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维的层次,变换分析的粒度钻取,比如分析活跃用户,从地域这个维度类型上,可以细分到省份、城市、县、乡镇的用户,也可以向上汇总。 不同维度有些是相互独立的,比如时间维度和地域维度;但有些维度是有层次关系的,比如省份维度和城市维度。
维度也可以分为定性维度和定量维度(根据数据类型划分)。数据类型为字符型即定性维度,如城市、性别等;数据类型为数值型数据的即定量维度,如收入、年龄、消费金额等,定量维度一般需要数值分组处理,比如年龄划分为20岁以下,20~29岁,30~39岁等。
注:维度一定是有可以枚举的值,比如时间这个维度类型下有日、周、月、季、年这些维度,季的维度值是:Q1、Q2、Q3、Q4。
度量
量化的数值,通常会叫做“指标”,比如活跃用户数、使用时长、打开次数是最基础的分析应用运营情况的三个指标。 除了被称为指标外,还有一些分析场景中,会用度量A和度量B经过一些计算,得到一个新的度量C,通常称之为“衍生指标”。
为了便于理解,在易观方舟中将度量统称为指标。
用户
用户即设备,在易观方舟产品中,一个独立设备被定义为一个用户。
Android系统根据IMEI、IMSI、Android_ID等生成易观ID,来标识一个独立用户,iOS系统根据IDFA、OpenUDID等生成易观ID来标识一个独立用户。
用户行为
是由用户一系列的事件组成,包含5个基本要素:何人,何时,何地,通过何种方式,发生了何种行为。
Event要素 | 要素说明 | 采集的数据 | 示例 |
---|---|---|---|
Who | 参与事件的用户 | 用户唯一ID | H522a3bd525a2af |
When | 事件发生的时间 | 自动获取 事件当时时间 | 11月11日00:02:03 |
Where | 事件发生的地理位置 | 自动获取 IP、GPS信息 | 114.242.249.113 |
How | 事件发生的方式 | 使用的环境 |
设备品牌:Apple 设备型号:iPhone 6s 操作系统:iOS 屏幕分辨率:1920*1680 运营商:中国联通 网络类型:Wifi …… |
What | 事件的内容 |
自定义采集的事件:EventID 事件属性:Key-Value |
add_to_cart product_name:耳麦 product_price:666 |
事件
记录用户触发的行为,例如 注册、登录、支付等等
事件属性
更精准的描述用户行为,例如事件发生的位置、方式和内容
属性值
属性的具体值,不同的属性,属性值不同,例如,支付方式的属性值,可以是微信支付,支付宝支付;设备品牌的属性值,可以是小米,锤子。
会话(Session)
用户从打开到关闭应用/网站,被视为一次会话。
着陆页(LandingPage)
用户进入目标网站的第一个页面。用户访问的一般过程:站内着陆页A → 后续受访页面B→ 后续受访页面……→ 站内出口页X
跳出
用户进入着陆页就离开。用户来到网站后,除了浏览LandingPage之外,没有发生其他任何操作就离开了网站,被视为跳出。
退出
当用户从某个页面离开了网站,即视为退出。
基础指标——APP
指标 | 指标定义 |
---|---|
新增用户数 | 指安装后首次启动应用的用户,卸载再安装的设备,不计入新增 |
活跃用户数 | 指启动应用的用户(去重,即1台设备打开多次会被计为1个活跃用户) |
人均使用次数 | 指平均每人启动应用的次数 |
X事件的触发用户数 | 指在应用上触发X事件的用户数 |
X事件的触发次数 | 指在应用上触发X事件的总次数 |
X事件的人均触发次数 | 指在应用上对X事件的平均触发次数,即触发次数/触发用户数 |
X事件某属性的去重数 | 指某属性的去重数 |
X事件某属性的最大值 | 指某数值型属性的最大值 |
X事件某属性的最小值 | 指某数值型属性的最小值 |
X事件某属性的均值 | 指某数值型属性的均值 |
X事件某属性的累加值 | 指某数值型属性的累加值 |
X事件某属性的人均值 | 指某数值型属性的人均值 |
各应用版本 | 指应用的版本分布 |
