互联网数据分析--指标和维度

关于指标和维度：

指标和维度是数据分析的两个基础术语。

指标用来衡量事物发展程度，通过几个关键指标可衡量公司业务运营情况的好坏。指标需通过加和、平均等汇总计算得到，提前是要通过在一定的统计口径和范围内计算（如时间、地点、范围）。指标分为绝对数指标和相对数指标，绝对数指标反映规模大小，如人口数、GDP、收入、用户数等；相对数指标主要反映质量好坏，如利润率、留存率、覆盖率等。

一个事物发展程度可以从数量跟质量两个角度入手分析，以全面衡量事物发展程度。指标用于衡量事物发展程度，那这个程度是好是坏，就需要通过不同维度来对比，才能知道是好还是坏。

维度：是事物或现象的某种特征，如性别、地区、时间等都是维度。其中时间是一种常用、特殊的维度，通过时间前后的对比，就可以知道事物的发展是好还是坏，如用户数环比上月增长10%、同比去年同期增长20%，这就是时间上的对比，也称为纵比;另一个比较就是横比，如不同国家人口数、GDP的比较，不同省份收入、用户数的比较、不同公司、不同部门之间的比较，这些都是同级单位之间的比较，简称横比。

维度可以分为定性维度跟定量维度，可根据数据类型来划分，数据类型为字符型(文本型)数据，就是定性维度，如地区、性别都是定性维度;数据类型为数值型数据的，就为定量维度，如收入、年龄、消费等，一般我们对定量维度需要做数值分组处理，也就是数值型数据离散化，这样做的目的是为了使规律更加明显，因为分组越细，规律就越不明显，最后细到成最原始的流水数据，那就无规律可循。最后强调一点，只有通过事物发展的数量、质量两大方面，从横比、纵比角度进行全方位的比较，我们才能够全面的了解事物发展的好坏。

分析主要有以下内容：

整体情况的分析和汇总：全局数据的概况、变化趋势、占比等
多个维度的分析：如果是日志数据，已经存在多个数据项，以某一个数据项作为主关键词汇总分析，同比、环比变化，占总数的变化。如果没有日志数据，则需要想清楚解决这个问题原因是什么?需要采集哪些数据项?
重要场景问题的分析:根据分析的重要问题、用户关心的问题进行分析
软硬件性能管理、告警管理、报表管理、基础参数配置和用户管理等等

在多维度分析、告警、报表，数据图表可视化设计呈现方面也存在许多共性，总结如下:

数据的呈现方式是表格还是图表?若是时间范围，时间统计粒度是多少?
表格需要呈现哪些数据?数据的单位?保留几位小数?数据计算的方法?排序依据?
图表采用哪一种?呈现的范围是多少?
常见的数据项操作：新增、删除、修改、查询
新增哪些是必填数据项?校验重复性和有效性?
删除是否需要提醒?是否具有权限删除?
修改可修改的数据项有哪些?修改后是否要进行校验有效性和重复项?是否有修改的权限?
查询是精准查询还是模糊查询?是单一查询还是支持批量查询?批量查询输入方式的讲究?查询的内容输入什么是否支持大小写空格等?数据区间的查询是自定义还是给出范围划分?

下面以互联网电商为例，详述主要分析的指标。

电商类公司的收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。因此可以将收入相关的数据拆解为三大类：用户、商品和订单。

数据分析包括4个模块：运营模块、销售模块、商品模块、用户模块。

一、运营模块

针对新用户的分析指标主要有引流（拉新）和转化，老用户包括活跃、留存、复购、流失。接下来按照用户消费流程逐个分析。

（1）引流

通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量的优劣。目的是保证流量的稳定性，并通过调整，尝试提高流量。

进一步按照流量结构可细分渠道结构、业务结构、地区结构。

在渠道中，流量可来自于自主访问、搜索引擎、各平台付费等等。按设备可分为PC渠道和APP渠道；按照付费与否可分为免费流量和付费流量。可以通过渠道流量占比来分析各渠道的质量。可以针对各渠道的流量情况进行追踪（饼状图和柱状图），分析占比不合理是短期内出现的，还是长期存在的，辅助问题的分析。仅仅根据流量情况来衡量质量是不全面的，需要配合转化率和ROI（Return On Investment 投资回报率）。

按地区划分，这个很好理解。

按照业务结构，最典型的比如举办一场活动，例如对双十一活动的流量追踪。可观察活动前、活动中、活动后的变化情况，评估活动效果。

（2）转化

完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面->注册成为用户->登陆->添加购物车->下单->付款->完成交易。每一个环节中都会有用户流失，提高各个环节的转化率是这一块工作的核心，转化率的提升，意味着更低的成本，更高的利润。

转化的分析：

1.观察各环节转化率，分析其合理性，针对转化率异常环节进行调整

2.追踪转化率变化，用于异常定位和策略调整效果验证

3.观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略

4.分析各环节转化周期，分析用户习惯，为制定运营策略提供依据

最直接的分析成果就是转化漏斗。

（3）留存

通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。关于留存，这里要关注的就是日活和留存率。

留存的分析：

1.日活监控，观察用户活跃数据，分析日活健康度

2.观察存留规律，定位存留阶段，辅助市场活动、市场策略定位等

3.对比不同用户、产品功能的存留情况，分析产品价值、辅助产品调整

复购

用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数

订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数

复购的分析：

1.综合指标展示，分析用户黏性，辅助发现复购率问题，制定运营策略。

2.横向维度(商品、用户、渠道)对比分析，细化复购率，辅助问题定位。

流失

流失可以分为

刚性流失：可以进一步分为新用户水土不服型和老用户兴趣转移型，这部分流失用户是无法挽留的，缘尽于此，花再多的钱也没什么用。
体验流失：可能是应用体验、服务体验、交易体验、商品体验等等，就是在使用产品\服务的过程中，客户感到不满意导致流失。
竞争流失：也就是用户已经转粉了，但因为竞争对手的体验更好，或者竞争对手推出了什么优惠的政策导致的流失。这就需要我们抓住行业的动态，针对竞争对手的抢粉行为做出相应的行动。

