如何精准定义数据指标

如何精准定义数据指标


指标可以理解为用来描述事物数量。常用的业务数据指标分为三种类型:用户数据、行为数据、产品数据。比如我们最为常见的指标:页面浏览量(PV),也就是描述页面被浏览的次数;再比如转化率,也就是描述目标被转化的次数。用一句话来将其分类就是:谁,干了什么,结果怎样。

用户数据

指的是用户的静态数据,包括性别、年龄、地区、工作等,这类数据描述了用户是谁,从哪来,主要靠基本信息填写来实现。

RU(registered users)注册用户:已完成注册的用户数,严格数据应是经过有效验证激活的注册用户数,而放大数据则可以填写提交注册信息提交完成即可。

AU(Active users)活跃用户:某一个时间段内登录或使用了某个产品的用户。

DAU(Daily Active User)日活跃用户:单日登录或使用了某个产品的用户数(需去重)。通常游戏类付费网站会采用DAU的概念。

MAU(monthly activeusers)月活跃用户:把DAU的统计周期拉长到一个月,即是MAU的数据。

DNU(Daily New Users) 每日新增用户:即当日新注册并登录的用户数。

ACU (Averageconcurrent users)平均同时在线用户数:平均同时在线用户数,通常采用 24小时内每小时同时在线的用户数总和除以 24小时。

PCU(Peakconcurrent users )最高同时在线用户:24小时内同时在线的最高用户数。如果希望数据表现较高,通常可采用一个小时内同时在线用户数最大的值;如果更严格,也可以统计某一秒钟同时在线用户数的瞬间峰值。

TS(Time Spending)用户平均在线时长:所有在线用户总时长,除以该时段内的在线用户数。

URR(Users RetentionRate)用户留存率:新增用户中,在某一周期之后仍然活跃的用户占总新增用户的比例。按不同间隔日为统计周期单位来计算的,是比较严格的;根据不同的产品使用频次特性,按以周间隔为统计单位来计算相对更合理,因为很少的产品是需要用户每日都登录使用的。

UCR(Users Churn Rate)用户流失率:与“用户留存率”相对的一组概念,指新增用户中,在某一周期之后无登录使用等活跃行为的用户。

用户流失率=(1-用户留存率)*100%计算

行为数据

用户行为类数据是最常见的大数据形式,比如电信的通话记录、网站的访问日志、应用商店的app下载记录、银行的账户信息、机顶盒的观看记录、股票的交易记录、保险业的保单信息,连锁超市会员的购物信息、交通违法信息、医疗就诊记录。

用户行为类数据的特点在于用户数量庞大,但每个用户的行为数量较小,针对用户行为的计算较为复杂,用户之间的关联计算相对较少。

PV、UV、访问深度:pv指得是页面浏览量次数,用户每一次的浏览均被记录1个PV。 UV指的是独立访问数,00:00~24:59内相同的客户端只被计算一次。

访问深度有2种算法:算法一:用户对某写关键行为的访问次数。算法二:网址的内容/概念分层几个层级以用户本次访问最深的一级计算。

转发率:转发率=转发某功能的用户数/看到该功能的用户数,可以通过用户的转发率来测试产品被传播的效果。

转化率:转化率=成交订单数/用户流量*100%。想要成交多,可以提升用户流量,或者转化率。

而提升用户流量一般都是需要付出较大的费用成本,例如广告引流(广告费)、活动引流(线下组织费用、线上社媒分享传播返利等)。流量费,就是每个用户从站外引流到站内的平均费用,现在流量竞争激烈,所以水涨船高。转化率可以判断营销效果。

产品数据

产品的数据包括了产品本身的基本信息,交易数据,采购管理数据,供应链数据,库存数据,异常商品数据,缺货商品数据等等。

数据这么多,各类数据的表达不一样,具体应该如何处理?

第1步:看整体数据,主要看整体数据有何异常,以及哪些数据的趋势较好;

第2步:看细分数据;

第3步:结合数据分析

第4步:根据数据行动;


在未来的商业分析中,必须将所有的数据结合分析思维应用起来。如果在未来有一家企业开始使用数据分析,并且通过数据分析师给出的分析真的做到业务提升,那么其他的公司在这样的竞争力下,必须也要用数据分析来提升竞争力。数据分析师就成了各大企业需要争取的人才。

发表评论

您的电子邮箱地址不会被公开。