萬字干貨總結:最全的運營數據指標解讀
業務是一個復雜體系,數據分析也從來不簡單,兩者結合都是充滿挑戰的。作者總結了一份全面的運營數據指標,希望給大家的工作帶來幫助與啟發。
運營和數據分析脫離不開關系。業務的洞悉決定了數據分析結果的上限,數據技巧只是逼近它。
每個產品和運營都應該洞察業務指標,希望通過本文,讓新人對業務指標的分析有一個大概框架。文章的內容會給你「寬」和「泛」的感覺,希望對新人有幫助,老人一笑而過就行了。
用戶獲取
用戶獲取是運營的起始,用戶獲取接近線性思維,或者說是一個固定的流程:用戶接觸-用戶認知-用戶興趣-用戶行動/下載。每一個流程都涉及多個數據指標。
渠道到達量
俗稱曝光量,即產品推廣頁中有多少用戶瀏覽。它可以在應用商店,可以在朋友圈,可以在搜索引擎,只要有流量的地方,都會有渠道曝光。
曝光量是一個蠻虛榮的數字,想一想現代人,每天要接觸多少信息?其中蘊含了多少推廣,最后能有幾個吸引到用戶?更多時候,渠道到達量和營銷推廣費掛鉤,卻和效果相差甚遠。
廣告和營銷還會考慮推廣帶來的品牌價值。用戶雖沒有點擊或和產品交互,但是用戶知道有這么一個東西,它會潛移默化地影響用戶未來的決策。然而品牌價值很難量化,在廣告計算中,系統只會將用戶的行為歸因到最近一次的廣告曝光。
廣告點擊量稱為CTR,廣告點擊量/廣告瀏覽量,除了廣告,它也應用在各類推薦系統的評價中。
渠道轉化率
既然廣告已經曝光,那么用戶應該行動起來,轉化率是應用最廣闊的指標。業界將轉化率和成本結合,衍生出CPM,CPC,CPS,CPD,CPT等。
- CPM(Cost Per Mille)指每千人成本,它按多少人看到廣告計費,傳統媒介比較傾向采用。CPM推廣效果取決于印象,用戶可能瀏覽也可能忽略,所以它適合在各類門戶或者大流量平臺采用Banner形式展現品牌性。
- CPC(Cost Per Click)指每用戶點擊成本,按點擊計價,對廣告主來說,這個比CPM的土豪作派理性多了。也有很多人會認為,CPC不公平,用戶雖然沒有點擊,但是曝光帶來了品牌隱形價值,這對廣告位供應方是損失。
- CPA(Cost Per Action)指每行動成本,按用戶行為計價,行為能是下載也能是訂單購買。CPA收益高于前兩者,風險也大得多,它對需求方有利對供應方不利。
以上三種是常見的推廣方式,CPT按時間,CPS和CPS算在CPA的范圍內。渠道推廣是依賴技術的行業,用戶畫像越精準,內容與用戶越匹配,則越容易產生收益。
還有一種指標eCPM(effective cost per mille),每一千次展示可獲得收入,這是廣告主預估自身收益的指標。
渠道ROI
ROI是一個廣泛適用的指標,即投資回報比。
市場營銷、運營活動,都是企業獲利為出發點,通過利潤/投資量化目標。利潤的計算涉及財務,很多時候用更簡單的收入作分子。當運營活動的ROI大于1,說明這個活動是成功的,能賺錢。
除了收入,ROI也能推廣到其他指標,有些產品商業模式并不清晰,賺不到錢,那么收入會用其他量化指標代替。譬如注冊用戶量,這也就是獲客成本了。
日應用下載量
App需要下載,這是一個中間態,如果不注意該環節也會流失不少用戶。應用商店的產品介紹,推廣文案都會影響。有些動輒幾百M的產品,常將部分安裝留在初次啟動應用時以補丁形式完成,如各類游戲,就是怕漫長的下載時間造成玩家流失。
第三方平臺下載到用戶注冊App,這步驟數據容易出錯,主要是用戶對不上。技術上通過唯一設備ID匹配。
日新增用戶數
新增用戶數是用戶獲取的核心指標。