关于流失的定义，各公司定义不同，可能是7天内没有登陆行为，也可以是几个月之内没有交易行为。（回流率＝时间周期内流失的再回访的人数/时间周期内流失的人数）

流失的常规数据监控，一般都是和存留一起的，本身两者也是分不开的。

二、销售模块

1、指标跟踪：销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等，可以从人、货、场三个视角进行分析跟踪。

2、店铺分析：具有小b级用户，或者入驻平台式，需要针对各店铺经营指标进行分析，包括各店铺效率指标、完成率指标、业绩指标、客单价等，实现店铺价值评定分析。

3、销售活动管理：线上销售中，活动是非常重要的一块，从事前、事中、事后三个层面实现销售活动的闭环分析，其中包括事前投入分析、目标预测；事中用户参与度、客流分析、销售单分析；事后目标完成情况、活动对比、费销比、活动衰减度、活动爆发度等。

三、商品模块

1、采购管理：包括供应商数据分析、采购匹配度分析等。

2、供应链环节管理：供应链服务情况分析（响应周期、交货及时率、订单执行率）、管理指标分析（物资成本占比、客户投诉率等）。

3、库存管理：商品库存天数、存销比、有效库存比、库存周转率等数据分析。

4、重要指标分析：分析包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、、畅滞销等分析指标，评判商品价值，辅助调整商品策略。

5、异常商品分析：包括对退货率、残损率、异常商品等数据进行分析，发现异常商品，及时处理。

四、用户模块

1、重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。

2、用户价值分析：根据rfm模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。

3、用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。

本文参考：

http://www.itongji.cn/detail?type=99991408

http://www.itongji.cn/detail?type=99991425

互联网数据分析--指标和维度相关推荐

互联网金融数据分析指标【汇总】
互联网金融是指借助于互联网技术.移动通信技术实现资金融通.支付和信息中介等业务的新兴金融模式,既不同于商业银行间接融资,也不同于资本市场直接融资的融资模式.互联网金融包括三种基本的企业组织形式:网络小 ...
delhpi7 tcombobox清楚重复项_数据分析必须想清楚的两个概念：指标和维度
指标与维度是数据分析中最常用到的术语,它们是非常基础的,但是又很重要,经常有朋友没有搞清楚它们之间的关系,只有掌握理解了,我们的数据分析工作开展就就容易多了.现在就来说说指标与维度的那些事. 1.指标 ...
退出页面数据保留_设计师常用的数据分析指标
原文地址:Viksea的设计思考(公众号) 作者:Viksea 随着互联网由人口红利的1.0时代转向精益发展的2.0时代,各个互联网公司除了正常的拉新之外,会将更多的精力投入到针对已有用户的精细化深度 ...
互联网数据分析的思路（一）
互联网数据分析的思路(一) 首先,明确数据分析的目的. 因为数据是在产品上线后收集到的,所以便于得到后续一系列全面合理的数据,必须需提前做好数据的规划,明确每一个数据所能产生的价值. 不同的分析目的 ...
电商平台大数据分析指标
一.五大关键数据分析指标 1.1活跃用户量活跃用户量是一个基本的指标,有 DAU(日活跃用户).WAU(周活跃用户)和 MAU(月活跃用户)三个层次: 1.2转化转化是一个非常重要的指标,电商运营 ...
一文细数100+个数据分析指标
一文细数100+个数据分析指标一.用户数据指标 IP(Internet Protocol) UV(Unique Visitor) PV(Page View) VV(Visit View) DAU(D ...
数据分析指标和术语概述
数据分析指标和术语概述 01 绝对数和相对数 02 百分比和百分点 03 频数和频率 04 比例与比率 05 倍数和番数 06 同比和环比 07 变量 08 连续变量 09 离散变量 10 定性变量 ...
数据分析师对标签、指标、维度、字段等的思考（指标体系标签体系（转自知乎）
原文数据分析师对标签.指标.维度.字段等的思考(指标体系标签体系) - 知乎 1.前言作为数据分析师工作中经常会接触要标签,指标,字段,维度,属性等,但它们之间有什么区别,怎么定义,相互之间有什么关 ...
数据分析指标名词解释
数据分析指标名词解释名词解释维度指人们分析事物的角度.比如,分析活跃用户,可以从时间的维度,也可以从地域的维度去看,也可以时间.地域两个维度组合去分析. 有层次关系的维度,就可以根据分析需求改变 ...
求职互联网数据分析，如何准备行业知识？
本文转自知乎作者:邹昕 ----------------------------------------------------- 这篇我在新开的公众号发过,看过的可以直接右上角点叉或者左下角直接点 ...

互联网数据分析--指标和维度

互联网数据分析--指标和维度相关推荐

最新文章

热门文章