一、为什么业务重要？

惟有理解业务，才能建立业务数据模型。

二、经典的业务分析指标

模型未动 ， 指标先行

如果你不能衡量它，你就无法增长它

例如APP进行数据分析就有如下指标进行衡量。

接前一篇文章讲的数据分析思维，可以直接产生业务分析指标。

各部门与指标之间的联系如下：

1，要确定核心指标

2，好的指标应该是比率

3，好的指标要带来显著效果

4，好的指标不应该虚荣

5，好的指标不应该复杂

具体讲解各部门存在的指标：

市场营销指标分为：

1、客户／用户生命周期

企业／产品和消费者在整个业务关系阶段的周期。 不同业务划分的阶段不同。传统营销中，分为潜在用户，兴趣用户，新客户，老/ 熟客户，流失客户。

2、用户价值

业务领域千千万万，怎么定义最有效的用户呢？用指数法，将业务最关注的几个指标一起加工。

用户贡献 = 产出量／投入量*100%

用户价值 = （贡献1+贡献2+……）

比如金融行业会以存款+贷款+信用卡+ 年费+……-风险-流失

3、RFM模型

用户生命周期中，衡量客户价值的立方体模型。利用R最近一次消费时间，M总消费金额，F消费频次，将用户划分成多个群体。

4、用户分群，营销矩阵

用户分群是市场营销中的一种常见策略，它提取用户的几个核心维度，用象限法 将其归纳和分类。

产品运营指标分为：

1、AARRR

Acquisition用户获取、Activation用户活跃、Retention用户留存、Revenue营收、Refer传播。

2、用户获取

渠道到达量：俗称曝光量。有多少人看 到了产品推广相关的线索。

渠道转化率：有多少用户因为曝光而心动Cost Per，包含CPM、CPC、CPS、 CPD、CPT等。

渠道ROI：推广营销的熟悉KPI，投资回报率，利润／投资*100%。

日应用下载量：app的下载量，这里指点击下载，不代表下载完成 。

日新增用户数：以用户注册提交资料为基准 。

获客成本：为获取一位用户需要支付的成本 。

一次会话用户数占比：指新用户下载完 App，仅打开过产品一次，且该次使用时长在2分钟以内。

3、用户活跃

日／周／月活跃用户应用下载量：活跃标准是用户用过产品，广义上，网页浏览内容算「用」，在公众号下单算 「用」，不限于打开APP。

活跃用户占比：活跃用户数在总用户数 的比例，衡量的是产品健康程度。

用户会话session次数：用户打开产品操作和使用，直到退出产品的整个周期。5 分钟内没有操作，默认会话操作结束。

用户访问时长：一次会话的持续时间。

用户平均访问次数：一段时间内的用户 平均产生会话次数。

4、用户留存

用户在某段时间内使用产品，过了一段时间后仍旧继续使用的用户。

假设产品某天新增用户1000个，第二天仍旧活跃的用户有350个，那么称次日留存率有35%，如果第七天仍旧活跃的 用户有100个，那么称七日留存率为 10%。

5、营收

付费用户数：花了钱的

付费用户数占比：每日付费用户占活跃用户数比，也可以计算总付费用户占总用户数比

ARPU：某时间段内每位用户平均收入

ARPPU：某时间段内每位付费用户平均收入，排除了未付费的

客单价：每一位用户平均贩买商品的金额。销售总额／顾客总数

LTV：用户生命周期价值，和市场营销的客户价值接近，经常用在游戏运营电商运营中。

LTV = ARPU * 1/流失率

6、传播

K因子：每一个用户能够带来几个新用户

K因子=用户数*平均邀请人数*邀请转化 率

用户分享率：某功能／页面中，分享用户数占浏览页面人数之比。

活劢／邀请曝光量：线上传播活动中， 该页面被人浏览的次数。一般代指微信朋友圈。

用户行为指标分为：

用户行为的数据分析是一个很广泛的课题，不同业务领域背景的用户行为分析不一样。 这里简单概括说几个分法。

1、功能使用