新增用戶可以進一步分為自然增長和推廣增長,自然增長可以是用戶邀請,用戶搜索等帶來的用戶,而推廣是運營人員強控制下增長的用戶量。前者是一種細火慢燉的優化,后者是烹炸爆炒的營銷。
用戶獲客成本
用戶獲取必然涉及成本,而這是運營新手最容易忽略的。獲取新增用戶,運營都應該知道的事
獲客成本應該直接和新增用戶的財務掛鉤,比如地推費用,新用戶禮品。但是整個產品的運營環節成本不應該計算入內。直面上的獲客成本成本,微信粉絲在10~20元,產品根據不同業務形態價格差異極大。金融理財類的產品,一個有效用戶成本超過四位數,非??鋸?。而行業的整體獲客成本仍舊在上升。
一次會話用戶數
一次會話用戶,指新用戶下載完App,僅打開過產品一次,且該次使用時長在2分鐘以內。這類用戶,很大可能是黑產或者機器人,連羊毛黨都算不上。
這是產品推廣的灰色地帶,通過各種技術刷量,獲取虛假的點擊量謀取收益。該指標屬于風控指標,用于監管。
用戶活躍
用戶活躍是運營的核心階段,不論移動端、網頁端或者微信端,都有相關指標。另外一方面,現在數據分析也越來越注重用戶行為,這是精細化的趨勢。
日活躍用戶/月活躍用戶
行業默認的活躍標準是用戶用過產品,廣義上,網頁瀏覽內容算「用」,在公眾號下單算「用」,不限于打開APP。這一部分內容可以參考我之前的文章《用戶運營,如何做好活躍用戶的數據分析》。
活躍指標是用戶運營的基礎,可以進一步計算活躍率:某一時間段內活躍用戶在總用戶量的占比。按時間維度,則有日活躍率DAU、周活躍率WAU和月活躍率MAU?;钴S用戶數,衡量的是產品的市場體量,活躍率,看的則是產品的健康。
可僅僅打開產品,能否作為產品健康的度量?答案是否定的。成熟的運營體系,會將活躍用戶再細分出新用戶、活躍用戶、忠誠用戶、不活躍用戶、流失用戶、回流用戶等。流失用戶是長期不活躍,忠誠用戶是長期活躍,回流用戶是曾經不活躍或流失,后來又再次打開產品的活躍用戶。
通過不同的活躍狀態,將產品使用者劃分出幾個群體,不同群體構成了產品的總用戶量。健康的產品,流失用戶占比不應該過多,且新增用戶量要大于流失用戶量。
PV和UV
PV是互聯網早期Web站點時代的指標,也可以理解為網頁版活躍。PV(PageView)是頁面瀏覽量,用戶在網頁的一次訪問請求可以看作一個PV,用戶看了十個網頁,則PV為10。
UV(Unique Visitor)是一定時間內訪問網頁的人數,正式名稱獨立訪客數。在同一天內,不管用戶訪問了多少網頁,他都只算一個獨立訪客。怎么確認用戶是不是同一個人呢?技術上通過網頁緩存cookie或者IP判斷。如果這兩者改變了,則用戶算作全新的訪客。
PV和UV是很老的概念,但是數據分析繞不開他們,除了產品上各頁面的瀏覽,在第三方平臺如微信,各類營銷活動都只能通過Web頁實現,PV和UV便需要發光發熱了。
有一點需要注意的是,微信瀏覽器不會長期保留cookie,手機端的IP也一直變動,基于此統計的UV會有誤差(不是大問題,只是uv中的新訪客誤差較大)。這里可以通過微信提供的openid取代cookie作為uv基準,需要額外的技術支持。
用戶會話次數
用戶會話也叫session,是用戶在時間窗口內的所有行為集合。用戶打開App,搜索商品,瀏覽商品,下單并且支付,最后退出,整個流程算作一次會話。
會話的時間窗口沒有硬性標準,網頁端是約定俗成的30分鐘內,在30分鐘內用戶不管做什么都屬于一次會話。而超過30分鐘,不如出去吃個飯回來再操作,或者重現打開,都屬于第二次會話了。
移動端的時間窗口默認為5分鐘。
用戶會話次數和活躍用戶數結合,能夠判斷用戶的粘性。如果日活躍用戶數為100,日會話次數為120,說明大部分用戶都只訪問了產品一次,產品并沒有粘性。
