的金额，即每笔订单的支出，对应客单价

件单价：商品的平均价格

成交率：支付成功的用户在总的客流量中的占比

购物篮系数：平均每笔订单中，卖出了多少商品，与商品关联规则有关。（线下也叫连带率）

复购率：（一段时间内）一段时间内多次消费的用户占到总消费用户数之比（忠诚度）

回购率：（跨时间段）一段时间内消费过的用户，在下一段时间内仍然有消费行为的占比（消费欲望）

2.5流量指标

（1）浏览量和访客量

PV：浏览次数。互联网早起的统计指标，用户在网页的一次访问请求可以看作一个PV，用户看了十个网页，则PV为10。

UV：一定时间内访问网页的人数，正式名称独立访客数。在同一天内，不管用户访问了多少网页，他都只算一个独立访客。（UV会通过cookie或IP衡量。但微信中的网页，UV是不准确的，微信不会保存cookies）

（2）访客行为

新老客户占比：衡量网站的生命力（适宜就好，过高过低就不行）老访客-黏性，新访客--吸引力；

访客时间：衡量内容质量，不是看内容的UV，而是内容的访问时间。

访客平均访问页数：衡量网站对访客的吸引力，是访问的深度

来源：与多维分析相关，访客从哪里来，游览方式？手机机型？通过来源网站的参数提取。

用户行为转化率：用户在网站上进行了相应操作的用户在总访问数上的占比；

首页访客占比：只看了首页的用户，在总访客数上的占比；

退出率：从该页退出的页面访问数/进入该页的访问数（衡量网页产品结构）

跳出率：游览单页即退出的次数/访问次数（衡量落地页、营销页）

2.6怎么生成指标

（1）组合

访客访问时长+UV=重度访问用户占比（游览时间五分钟以上的用户占比）

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，其中有多少次有消费？）

机器学习，PCA学习，指数法，生成指标。（偏应用）

三、业务的分析框架

1.建立好的业务分析框架

从三个角度出发：从指标的角度出发、从业务的角度出发、从流程的角度出发

2.市场营销模型

3.AARRR模型

4.用户行为模型（内容平台）

5.电子商务模型

6.流量模型

四、其他

1.初期学习步骤

（1） 练习（夜市商铺、京东的电商产品框架、阅读资讯软件）

（2）熟悉业务（从熟悉的入手培养业务思维）

（3）应用三种核心思维（Xmind）

（4）归纳和整理出指标

（5）画出框架（PPT等）

（6）检查、应用、修正（没有框架是完美的，需要反复检查）

（7）应用和迭代（从小问题开始，再把各个小问题组合成大问题）