各设备品牌 | 指用户使用的设备品牌分布 |
各设备型号 | 指用户使用的设备型号分布 |
各操作系统 | 指用户使用的设备操作系统分布 |
各操作系统版本 | 指用户使用的设备操作系统型号分布 |
各屏幕分辨率 | 指用户使用的设备分辨率分布 |
各运营商 | 指用户使用的设备运营商分布 |
各网络类型 | 指用户使用的网络类型分布 |
各国家 | 指用户的国家分布 |
各省份 | 指用户的省份分布 |
各城市 | 指用户的城市分布 |
各城市等级 | 指用户的城市等级分布 |
用户的领域偏好TGI | 指用户使用某领域的偏好系数/该领域所有用户的平均偏好系数*100% |
用户的APP偏好TGI | 指用户使用某APP的偏好系数/该APP所有用户的平均偏好系数*100% |
新增用户留存/留存率 | 指首次启动的用户经过一段时间后,再次启动了的用户。例如选择条件:初始行为=首次启动,回访行为=启动,4月1日首次启动用户200人,这200人中4月2日仍活跃的用户有100人,4月4日仍活跃的用户有50人,4月8日仍活跃的用户有20人,则第1日留存用户为100,第3日留存用户为50,第7日留存用户为20 |
活跃用户留存/留存率 | 指启动的用户经过一段时间后,再次启动了的用户 |
自定义留存/留存率 | 指发生初始行为的用户经过一段时间后,发生了回访行为的用户。例如选择条件:初始行为=点击购买,回访行为=点击购买,4月1日发生购买的用户200人,这200人中4月2日再次购买的用户有100人,4月4日再次购买的用户有50人,则第1日自定义留存用户为100,第3日留存用户为50 |
N日/周/月留存概况 | 指各日/周/月的留存率加权平均,衡量选定日期内总体的留存情况 |
各步骤转化用户数 | 指在一定的窗口期内有序触发了自定义行为事件的用户 |
各步骤转化率 | 第n步转化率=第n+1步骤转化用户数/第n步转化用户数 |
总体转化率 | 总体转化率=最后1步骤转化用户数/第1步用户数 |
各步骤流失用户数 | 指在一定的窗口期内触发了上一步事件但下一步事件未有序触发的用户 |
各步骤流失率 | 第n步流失率=(第n步转化用户数-第n+1步骤转化用户数)/第n步转化用户数 |
基础指标——H5/Web
指标 | 指标定义 |
---|---|
浏览量(PV) | PageView,指用户浏览某个页面或某个页面组的总次数。 |
访问用户数(UV) | Unique Visitor, 访问用户的去重数。以根据cookie生成的ID为判断标准。 |
访问次数 | 用户访问网站的总次数,即Session数。 |
人均访问次数 | 人均访问次数=Session数/UV |
人均浏览量 | 人均浏览量=PV/UV |
人均访问时长 | 人均访问时长=Session时长之和/UV |
单次访问浏览量 | 单次访问浏览量=PV/Session数 |
单次访问时长 | 单次访问时长=Session时长之和/Session数 |
单次访问深度 | 单次访问深度=Session事件之和/Session数 |
跳出率 | 跳出率=访问了一个页面的Session数/总的Session数。用户进入着陆页就离开。用户来到网站后,除了浏览LandingPage之外,没有发生其他任何操作就离开了网站,被视为跳出。用来衡量landingpage的质量。 |
退出率 | x页面退出率=从x页面离开网站的次数/该页面浏览总次数。当用户从某个页面离开了网站,即视为退出。退出率只能用来分析特定流程中的某些页面能不能满足用户的需求的问题。 |
X事件的触发用户数 | 指在网站上触发X事件的用户数 |
X事件的触发次数 | 指在网站上触发X事件的总次数 |
X事件的人均触发次数 | 指在网站上对X事件的平均触发次数,即触发次数/触发用户数 |
X事件某属性的去重数 | 指某属性的去重数 |
X事件某属性的最大值 | 指某数值型属性的最大值 |
X事件某属性的最小值 | 指某数值型属性的最小值 |
X事件某属性的均值 | 指某数值型属性的均值 |
X事件某属性的累加值 | 指某数值型属性的累加值 |
X事件某属性的人均值 | 指某数值型属性的人均值 |