用戶會話依賴埋點采集,不記錄用戶的操作,是無法得知用戶行為從哪里開始和結束的。另外一方面,用戶會話是用戶行為分析的基礎。
用戶訪問時長
顧名思義,用戶訪問時長是一次會話持續的時間。不同產品類型的訪問時長不等,社交肯定長于工具類產品,內容平臺肯定長于金融理財,如果分析師發現做內容的產品大部分用戶訪問時長只有幾十秒,那么最好分析一下原因。
功能使用率
除了關注活躍,運營和數據分析師也應該關注產品上的重要功能。如收藏,點贊,評論等,這些功能關系產品的發展以及用戶使用深度,沒有會喜歡一個每天打開產品卻不再做什么的用戶。
功能使用率也是一個很寬泛的范圍,譬如用戶瀏覽了一篇文章,那么瀏覽中有多少用戶評論了,有多少用戶點贊了,便能用點贊率和評論率這兩個指標,然后看不同文章點贊率和評論率有沒有差異,點贊率和評論率對內容運營有沒有幫助,這些都屬于功能使用率。又譬如視頻網站,核心的功能使用率就是視頻播放量和視頻播放時長。
微信公眾號指標即可以單獨說,也能把它作為產品的功能延伸看待。圖文送達率,轉化分享率,二次轉化分享率,關注者增量等和本文其他指標一脈相承。只是第三方數據多有不便,更多分析依賴假設。
用戶留存
如果說活躍數和活躍率是產品的市場大小和健康程度的話,那么用戶留存就是產品能夠可持續發展。
留存率
用戶在某段時間使用產品,過了一段時間后,仍舊繼續使用的用戶,被稱為留存用戶。留存率 = 仍舊使用的用戶/ 當初的總用戶量。
在今天的互聯網行業,留存是比新增和活躍提到次數更多的指標,因為移動的人口紅利沒有了,用戶越來越難獲取,競爭也越來越激烈,如何留住用戶比獲得用戶更重要。
假設產品某天新增用戶1000個,第二天仍舊活躍的用戶有350個,那么稱次日留存率有35%,如果第七天仍舊活躍的用戶有100個,那么稱七日留存率為10%。
Facebook有一個著名的40-20-10法則,即新用戶次日留存率為40%,七日留存率為20%,三十日留存率為10%,有此表現的產品屬于數據比較好的。
上面的案例都是圍繞新用戶展開,還有一種留存率是活躍用戶留存率,或者老用戶活躍率,即某時間活躍的用戶在之后仍舊活躍的比率。它更多用周留存和月留存的維度。
新增留存率和活躍率是不同的,新增留存率關系于產品的新手引導,各類福利,而活躍留存率和產品氛圍,運營策略,營銷方式等有關,更看重產品和運營的水平。
用戶流失率
用戶流失率和留存率恰好相反。如果某產品新用戶的次日留存為30%,那么反過來說明有70%的用戶流失了。
流失率在一定程度能預測產品的發展,如果產品某階段有用戶10萬,月流失率為20%,簡單推測,5個月后產品將失去所有的用戶。這個模型雖然簡陋,用戶回流和新增等都沒有考慮,但是它確實反應了產品未來的生命周期不容樂觀。
這里可以引出一個公式,生命周期 = (1/流失率)*流失率的時間維度。它是經驗公式,不一定有效。
產品的流失率過高有問題么?未必,這取決于產品的背景形態,某產品主打婚禮管理工具,它的留存率肯定低,大多數用戶結婚后就不用。但這類產品一定有生存下去的邏輯。旅游類的應用也是,用戶一年也打開不了幾次,但依舊能發展。
退出率
退出率是網頁端的一個指標。網頁端追求訪問深度,用戶在一次會話中瀏覽多少頁面,當用戶關閉網頁時,可認為用戶沒有「留存」住。退出率公式:從該頁退出的頁面訪問數/進入該頁的頁面訪問數,某商品頁進入PV1000,該頁直接關閉的訪問數有300,則退出率30%。
跳出率是退出率的特殊形式,有且僅瀏覽一個頁面就退出的次數/訪問次數,僅瀏覽一個頁面意味著這是用戶進入網站的第一個頁面,俗稱落地頁LandingPage。
