一、常见数据指标
1、产品基础指标：评价产品本身的运行状态；
- DAU/MAU 日/月活跃用户数量；
- DNU（Daily New User）：日新增用户数；
- PV：页面访问次数；
- UV：独立访客数（去重）
2、流量质量指标：评价用户流量的质量高低；
- 跳出率：只访问了入口就离开的访问量与产品的总访问量的百分比；
- 平均访问时长：指用户在一次访问中，平均使用产品的时间；
- 平均访问页数：平均访问页数=浏览量（PV）/访问次数；
3、产品营收指标：评价产品的盈利能力与可持续性；
- GMV（Gross Merchandise Volume）：成交总额；
- ARPU（Average Revenue Per User）：每位用户的贡献价值；
- 转化率：=转化次数/访问次数；
4、用户存量数据
- DAU/MAU
- 活跃用户（业务上的定义，用户执行了关键事件，这个用户是活跃的）
- 登录用户数
5、用户增量数据
- DNU：新增用户数
- 渠道相关
6、用户留存
- 次日留存
- 七日内留存：第二天~第七天去重/下载首次激活日人数
- 七日日留存：第七天人数/下载首次激活日人数
- 月留存
7、行为数据指标
- PV/VV：页面/视频浏览数
- 转化率
- 时长
- 跳出率
8、业务数据指标
- GMV
- 人均ARPU
- 付费人数
9、广告数据指标
- CPM（Mille）：每千人分别听到/看到某广告一次需要的广告成本.按照曝光扣费。
- CPC（Click）：每次点击付费广告,按照点击扣费.
- CPA（Action）：按照行为作为指标计费。按照广告投放实际效果计费。这里的行为不是固定，通常可以指问卷、表单、咨询、电话、注册、下载、加入购物车、下单等用户实际行动，这个一般在投放广告前可与媒体或者代理商约定好，只有在用户发生约定好的行动时，才会收取广告费用。
- CPS（Sale）：以实际销售产品数量来换算广告刊登金额人均ARPU。以实际销售产品数量来计算广告费用的广告。
二、如何搭建数据监测体系？
埋点太多会造成后台压力比较大。
1、数据埋点：对用户行为的每一个事件对应的位置进行开发埋点，并通过SDK上报埋点的数据结果，记录数据汇总后进行分析，推动产品优化或指导运营。
2、流量质量指标：评价用户流量的质量高低；常见的埋点行为
- 点击事件
- 曝光事件：成功打开/刷新/加载下一页新页面等均计入。
- 页面停留时间事件
3、埋点规范
- 事件-页面-具体位置
4、如何搭建数据指标体系
- 找到关键业务路径
- 大事化小，层层拆解
- 小事到人，有具体行为可以监测
5、提埋点需求
- 用数据逻辑的语言，准确描述
- 提前沟通开发，后台有哪些数据？
- 时间范围、数值范围、逻辑范围
- 数据、计数、加和、平均
三、数据分析的监测方式
1、产品基础指标：评价产品本身的运行状态；问题监测
- 每天紧盯数据，及时发现问题
2、新功能上线
- 以终为始，新功能的目标？解决什么问题？提高什么数据？
- 不能影响已有功能
3、数据优化
- 发现问题，优化当前功能，继续观察数据变化
四、通过数据分析提升产品
1、数据分析的基本思路
- 挖掘业务
- 制定计划
- 拆分数据
- 提炼洞察
- 产出决策
五、AHA moment
找到用户爱上你的那一刻，然后把那一刻复制成规模
例如：
- facebook：新用户有6个好友留存率大幅提高；
- Twitter：用户之间互相关注的，留存大幅提高；
- Zynga（社交游戏）:用户次日留存比较高后面继续留存率更高；
- Dropbox（国外网盘）:用户上传一个文件后，留存率大幅提高；
从数据层面如何寻找AHA moment?
1、寻找差异（列出关键指标）
| 用户 | 次日留存率 | 注册率 | 首次使用时长 | 首次观看视频个数 | 观看短视频个数 | 推荐内容点击率 |
|---|---|---|---|---|---|---|
| 留存 | 62% | 12% | 15min | 3.1 | 7.3 | 7% |
| 流失 | 51%% | 5% | 7min | 2.5 | 2.1 | 2.1% |
2、寻找最大差异
3、从均值看是否充分必要
4、收敛条件
5、验证
- 通过A/Btest验证是否提高了这些数据就能达到效果
- 防止有些数据不是原因而是结果