各设备类型 | 指用户使用的设备类型分布 |
各设备品牌 | 指用户使用的设备品牌分布 |
各设备型号 | 指用户使用的设备型号分布 |
各操作系统 | 指用户使用的设备操作系统分布 |
各操作系统版本 | 指用户使用的设备操作系统型号分布 |
各浏览器 | 指用户使用的设备浏览器分布 |
各浏览器版本 | 指用户使用的设备浏览器版本分布 |
各屏幕分辨率 | 指用户使用的设备分辨率分布 |
各运营商 | 指用户使用的设备运营商分布 |
各国家 | 指用户的国家分布 |
各省份 | 指用户的省份分布 |
各城市 | 指用户的城市分布 |
各城市等级 | 指用户的城市等级分布 |
各步骤转化用户数 | 指在一定的窗口期内有序触发了自定义行为事件的用户 |
各步骤转化率 | 第n步转化率=第n+1步骤转化用户数/第n步转化用户数 |
总体转化率 | 总体转化率=最后1步骤转化用户数/第1步用户数 |
各步骤流失用户数 | 指在一定的窗口期内触发了上一步事件但下一步事件未有序触发的用户 |
各步骤流失率 | 第n步流失率=(第n步转化用户数-第n+1步骤转化用户数)/第n步转化用户数 |
新增用户留存/留存率 | 指首次启动的用户经过一段时间后,再次启动了的用户。例如选择条件:初始行为=首次启动,回访行为=启动,4月1日首次启动用户200人,这200人中4月2日仍活跃的用户有100人,4月4日仍活跃的用户有50人,4月8日仍活跃的用户有20人,则第1日留存用户为100,第3日留存用户为50,第7日留存用户为20 |
活跃用户留存/留存率 | 指启动的用户经过一段时间后,再次启动了的用户 |
自定义留存/留存率 | 指发生初始行为的用户经过一段时间后,发生了回访行为的用户。例如选择条件:初始行为=点击购买,回访行为=点击购买,4月1日发生购买的用户200人,这200人中4月2日再次购买的用户有100人,4月4日再次购买的用户有50人,则第1日自定义留存用户为100,第3日留存用户为50 |
N日/周/月留存概况 | 指各日/周/月的留存率加权平均,衡量选定日期内总体的留存情况 |
基础指标——微信小程序
指标 | 指标定义 |
---|---|
浏览量(PV) | PageView,指用户浏览某个页面或某个页面组的总次数。 |
访问用户数(UV) | Unique Visitor, 访问用户的去重数。以根据cookie生成的ID为判断标准。 |
访问次数 | 用户访问小程序的总次数,即Session数。(session是指用户打开小程序至关闭,一次打开到关闭记为1次session)。 |
人均访问次数 | 人均访问次数=Session数/UV |
人均浏览量 | 人均浏览量=PV/UV |
访问时长 | 用户访问小程序所有页面停留的总时长 |
人均访问时长 | 人均访问时长=Session时长之和/UV |
单次访问浏览量 | 单次访问浏览量=PV/Session数 |
单次访问时长 | 单次访问时长=Session时长之和/Session数 |
单次访问深度 | 单次访问深度=Session事件之和/Session数 |
跳出率 | 跳出率=访问了一个页面的Session数/总的Session数。用户进入着陆页就离开,即用户来到小程序后,除了浏览LandingPage之外,没有发生其他任何操作就离开了小程序,被视为跳出。用来衡量landingpage的质量。 |
退出率 | x页面退出率=从x页面离开网站的次数/该页面浏览总次数。当用户从某个页面离开了网站,即视为退出。退出率只能用来分析特定流程中的某些页面能不能满足用户的需求的问题。 |
X事件的触发用户数 | 指在小程序上触发X事件的用户数。(事件:用户在小程序上的行为,比如用户在某电商小程序上查看了商品详情,则[查看商品详情]可记为事件。) |
X事件的触发次数 | 指在小程序上触发X事件的总次数 |
X事件的人均触发次数 | 指在小程序上对X事件的平均触发次数,即触发次数/触发用户数 |
X事件某属性的去重数 | 指某属性的去重数(属性去重数:在选定时间范围内,该属性出现的独立去重个数) |