退出率用于網頁結構優化,內容優化。跳出率常用于推廣和運營活動的分析,兩者容易混淆。
營銷
營銷也有自己的數據體系,互聯網的數據體系就是脫胎于此才發展出AARRR框架。產品的發展模式有兩種,如果一款產品能夠在短時間獲得百萬用戶,AARRR框架更適合它;如果一款產品從第一個用戶起即有明確的商業模式,也能嘗試套用市場營銷的概念。
用戶生命周期
用戶生命周期來源于市場營銷理論,舊稱客戶生命周期。
它有兩種含義,一種是針對用戶個體/群體的營銷生存窗口。用戶會隨時間推移發生變化,這種變化帶來無數營銷機會,對市場和企業是機遇。如懷胎十月,它就是一個生命周期為十月的營銷窗口,企業會圍繞這時期的用戶建立特定營銷。搬家,大學畢業,買房等都具有典型的周期特征。
另外一種是用戶關系管理層面的生命周期,它對運營人員更重要。產品和用戶的業務關系會隨著時間推移改變。在傳統營銷中,分為潛在用戶,興趣用戶,新客戶,老/熟客戶,流失客戶。這幾個層層遞進的階段和用戶活躍很像。
對于一款母嬰產品,我既要知道營銷的生存窗口,即懷孕了幾個月,因為孕早期和孕晚期的營銷側重點不一樣,剛懷孕肯定是最合適的。也要知道用戶本身和產品對應的關系,這位媽媽是新客戶,還是曾經用過App但流失了。
營銷數據分析中,最關鍵的環節就是新客戶—流失客戶這個階段,一位用戶能和產品互動多久,將決定產品的生命力。聽起來和留存挺像的,上文提過的生命周期計算公式,就是脫胎于市場營銷。
用戶生命周期價值
生命周期價值是用戶在生命周期內能為企業提供多少收益,它需要涉及財務定義。互聯網行業更多提到生命周期,而不是生命周期價值,因為互聯網的商業模式沒有傳統營銷的買和賣那么簡單明確。
舉個例子,微信用戶的生命周期價值能否計算?并不能,不論是廣點通、游戲或者微信理財,都推導不出一個泛化的模型。但是部分產品,如金融和電商,生命周期價值是可計算的。
以互聯網金融舉例,某App提供理財和現金貸款兩種業務,公司從這兩個業務中獲得收入通常是一個較穩固的比率,而成本支出平攤每個用戶頭上也是固定常數。所以利潤就變成了用戶理財和貸款的金額大小,以及生命周期的長短。這兩者都是可估算的。
生命周期價值比生命周期重要,因為公司要活下去,就得賺更多的錢,而不是用戶使用時間的長短。更多內容見《淺談運營的商業邏輯:CAC和CLV》。
客戶/用戶忠誠指數
忠誠指數是對活躍留存的再量化。活躍僅是產品的使用與否,A用戶和B用戶都是天天打開App,但是B產生了消費,那么B比A更忠誠。數據往往需要更商業的指標描述用戶,消費與否就是一個好維度。
我們可以用一個簡化模型表示:
t是一個時間窗口,s代表消費次數,代表的距今某段時間內的消費次數。若時間窗口選擇月,那么t=1是距今第1個月內的消費次數,t=2是距今第2個月內的消費次數,列舉數據如下。
將消費次數代入s/(s+1),對數據進行轉換,它的目的是收斂。以忠誠角度看,消費10次和消費100次的差異并不大,都屬于很高且難以流失的用戶,10/11和100/101的關系,并且有效規避極值。對于消費0次,1次,2次的用戶,則對應0,0.5和0.66,在業務上也具備可解釋性。
各月份求和得出的指數能反應用戶在消費方面的忠誠。圖例只是解釋,實際應用過程中需要歸一化,并且考慮時間權重:越近的消費肯定越忠誠。上述的模型在于簡單,適合各類商業模式的早期分析,如金融投資,便可以計算用戶每個季度的投資次數。
客戶/用戶流失指數
