互联网产品有哪些数据分析指标
本文主要解决数据分析师在构建指标体系时无从下手,除了网上常见的DAU,UV、PV、ROI、转化率、留存率等,其实还有很多值得我们去关注。这次咱不搞虚的,暂时抛开方法论,直接上干货。下面以某APP为例子,详细讲解所有相关指标。
⼀个APP在构建指标体系时,所需数据指标可以从六个维度来看:用户规模与质量、参与度分析、 渠道分析、功能分析、用户属性分析和收⼊分析。
1. 用户规模和质量
这是最重要的维度,相对应的指标也比较多,包括活跃用户指标、新增用户指标、用户构成指标、用户留存率指标和用户活跃天数指标。
1.1 活跃用户指标
活跃用户:指在统计周期内启动过APP的用户数量。如果要通过一个指标衡量一款APP是否成功,那一定是活跃用户数,通常一般是DAU。同样也归属为北极星指标。
其中,根据不同的统计周期可以分为:日活(DAU)、周活(WAU)、月活(MAU)。
1.2 新增用户指标
新增用户指标:指安装应用后,首次启动应用的用户数量,也是一个最基础指标。按照统计时间跨度不同分为日、周、月新增用户。
作用:
主要衡量营销推广的渠道效果;拓展:
新增用户/活跃用户:用于衡量产品健康度。
如果某产品新用户占比过高,那说明该产品的活跃是靠推广得来。这种情应重点关注关注用户的留存率情况。
1.3 用户构成指标
用户构成是对周活跃用户或者月活跃用户的构成进行分析,有助于通过新老用户结构了解活跃用户健康度。以周活跃用户为例,包括以下几类用户:
本周回流用户:上周未启动过应用,但本周启动的用户;
连续活跃n周用户:连续n周,每周至少启动过一次应用的活跃用户;
忠诚用户:连续活跃5周及以上的用户;
连续活跃用户:连续活跃2周及以上的用户;
近期流失用户:连续n周(大等于1周,但小于等于4周)没有启动过应用的用户;
1.4 用户留存率指标
用户留存率:指活跃用户在下一个时间段仍有多少用户活跃的比例。
这里重点关注次日、7日、14日以及30日留存率。
- 次日留存率:第二天再次启动用户数/今天活跃用户数;
- 7日留存率:第七天再次启动用户数/今天活跃用户数;
- 其他以此类推。
1.5 用户活跃天数指标
每个用户的总活跃天数指标(TAD,Total Active Days per User)是在统计周期内,平均每个用户在应用的活跃天数。如果统计周期比较长,如统计周期一年以上,那么每个用户的总活跃天数基本可以反映用户在流失之前在APP上耗费的天数。
- 作用:反映用户质量或黏性,尤其是用户活跃度很重要的指标。
2 参与度分析
参与度分析主要是分析用户的活跃度,包括启动次数分析、使用时长分析、访问页面分析和使用时间间隔分析。
2.1 启动次数指标
启动次数:指在某一统计周期内用户启动应用的次数。
在进行数据分析时,一方面要关注启动次数的总量走势,另一方面,则需要关注人均启动次数,即同一统计周期的启动次数与活跃用户数的比值。通常人均启动次数和人均使用时长可以一起分析。
2.2 用户使用时长
使用总时长:指在某一统计统计周期内所有从APP启动到结束使用的总计时长。该指标是衡量用户质量、产品质量的重要指标。
其中,包括人均使用时长、单次使用时长两个角度。公式如下图所示:
2.3 访问页面
访问页面数:指用户启动一次所访问的页面数。我们通常要分析访问页面数分布,即统计一定周期内(如1天、7天或30天)该应用的访问页面数的活跃用户数分布,如访问1-2页的活跃用户数、3-5页的活跃用户数、6-9页的活跃用户数…
同时,我们可以通过不同统计周期(但统计跨度相同,一般是7天),统计访问页面的分布差异,以便于发现用户体验的问题。
2.4 使用时间间隔
使用时间间隔:指同一用户相邻两次启动的时间间隔。比如一个月内,针对该应用的活跃用户进行使用时间间隔的分布统计,常见使用时间间隔为1天内、1天、2天……
同时,我们可以通过统计不同周期(但统计跨度相同,如都为30天)的使用时间间隔的分布差异,以便于发现用户体验的问题。
3. 渠道分析
主要分析各渠道在相同的投入情况下,用户数量的变化和趋势,以科学评估渠道质量,优化渠道推广策略。
渠道分析包括新增用户、活跃用户、启动次数、单次使用时长和留存率等上述提到过的指标。目前,APP的推广渠道主要为Androd和iOS。
3.1 安卓渠道:
- 第三方应用市场,如华为、小米、91助手等;
- 广告联盟,如网盟、友盟等;
- 厂商预装,像华为、小米、vivo等;
- 水货刷机,如刷机精灵等;