X事件某属性的最大值 | 指某数值型属性的最大值(如购买事件的金额属性,在所选时间内最大购买金额为10000元,则金额属性最大值为10000) |
X事件某属性的最小值 | 指某数值型属性的最小值(如购买事件的金额属性,在所选时间内最小购买金额为10元,则金额属性最大值为10) |
X事件某属性的均值 | 指某数值型属性的均值 |
X事件某属性的累加值 | 指某数值型属性的累加值 |
X事件某属性的人均值 | 指某数值型属性的人均值 |
各设备类型 | 指用户使用的设备类型分布(设备类型如:智能手机、平板电脑等) |
各设备品牌 | 指用户使用的设备品牌分布(设备品牌如:iPhone、小米、OPPO、华为、三星等) |
各设备型号 | 指用户使用的设备型号分布(设备型号如:iPhone 6s、iPhone 7 plus、OPPO R9m、OPPO A57、华为mate9等) |
各操作系统 | 指用户使用的设备操作系统分布(设备操作系统如:Android、iOS等) |
各操作系统版本 | 指用户使用的设备操作系统版本分布(设备操作系统版本如:Android5.0.2、Android7.0、iOS10.1.1、iOS10.2等) |
各浏览器 | 指用户使用的设备浏览器分布(设备浏览器如:微信内置浏览器等) |
各浏览器版本 | 指用户使用的设备浏览器版本分布(设备浏览器版本如:微信内置浏览器6.6.0、微信内置浏览器6.6.1等) |
各屏幕分辨率 | 指用户使用的设备分辨率分布(设备分辨率如:375*667等) |
各运营商 | 指用户使用的设备运营商分布(设备运营商如:中国移动、中国联通、中国电信等) |
各国家 | 指用户的国家分布(国家如:中国、印度尼西亚等) |
各省份 | 指用户的省份分布(省份如:浙江、湖南等) |
各城市 | 指用户的城市分布(城市如:北京、杭州、上海、长沙等) |
各城市等级 | 指用户的城市等级分布(城市等级如超一线城市、一线城市、二线城市、三线城市等) |
各步骤转化用户数 | 指在一定的窗口期内有序触发了自定义行为事件的用户 |
各步骤转化率 | 第n步转化率=第n+1步骤转化用户数/第n步转化用户数 |
总体转化率 | 总体转化率=最后1步骤转化用户数/第1步用户数 |
各步骤流失用户数 | 指在一定的窗口期内触发了上一步事件但下一步事件未有序触发的用户 |
各步骤流失率 | 第n步流失率=(第n步转化用户数-第n+1步骤转化用户数)/第n步转化用户数 |
新增用户留存/留存率 | 指首次启动的用户经过一段时间后,再次启动了的用户(如果计算日留存,就是一日内启动过;如果计算月留存,就是一月内启动过)。例如选择条件:初始行为=首次启动,回访行为=启动,4月1日首次启动用户200人,这200人中4月2日仍活跃的用户有100人,4月4日仍活跃的用户有50人,4月8日仍活跃的用户有20人,则第1日留存用户为100,第3日留存用户为50,第7日留存用户为20。 |
活跃用户留存/留存率 | 指启动的用户经过一段时间后,再次启动了的用户 |
自定义留存/留存率 | 指发生初始行为的用户经过一段时间后,发生了回访行为的用户。例如选择条件:初始行为=点击购买,回访行为=点击购买,4月1日发生购买的用户200人,这200人中4月2日再次购买的用户有100人,4月4日再次购买的用户有50人,则第1日自定义留存用户为100,第3日留存用户为50 |
N日/周/月留存概况 | 指各日/周/月的留存率加权平均,衡量选定日期内总体的留存情况 |
摘自:易观方舟
数据分析指标名词解释相关推荐
- ARPU ARPPU LTV 手游收入指标名词解释
在阅读一些游戏数据分析类文章,或者产业类资讯时,你也许常见到这些词--ARPU.ARPPU.LTV等等.这些字母缩写都代表什么意思?它们和手游收入又有何相关?为什么无论游戏的开发商还是运营发行,都很关 ...
- 【转载】ARPU ARPPU傻傻分不清楚?手游收入指标名词解释
原文:http://m.shouji.tgbus.com/view/167479/ 导读:在阅读一些游戏数据分析类文章,或者产业类资讯时,你也许常见到这些词--ARPU.ARPPU.LTV等等.这些字 ...