流失指數是對流失的再量化,它是忠誠指數的反面。流失率衡量的是全體用戶,而為了區分不同用戶的精細差異,需要流失指數。在早期,流失指數=1-忠誠指數。
流失指數和忠誠指數的具體定義能根據業務需要調整,比如忠誠按是否消費,流失按是否打開活躍,只要解釋能站住腳。
在擁有足夠的行為數據后,可以用回歸預測流失的概率,輸出[0,1]之間的數值,此時流失的概率便是流失指數。
客戶/用戶價值指數
用戶價值指數是衡量歷史到當前用戶貢獻的收益(生命周期價值是整個周期,包括未來),它是精細化運營的前提,不同價值的用戶采取不同策略以最大化效果。
用戶價值指數的主流計算方式有兩種,一種是RMF模型,利用R最近一次消費時間,M總消費金額,F消費頻次,將用戶劃分成多個群體。不同群體即代表了不同的價值指數。
第二種是主成分分析PCA,把多個指標轉化為少數幾個綜合指標(即主成分),其中每個主成分都能夠反映原始變量的大部分信息,且所含信息互不重復。
假設有一個旅游攻略網站,怎么界定優質的內容貢獻者?用戶的文章發布量?文章被點贊數?用戶被關注數?文章好評數?文章更新頻次?每個指標都挺重要的,主成分分析能囊括上述所有指標,將其加工成兩到三個指標(通常是線性相關指標被合并)。這時再加工成價值指數則不難了。
上述各類指數,都是針對用戶營銷的明細數據。如何應用呢?最經典的是矩陣法,將指標劃分出多個象限,如用戶價值指數和用戶流失指數。
對于用戶價值高且流失指數高的用戶,應該采取積極的喚回策略,對于用戶價值低且流失指數高,那么考慮成本的平衡適當運營即可…這就是精細化運營的一個案例,也是市場營銷多年來總結出的有效方法。
傳播/活動
把傳播和活動放到一起講,它們是一體兩面。
K因子
國外用得廣泛的概念:每位用戶平均向多少用戶發出邀請,發出的邀請又有多少有效的轉化率,即每一個用戶能夠帶來幾個新用戶,當K因子大于一時,每位用戶能至少能帶來一個新用戶,用戶量會像滾雪球般變大,最終達成自傳播。當K因子足夠大時,就是快口相傳的病毒營銷。
國內的邀請傳播,主體自然是微信朋友圈。微信分享功能和網頁都是能增加參數統計的,不難量化。
病毒傳播周期
活動、廣告、營銷等任何能稱之為傳播的形式都會有傳播周期。病毒性營銷強則強矣,除非有后續,它的波峰往往只持續兩三天。這也是拉新的黃金周期。
另外一種傳播周期是圍繞產品的邀請機制,它指種子用戶經過一定周期所能邀請的用戶。因為大部分用戶在邀請完后均會失去再邀請的動力,那么傳播周期能大大簡化成如下:假設1000位種子用戶在10天邀請了1500位用戶,那么傳播周期為10天,K因子為1.5,這1500位用戶在未來的10天內將再邀請2250位用戶。
理論上,通過K因子和傳播周期,能預測依賴傳播帶來的用戶量,可實際的操作意義不大,它們更多用于各類活動和運營報告的解讀分析。
用戶分享率
現在產品都會內嵌分享功能,對內容型平臺或者依賴傳播的產品,分享率是較為重要的指標,它又可以細分為微信好友/群,微信朋友圈,微博等渠道。
有一點值得注意,數據只能知道用戶轉發與否,轉發給誰是無法跟蹤的。所以產品用物質激勵用戶分享要當心被薅羊毛。反正我轉發都是給「文件傳輸助手」的…
活動曝光量/瀏覽量
傳播和線上活動是息息相關的,這兩者的差異不大。想要做好一個活動,單純知道活動的瀏覽量是不夠的,好的活動一定是數據分析出來的。以朋友圈最尋常見的紅包營銷舉例。它的分析通過網頁參數,如下:
aaa.com/activity/bigsales/?source=weixin&content=h9j76g&inviter=00001×tamp=1495286598