- 社会化推广,如在社群做分享,在社区形成二次甚至多次传播,也可以纳入该推广范畴。
对于安卓来说,用户来源就分以上几种,每一种可以分别去定义重点指标。不同类型的推广方式,可从不同的维度进行分析。
比如说像第三方应用市场,很多用户都是通过这个渠道来下载APP,所以这方面的数据更多的是看活跃和留存;像广告联盟这种,是通过积分墙来分析,更多的是用户完成任务的形式,可以通过量级来考量渠道。
3.2 iOS渠道:
iOS的渠道主要是AppStore,原则上我们所有的数据和激活都是通过这个渠道来获取,但是在实际推广的过程中,我们更多的是想分析用户是通过什么渠道跳转到AppStore上进行下载,激活产品。
这需要我们直接和技术做最底层的对接——API接口对接。具体的分析方法与安卓是类似的,主要是分析活跃和留存数据。
当然,以上提到的只是渠道质量评估,属于初级维度,如果还需要进一步研究渠道,尤其是研究到渠道防作弊层面,指标还需要更多。
包括:判断用户使用行为是否正常的指标,如关键操作活跃量占总活跃的占比,用户激活APP的时间是否正常;判断用户设备是否真实,如机型、操作系统等集中度的分析。
4. 功能分析
功能分析主要分析功能活跃情况、页面访问路径以及转化率。
4.1 功能活跃指标
主要关注某功能的活跃人数、新增用户数、用户构成、用户留存。这些指标的定义与前文提到的“用户规模与质量”的指标类似。只是,本部分只关注某一功能模块,而不是APP整体。比如网易新闻APP某个频道的功能活跃指标。
4.2 页面访问路径分析
主要是用户从打开应用到离开应用整个过程,统计其每一步的页面访问和跳转情况。该目的是促进达成App的商业目标,即引导用户更高效地完成App的不同模块任务,最终促进用户付费。
- APP页面访问路径分析需要考虑三方面的用户问题:
① 身份:用户可能是你的会员或者潜在会员,也有可能是你的同行或者竞争对手等;
② 目标:不同用户使用APP的目的有所不同;
③ 访问路径:即使身份类似、使用目的类似,但访问路径也很可能不同。因此,我们在做APP页面访问路径分析的时候,需要对APP用户做细分,然后再进行APP页面访问路径分析。
最常用的细分方法是:按照APP的使用目的来进行用户分类。如汽车APP的用户便可以细分为关注型、意向型、购买型用户,并对每类用户进行不同访问任务的路径分析,比如意向型的用户,他进行不同车型的比较都有哪些路径,存在什么问题;
还有一种方法是利用算法,基于用户所有访问路径进行聚类分析,依据访问路径的相似性对用户进行分类,再对每类用户进行分析。
4.3 转化率
转化率:指进入下一页面的人数(或页面浏览量)与当前页面的人数(或页面浏览量)的比值。
通常使用漏斗模型来,它可以分析产品中关键路径的转化率,以确定产品流程的设计、用户体验问题。比如用户从进入某电商网站—浏览商品—把商品放入购物车—支付完成,每一个环节都有很多的用户流失。
通过分析转化率,我们可以比较快定位用户使用产品的不同路径中,分析是否存在问题,并提出如何进行优化的改进意见,通常我们只需要对每天的转化率进行连续性的监控即可。
5. 用户属性和画像分析
用户属性分析主要从用户使用的设备终端、网络及运营商、地域和用户画像角度进行分析。
5.1 用户属性分析
设备终端分析的维度有机型分析、分辨率分析和操作系统分析;网络及运营商分析有用户联网方式和电信运营商;地域主要从不同省市和国家来分析。
5.2 用户画像分析
用户画像分析包括人口统计学特征分析、用户个人兴趣分析、用户商业兴趣分析。人口统计学特征包括性别、年龄、学历、收入、支出、职业、行为等;
用户个人兴趣指个人生活兴趣爱好的分析,如听音乐、看电影、健身、养宠物等;用户商业兴趣指房产、汽车、金融等消费领域的兴趣分析。用户画像这部分的数据需要进行相关的画像数据采集,才可以支撑比较详细的画像分析。
6. 收入分析
盈利是产品的最终目的,所以总收入、付费用户数、付费率、ARPU这四个指标经常用到。
总收入、付费用户数反映的是收入和付费用户的规模;付费率、ARPU代表的是用户付费质量,反映的是用户付费的广度与深度。主要关注转化漏斗最后环节的订单数量和金额。
下一篇,我们来聊聊关于欺诈行为和反欺诈的相关指标。
互联网产品有哪些数据分析指标相关推荐
- 互联网产品的运营指标
开头记:写这篇文章的时候,参考了一些文章,有的文章不让转载,不让复制,非要逼我在Chrome 浏览器打开,然后右键,显示网页源代码,然后复制粘贴,这样好玩吗?-_~ 好东西,传播出去,贴上原址,表示对 ...