功能使用率／渗透率：使用某功能的用 户占总活跃数之比。

比如点赞、评论、收藏、关注、搜索、添加好友，均可以算做功能使用。这些 指标在特定业务中均有作用。

2、用户会话

会话session：也叫做session，是用户在一次访问过程中，从开始到结束的整 个过程。在网页端，30分钟内没有操作， 默认会话操作结束。

3、用户路径

路径图：用户在一次会话的过程中，其访问产品内部的浏览轨迹。通过此，可以加工出关键路径转化率。

电子商务指标分为：

1、购物车分析

笔单价：用户每次贩买支付的金额，即每笔订单的支出。和客单价对应。

件单价：商品的平均价格。

成交率：支付成功的用户在总的客流量中的占比。

购物车系数：平均每笔订单中，卖出了多少商品。贩物车系数是多多益善，它也和商品关联规则有关系。

2、好基友：复购率和回购率

复贩率是一段时间内多次消费的用户占 总消费用户数之比。例如4月有1000 位用户消费，其中500位消费了两次以 上，则复购率是50%。 回购率是一段时间内消费过的用户，在下一段时间内仍旧消费的占比。例如4月的消费用户数1000，其中600位在5月 继续消费，则回购率为60%。

流量指标分为：

1、浏览量和访客量

PV：浏览次数。互联网早起的统计指标， 用户在网页的一次访问请求可以看作一个PV，用户看了十个网页，则PV为10。

UV：是一定时间内访问网页的人数，正 式名称独立访客数。在同一天内，不管 用户访问了多少网页，他都只算一个独立访客。 技术上，UV会通过cookie或IP衡量。

2、访客行为

新老访客占比：衡量网站的生命力

访客时间：衡量内容质量不是看内容的 UV，而是看内容的访问时间。

访客平均访问页数：衡量网站对访客的吸引力，是访问的深度。

来源：访客从哪里来，技术上，通过来源网站的参数提取，可以区分SEM， SEO或者外链等。

用户行为转化率：用户在网站上进行了相应操作的用户在总访客数上的占比。

首页访客占比：只看了首页的用户，在总访客数上的占比。

3、退出率和跳出率

退出率：从该页退出的页面访问数／进入该页的访问数。

跳出率：浏览单页即推出的次数／访问次数。

跳出率一般衡量各个落地页，营销页等页面。退出率则更偏产品，任何页面都有退出率

三、怎么生成指标

组合法：

访客访问时长 + UV = 重度访问用户占比浏览时间5分钟以上的用户在整个访客中占比

用户会话次数 + 成交率 = 有效消费会话占比用户在所有的会话中，其中有多少次有消费？

四、如何建立业务数据分析框架

从指标的角度出发，从业务的角度出发，从流程的角度出发

举例市场营销模型：

 

其中机客户涉及到的指标：

潜在客户转化率

机会客户转化率

新客付费转化率

不同渠道在新客中的占比

不同渠道在新客中的付费转化率

举例AAARR模型：

其中二次激活涉及到的指标：

推送激活转化率

有效推送成功率

有效推送到达率

用户打开率

不同推送的转化率

推送列表

成功推送

有效推送

用户屏蔽

用户接收成功

用户浏览到通知

用户成功打开

举例用户行为模型：

其中点赞／评论／收藏涉及到的指标：

点赞用户活跃占比

评论用户活跃占比

收藏用户活跃占比

内容指数

举例电子商务模型：

其中购物车涉及到的指标：

不同商品类别的占比（对比法）

不同价格档次的占比（象限法）

不同商品的下单支付率（漏斗法）

举例流量模型：

其中搜索引擎流量 搜索引擎优化涉及到的指标：

 

以上举例了各种产品及业务的多个数据分析框架，那么如何从0到1建立业务数据分析框架呢？分为如下几个步骤：

Step.1 练习

Step.2 熟悉业务

Step.3 应用三种核心思维

Step.4 归纳和整理出指标

Step.5 画出框架

Step.6 检查、应用、修正

Step.7 应用和迭代