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 ...
最新文章
- 《Adobe InDesign CS6中文版经典教程》—第2课2.1节概述
- 算力“竞速”,企业AI落地的当务之急
- ASP.NET DEMO 12 : CheckBoxList 实现单选
- docker进阶篇(一) ---- Volume(数据卷)
- Jupyter notebook入门教程(上)
- NetBeans 6.9 发布后选版 1 已经可用
- Android字符串资源及其格式化
- 微信邮箱号怎么申请注册?如何注册微信邮箱账号?微信邮箱提醒设置注册教程~
- 北大核心期刊目录2021年 计算机类
- 远程桌面服务器打开任务管理器并运行Windows资源管理器
- java学习笔记 java编程思想 第5章 初始化与清理
- html特效代码 枫叶,经典FLASH特效代码
- html多行合并,Js表格多行合并实现,可对多个列进行处理
- 忧伤的步调,伤感的歌曲,爱情路只是我一个人de仰望
- 使用html和js制作饼图,使用js画图之饼图
- csdn博客文章设置为隐私模式发布之后看不到的问题
- 短语(直接短语、句柄)以及语法树
- vsc 好用的插件
- 吉大软件专硕971-2010
- darknet预测分类性能提升2.2:GPU加速resize_image()
热门文章
- linux重装声卡驱动,linux声卡驱动重装
- Echarts 柱状图上方显示数值
- δ星 丨 读书笔记 notes-凭什么《只放一只羊》:干掉沃尔玛10个亿并将其逼出德国的“平民超市”品牌阿尔迪...
- SLAM 中evo的使用(二) (evaluation of odometry) evo_traj/ape rpe/evo_ape说明与示例
- android ui 开发界面量具 尺子,android尺子的自定义view——RulerView详解
- Git 初接触 (四) Git的分支操作
- ftp下载工具,6款能够满足所有需求的ftp下载工具
- Edge在IE模式下加载网页 - Edge设置IE兼容性
- CSS3动画入门 CSS动画如何使用(举例说明)
- iOS关于应用出现未验证应用的解决方法