- 关于移动互联网产品的指标分析初探
移动互联网产品的本质是信息与数据的传输和交换,其商业模式与数据流量息息相关(可参见 http://blog.csdn.net/wireless_com/article/details/50467071 ...
- 提升产品运营力:用户运营常用数据分析指标汇总
在运营工作中会接触到不同种类的数据指标,这些指标往往都是已经设定好的,我们需要根据指标推动业务发展.依据平台性质不同以及运营重点需要,我们最常用的数据指标首当其冲就是用户指标了. 在马云宣称的DT时代 ...
- 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 ...
- 都说产品要懂数据分析,到底要懂到什么程度?
本文适合这几类朋友 1.还没做过数据分析,希望通过数据分析提升产品分析能力 2.野生产品,接触过数据分析,但总觉得学得不系统,没有方向 3.已经在做数据分析,但是老板觉得数据分析能力还比较差 01 为 ...
- 互联网产品的灰度发布
互联网产品的灰度发布 在传统软件产品发布过程中(例如微软的Windows 7的发布过程中),一般都会经历Pre-Alpha.Alpha.Beta.Release candidate(RC).RTM.G ...
- 本周数据与上周对比应如何表达_互联网运营中的数据分析方法
在大数据分析和产品.运营优化方面,大数据分析方法是其核心,那么如何做好数据分析呢,今天我们来讲讲互联网运营中的数据分析方法. 1.细分分析 细分分析是分析的基础,单一维度下的指标数据的信息价值很低. ...
- python给用户打标签_用Python实现RFM模型——互联网产品用户分层必备技巧
1.前言 RFM模型即"R"--Recency(最近一次消费时间)."F"--Frequency(一段时间内消费频次)."M"--(一段时间 ...
- 从事互联网产品运营所需的8条技能
http://mp.weixin.qq.com/s?__biz=MjM5MzY4NzA1NQ==&mid=402022622&idx=1&sn=1573a0643c4968c0 ...
最新文章
- Apache Web服务器访问控制机制全解析
- 在什么情况下我应该使用malloc和/或new?
- 一入爬虫深似海,反爬技术你知多少?
- 如何读H.264的标准和代码
- CentOS忘记普通用户密码解决办法
- 语C、耽美、盲盒、Lolita……这些95后文化,你看懂了吗?
- Java元宵趣图_2019元宵节,猪你元宵节快乐
- ajax请求会阻塞dom,Jquery ajax 同步阻塞引起的UI线程阻塞问题_jquery
- python字符串方法总结_python字符串使用方法总结
- 善领dsa android正式版,善领dsa_善领dsa安卓版_善领dsa2016最新版p57
- 广东女子职业技术学院计算机应用技术,广东女子学院虚拟校园系统的构建与技术实现...
- Linux内核ncsi驱动源码分析(二)
- 两种求矩阵伪逆的方法
- flea-common使用之通用策略模式实现
- 3D Max合并两个.max文件
- 曾国藩不间断读书做笔记 读书十年始展拳脚
- 飞腾新8核服务器芯片,国产飞腾桌面级CPU发布:最高2.6GHz 八核只要25W
- 电压放大器的作用原理是什么
- windows系统下安装深度系统deepin
- json串与各种类型对象互转
热门文章
- 社区疫情管理系统 计算机毕业设计 网站开发 java开发
- 计算字符串长度(可同时字母和汉字,字母占一个字符,汉字占2个字符)
- 妙控2代鼠标用于Windows系统注册表修改方法
- SQL Server T-SQL数据查询
- SQL Server详细使用教程(包含启动SQL server服务、建立数据库、建表的详细操作) 非常适合初学者
- github精选-一款高颜值的Redis客户端
- Moco测试知多少?什么是moco?如何使用?
- 王峰:创业就是长征,能扛才能称王
- 2023年美赛论文写作方法——图表篇:美赛O奖中那些好看的图表是如何制作的?
- PASCAL VOC 2012数据集及其增强版介绍