問號后面的是網頁參數,source=weixin說明網頁是分享到微信的。content=h9j76g是頁面具體內容,這里則是營銷紅包的類型。inviter=00001說明是哪個用戶分享出去的,timestamp則是分享的具體時間戳。不同用戶的分享頁面有不同參數,按此作區分。
當這些頁面被用戶分享到朋友圈時,數據采集系統會記錄所有頁面的打開瀏覽。而頁面參數則是活動精細化分析的前提。通過source=weixin,數據分析師知道了紅包活動在微信的瀏覽量,相對應的還有QQ和微博。content則能看出用戶喜歡哪個類型的紅包,哪種紅包被領取得多,成本又是多少。inviter則能看出平均每個分享者的分享頁能帶來多少瀏覽量。
參數越多,分析的維度就能越細,活動可優化的空間也越大。如果大家有心的話,可以看朋友圈(包括網頁)各種活動的網頁參數,觀察其他產品的分析維度,它山之石可以攻玉,這是一個好習慣。
活動參與率
活動參與率衡量活動的整體情況,可以套用用戶活躍的分析指標。
這個活動的參于人數(活躍數)多少?有多少老用戶參與了這個活動?有多少新增用戶因為這個活動來,傳播類的活動分享數據怎么樣?活動中的各個流程轉化如何?活動帶來多少新訂單。其實,運營活動可以看作一個短生命周期的產品,產品的一切指標都能應用于其中。
好的活動應該機制化,把它融入到產品的功能機制中,比如滴滴打車的紅包,美圖餓了么的紅包,都是從活動逐漸變成一種打法和抓手。更早期的各類網游,也是通過活動的推成出新成為了現在常態化的游戲功能。
活動的機制化,意味著數據要分析活動指標,發現優點以改進,之后同樣常態化成報表:今天使用了多少紅包,今天有多少用戶因為活動新增,等等。
營收
產品,運營或者市場人員,從來不是為活躍、留存負責,而是商業,是企業的根本財務。數據分析也不是為了提高活躍和留存,而是像一個巨頭的漏斗,最終將業務驅動于此,即回歸商業的本質。
活躍交易用戶數
從產品曝光到用戶下載,用打開活躍到產生收入,產品的指標在一步步往商業靠攏,活躍交易用戶則是核心指標。整個流程呈現漏斗狀。
這里的交易,即是買方的消費,也包含賣方的供應。若平臺包含B端和C端,則兩端同等重要,均需要納入數據體系。
和活躍用戶一樣,活躍交易用戶也可以區分成首單用戶(第一次消費),忠誠消費用戶,流失消費用戶等。細分交易數據和指標,關系到產品商業化的進展,所以是有必要的。其實到這個環節,各類指標已經更傾向用戶畫像,而非報表統計了。
活躍用戶交易比,統計交易用戶在活躍用戶中的占比。當產品活躍用戶足夠多,但是交易用戶少,此時的商業化是有問題的,俗稱的變現困難,很多公司都倒在這一步。
GMV
成交總金額,只要用戶下單,生成訂單號,便可以算在GMV里,不管用戶是否真的購買了?;ヂ摼W電商更偏好這個指標。
成交金額對應的是實際流水,是用戶購買后的消費金額。銷售收入則是成交金額減去退款。至于利潤、凈利率,涉及到財務成本,數據分析挺難拿到這類數據,所以不太用到。
把上述的三個指標看作用戶支付的動態環節,則能再產生兩個新指標,這也是數據分析的思維之一。成交金額與GMV的比率,實際能換算成訂單支付率;銷售收入和成交金額,也涉及到了退款率,當分析陷入卡頓時,不妨觀察下這兩個指標,或許有幫助。
客單價
傳統行業,客單價是一位消費者每一次到場消費的平均金額。在互聯網中,則是每一筆用戶訂單的收入,總收入/訂單數。
很多游戲或直播平臺,并不關注客單價,因為行業的特性它們更關注一位用戶帶來的直接價值。超市購物,用戶購買是長周期性的,客單價可以用于調整超市的經營策略,而游戲這類行業,用戶流失率極高,運營人員更關注用戶平均付費,這便是ARPU指標,總收入/用戶數。