- 神策数据分析之一-名词解释
行为分析常用名词 来源 维度 Dimensions 维度描述得是一个事物身上所具备的特征或属性.比如一个人属于什么性别,生活在哪个城市,喜欢什么颜色,这些都是这个人身上所具备的属性特征. 而在网站分析 ...
- 川大667真题数据分析 | 利用Python和SPASS分析名词解释
文章目录 名词解释结论 相关图表参考 名词解释结论 利用Python和SPASS对2009年-2020年真题(其中2018年到2019年的数据来源为学姐学长回忆版本)进行真题数据分析.希望能够对各位的 ...
- 数据分析方法及名词解释总结_(面试)
真知1. 数据分析--分析方法总结_Jack_2085的博客-CSDN博客3.aarrr模型分析方法.4.多维度拆解分析方法.11.PEST分析方法.2.5W2H分析方法.5.假设检验分析方法.10. ...
- 不看我真的会很伤心【压测工具:提升系统性能的利器】,查看TPS,计算TPS,计算压测指标、压测名词解释、教大家如何压测
目录 前言 一.压测是什么? 二.为什么要压测? 三. 压测名词解释 1.压测类型解释 2.压测名词解释 3.机器性能指标解释 4.访问指标解释 四.如何计算压测指标 五.常见的压测工具 1.JMet ...
- 地理信息系统专业考研 GIS专业考研 名词解释大全[转]
转载:http://www.cnblogs.com/sunliming/archive/2010/05/28/1746047.html 地理信息系统专业考研 GIS专业考研 名词解释大全 1. ...
- 网站流量统计名词解释
网站流量统计名词解释 访问者 访问者这一概念的设计是为了尽量真实地确定访问网站的不同个人的实际人数.当 然,从网站方面讲,无法了解是否有两个人共享一台计算机,访问跟踪系统用IP+Cookie保持对不同 ...
- 地理信息系统专业考研 GIS专业考研 名词解释大全
地理信息系统专业考研 GIS专业考研 名词解释大全(自己考研时候搜集的..晒出来) 1. 地理信息系统(南大95.南大96.南大03.中科院03.中科院04.华东师00.中南03.浙大99)GI ...
最新文章
- JSON 数据格式解析(转)
- 《LeetCode力扣练习》第9题 C语言版 (做出来就行,别问我效率。。。。)
- 浅谈电量传感器在数据中心的UPS电源中的应用
- 二值mask图像 + RGB原图 生成可视化分割结果; 从二值mask获取分割轮廓点
- ICCV 2019 | 基于无标签单目视频序列的单帧三维人体姿态估计算法
- 解决嵌入式开发过程中开发板与虚拟机的网络通信问题
- grenndao 插入表数据报错
- 测试开发python面试_python测试开发面试之深浅拷贝
- 观点:我们为什么需要威胁情报?
- 简易 Vue 构建--篇三
- Posix线程编程指南(2)
- Activiti6记录
- 【钉钉-场景化能力包】家校沟通
- 年度Sweb绩效考评表
- 中国大学mooc中JAVA的答案_中国大学mooc2020Java程序设计题目答案
- 第二层、三层、四层交换机原理
- (R语言)从文件中读取数据
- (排序5)快速排序(Hoare,选key的随机数与三数取中优化,挖坑法与前后指针法等)
- 【转】PIC单片机的配置字总结
- 微信小程序实现微信登录以及获取用户手机号
热门文章
- window10 戴尔电脑浏览照片、视频缩小放大操作,浏览网页等出现屏闪,但显示桌面,其它应用正常的情况解决办法
- C盘变红怎么办?——一文手把手教你处理
- .Net Core重难点——异步编程
- 狼的故事10:看见狼王了
- 【MFC】PeekMessage() 与GetMessage() 消息函数
- GRE写作诀窍:提高运用和表达能力
- 华硕 ASUS-PRIME-B560M-A Intel Core i5-11400黑苹果efi引导文件
- 计算机适合做微课的知识点,怎样选择微课知识点和类型?
- 计算机系统的备份与还原实验报告,实验报告系统备份和恢复.doc
- sssd_be可以用来做管理和配置SSSD的压力测试吗?