營銷人需要掌握的數(shù)據(jù)分析常識

如何把工作中產(chǎn)生的問題，與我們的數(shù)據(jù)工具和可以拿得到的數(shù)據(jù)建立對應(yīng)關(guān)系。觀測數(shù)據(jù)看見趨勢異常下，挖掘數(shù)據(jù)背后的意義?；跀?shù)據(jù)分析的基礎(chǔ)的思考，最后才可以形成對營銷業(yè)務(wù)的洞察。

先來看一看常見的一些數(shù)據(jù)指標(biāo)們

1. DAU：Daily Active User 日活躍用戶量。統(tǒng)計(jì)一日（統(tǒng)計(jì)日）之內(nèi)，登陸或使用了某個產(chǎn)品的用戶數(shù)（去重）

2. WAU：Weekly Active Users 周活躍用戶量。統(tǒng)計(jì)一周（統(tǒng)計(jì)日）之內(nèi)，登陸或使用了某個產(chǎn)品的用戶數(shù)（去重）

3. MAU：Monthly Active User 月活躍用戶量。統(tǒng)計(jì)一月（統(tǒng)計(jì)日）之內(nèi)，登陸或使用了某個產(chǎn)品的用戶數(shù)（去重）

4. DNU：Day New User 日新增用戶，表示當(dāng)天的新增用戶

5. DOU：Day Old User 日老用戶。當(dāng)天登陸的老用戶，非新增用戶

6. ACU：Average Concurrent Users 平均同時在線人數(shù)

7. PCU：Peak Concurrent Users 最高同時在線人數(shù)

8. UV：Unique Visitor 唯一訪問量，即頁面被多少人訪問過

9. PV：Page View 頁面瀏覽量，即頁面被多少人看過

10. ARPU：Average Revenue Per User 平均每個活躍用戶收益。

一、數(shù)據(jù)指標(biāo)分類

大致的，我認(rèn)為可以將數(shù)據(jù)指標(biāo)分為三大類：綜合性指標(biāo)、流程性指標(biāo)、業(yè)務(wù)性指標(biāo)。

1. 綜合性指標(biāo)

綜合性指標(biāo)是能體現(xiàn)產(chǎn)品目前綜合情況的指標(biāo)。

在非交易網(wǎng)站，比如社交網(wǎng)站，數(shù)據(jù)指標(biāo)的用途偏向于了解產(chǎn)品的用戶增長或減少等情況。綜合性指標(biāo)通常有：DAU、留存數(shù)、留存率、人均使用時長、PV、UV等。

對于交易系型網(wǎng)站，那么平臺關(guān)注的綜合性指標(biāo)通常是：GMV、支付UV、人均訂單數(shù)、人均客單價等。

2. 流程性指標(biāo)

流程性指標(biāo)是指與用戶操作行為相關(guān)的指標(biāo)。

點(diǎn)擊率：有PV點(diǎn)擊率和UV點(diǎn)擊率，一般使用PV點(diǎn)擊率。

轉(zhuǎn)換率：下一步操作用戶數(shù)/上一步操作用戶數(shù)

流失率：（上一步用戶數(shù)-下一步用戶數(shù)）/上一步用戶數(shù)

完成率：完成率相對于轉(zhuǎn)化率而言，是最終的結(jié)果數(shù)值。轉(zhuǎn)化率是過程值，完成率是結(jié)果值。

3. 業(yè)務(wù)性指標(biāo)

業(yè)務(wù)性指標(biāo)是跟產(chǎn)品業(yè)務(wù)相關(guān)的指標(biāo)。例如視頻網(wǎng)站，則可能需要的業(yè)務(wù)指標(biāo)有：視頻播放數(shù)、人均觀看時長、人均播放數(shù)、播放率等。

二、數(shù)據(jù)分析與設(shè)計(jì)方法

數(shù)據(jù)分析和設(shè)計(jì)的方法有：事件分析、留存分析、漏斗分析、分步分析、對比分析和多維度拆解。

1. 事件分析

事件是追蹤或記錄的用戶行為或業(yè)務(wù)過程。事件是通過埋點(diǎn)記錄，通過SDK上傳的用戶行為或業(yè)務(wù)過程記錄。例如，一個視頻內(nèi)容產(chǎn)品可能包含的事件：①播放視頻；②暫停；③繼續(xù)播放；④分享；⑤評論。

一個事件可能包含多個事件屬性，例如，“播放視頻”事件下可能包含的屬性：①來源；②是否自動播放；③播放形態(tài)。

2. 留存分析

留存率是驗(yàn)證用戶粘性的關(guān)鍵指標(biāo)，設(shè)計(jì)師和產(chǎn)品經(jīng)理通?？梢岳昧舸媛逝c競品對標(biāo)，衡量用戶的粘性和忠誠度。通常重點(diǎn)關(guān)注次日、3日、7日、30日即可，并觀察留存率的衰減程度。留存率跟應(yīng)用的類型也有很大關(guān)系。通常來說，工具類應(yīng)用的首月留存率可能普遍比游戲類的首月留存率要高。

3. 漏斗分析

漏斗分析就是轉(zhuǎn)化率分析，是通過計(jì)算目標(biāo)流程中的起點(diǎn)，到最后完成目標(biāo)節(jié)點(diǎn)的用戶量與留存率，流量漏斗模型在產(chǎn)品中的經(jīng)典運(yùn)用是AARRR模型。

衡量每一節(jié)點(diǎn)的轉(zhuǎn)換率，通過異常數(shù)據(jù)（轉(zhuǎn)換率過低）找出異常節(jié)點(diǎn)，進(jìn)而確定各個環(huán)節(jié)的流失率，分析用戶怎么流失、為什么流失、在哪里流失。根據(jù)數(shù)據(jù)改進(jìn)產(chǎn)品，最終提升整體轉(zhuǎn)化率。

4. 用戶分群分析

用戶在某個特定條件下的用戶分組或占比。例如：注冊7天內(nèi)下單的用戶組、參與過A活動的用戶等。

5. 對比分析

將不同時段的數(shù)據(jù)進(jìn)行對比，找出差值，進(jìn)行產(chǎn)品優(yōu)化或驗(yàn)證設(shè)計(jì)。

自身產(chǎn)品對比：對比產(chǎn)品不同模塊相似場景的數(shù)據(jù)，找出問題點(diǎn)。

行業(yè)產(chǎn)品對比：與同行業(yè)產(chǎn)品進(jìn)行對比，找出優(yōu)劣勢，并持續(xù)優(yōu)化。

6. 多維度拆解

用不同的維度視角拆分分析同一類數(shù)據(jù)指標(biāo)。例如按照不同的省市地區(qū)分析、不同的用戶人群、不用的設(shè)備等。通過不同維度拆解，找到數(shù)據(jù)背后的真相。