ARPU可以再一步細分,當普通用戶占比太多,往往還會采用每付費用戶平均收入ARPPU,總收入/收費用戶數。
復購率
若把復購率說成營收屆的留存率,你就會知道它有多重要了。和新增用戶一樣,獲得一個新付費用戶的成本已經高于維護熟客的成本。
在不少分析場景中,會將首單用戶單獨拎出來作為一個標簽,將兩次消費以上的用戶作為老客,之所以這樣做,是從一到二的意義遠不止加一那么簡單。
用戶第一次消費,可能是體驗產品,可能是優惠,可能也是運營極大力地推動,各類因素促成了首單。而他們的第二次消費占比會有斷崖式下跌(對應次日留存率的下跌),因為這時候的消費逐漸取決于用戶對產品的信任,模式的喜歡或者習慣開始養成。
很多時候,用戶決策越長往往意味著客單價越高,如投資,旅游。此時首單復購率越是一個需要關注的指標,它意味著更多的利潤。
復購率更多用在整體的重復購買次數統計:單位時間內,消費兩次以上的用戶數占購買總用戶數。
回購率是另外一個指標,值得是上一個時間窗口內的交易用戶,在下一個時間窗口內仍舊消費的比率。例如某電商4月的消費用戶數1000,其中600位在5月繼續消費,則回購率為60%。600位中有300位消費了兩次以上,則復購率是50%。
退貨率
退貨率是一個風險指標,越低的退貨率一定越好,它不僅直接反應財務水平的好壞,也關系用戶體驗和用戶關系的維護。
商品
這里談以商品為主的數據分析,商品不限于零售行業,知識市場、虛擬服務、增值服務都屬于商品的一種。它有許多通用的分析模板,如購物車、進銷存。
購物籃分析
購物籃分析不應限于電子商務分析,而是用戶消費行為分析。
連帶率是購物籃分析的一種指標,特指銷售件數和交易次數之比。在大型商場和購物中心中,連帶消費是經營的中心,用戶多次消費即連帶消費。在電商中是購物的深度,是單次消費提高利潤的前提。
商品熱度是一種快速見效的分析??梢詫⑸唐贩譃樽顭衢TTop20,最盈利Top20等,它依托二八法則,找出利潤的抓手,很多營銷會將它和連帶率結合,像電子商務,重點推廣多個能帶來流量的熱門爆款,爆款并不賺錢,而是靠爆款連帶銷售其他有利潤的商品。這種流量商品連帶利潤商品的策略并不少見。
購物籃分析中最知名的想必是關聯度,簡單理解是,買了某類商品的用戶更有可能買哪些其他東西。啤酒與尿布大概是最知名的案例了,雖然它是錯的,但揭示了商品之間確實存在關聯。
關聯分析有兩個核心指標,置信度和支持度。支持度表示某商品A和某商品B同時在購物籃中的比例,置信度表示買了商品A和人有多少同時買了B,表示為A→B。老王每次去菜場買菜都喜歡買一把蔥,在老王的菜籃(購物籃)分析中,蔥和其他菜的支持度很高,可是能說明老王買蔥后就一定買其他菜(蔥→其他菜)么?不能,只能說老王買了菜會去買蔥(其他菜→蔥)。除此還有提升度。 最有名的是Apriori算法。
關聯分析并非只適用于購物籃,在很多營銷場景中都會用它作為追加銷售和交叉銷售。常見有大額消費+現金貸,醫療健康+保險等,目的便是提高營收。
進銷存
進銷存是傳統零售行業的經典管理模型,將企業商品經營拆分出采購、入庫、銷售三個環節,并且建立全鏈路的數據體系。在實際業務中,許多場景與進銷存都息息相關。
電子商務有幾個基礎概念,商品、SKU、SPU。商品就是對應消費者理解的單品,任何主流的電子商務網站,商品詳情頁都對應一個商品,也稱為SPU。而在商品詳情頁中,還會涉及尺碼,顏色,樣式的選擇,這類屬性形成了SKU,最小單位庫存。每一個屬性都對應著不同的SKU,如一件衣服有SML三個尺寸,則這件衣服是一個SPU,三個尺寸對應著三個SKU。
商品管理沒有我們想象的那么簡單,有些用戶喜歡玫瑰金的iPhone,有些用戶鐘情于128G,如何更好地邁出這些商品,是從采購環節就開始的。
采購包括廣度、寬度、深度三個維度。廣度是商品品類,越充足的品類越能滿足消費者的消費,但是也帶來管理難銷售難的缺點。市面上手機品類總共有50個,某手機店出售30種,品類比為60%。
采購寬度是SKU占比,代表商品供選擇的豐富程度。iPhone有黑色、銀色、玫瑰金三種顏色和16G、64G、128G三種容量,共9個SKU,如果手機店只賣玫瑰金色,則SKU占比0.33。采購深度是平均每個SKU的商品數量。
庫存是一個中間狀態,采購是進,銷售是出。庫存是一個動態滾動的變化過程,我們常拿過去時間窗口內的庫存消耗速度衡量現有存量的消耗。某商場4月每天消耗庫存1000件,4月末的庫存為5萬件,則這5萬件的需要50天才能消耗完,50天被稱為庫存天數。雖然公式是理想狀況,但以其判斷缺貨是沒問題的。
銷售環節大家更熟悉,指標聚焦在兩個方面,銷售的速度和銷售的質量。銷售速度常表示為售罄率,表示為時間窗口內的銷售數量/時間窗口內的庫存數量,這是比率,故可以用累計售罄率。某商品3月份累計售罄率50%,4月份累計售罄率60%,5月份累計售罄率80%,說明商品逐漸賣斷貨應該補貨了,反過來售罄率一直低迷,則應該促銷或者降低進貨。
銷售的質量和折扣率掛鉤,乃是實收金額和標準金額的比率。國內各種紅包折扣促銷非常多,折扣率的統計師是非常有必要的。折扣率的典型應用是價格彈性指數:當價格變化1%時,商品銷量變化的百分比。這個指數將直接影響利潤。
進銷存內容比較多,熟悉了留存活躍分析的人可能會稍有些不習慣??墒腔ヂ摼W變現的主流模式是電商或其變種,這方面的知識不可或缺。拿互聯網金融來說,投資標的有典型的進貨和庫存特征,標的的投資額大小,風險等級與類型,標的剩余數量和預計庫存天數,都是能直接適用進銷存指標的。當分析師發現某理財標的庫存天數過長,則要分析原因,是SKU過多,還是增長乏力。
最后
到這里,大家已經頭暈了吧,業務是一個復雜體系,數據分析也從來不簡單,兩者結合都是充滿挑戰的。我的內容也沒有囊括全部,比如電商還有搜索有效性的指標,用戶在搜索框搜索,有多少為空搜索?而非空搜索中,有多少產生點擊的有效搜索?小小一個搜索框也有很多門道。
更重要的能力是洞察和發現,文章所有的指標,并非我發明的,都是市場營銷與數據分析的前輩總結而出,但是我個人學習中,并非囫圇吞棗,每個指標我都會停下思索如何用?過往哪種經驗能和他聯系起來。數據分析短期內是無法快速獲得業務經驗,但是多思考是一種更好掌握的技巧。
當然,分析中用不到那么多指標,往往兩到三個關鍵指標足夠,從業務方看,這些指標也不盡然是工作內容,大家別為KPI感到壓力。更好的驅動與分析方式,是針對部門設立一個大目標,比如營收,將營收拆分成兩到三個有邏輯關聯的二級指標,如更多的付費用戶能帶來營收,更長的生命周期能帶來營收,更高的客單價能帶來營收。將二級指標分配個多個小團多或者按時間排期執行,二級指標也能拆分成三級。
#專欄作家#
秦路,人人都是產品經理專欄作家,微信公眾號ID:tracykanc
本文由 @秦路?原創發布于人人都是產品經理。未經許可,禁止轉載。
正如作者所說:整個業務是一個復雜體系,運營工作也是圍繞這個體系展開,需要有更系統的思考方式~ ??
為了幫助大家提升專業的運營能力,起點學院邀請騰訊、阿里、網易等運營總監級前輩,共同研發出一套適合不同成長階段運營能力提升課程。
《90天互聯網運營實戰班》運營新人,幫你從0基礎掌握2年BAT大廠運營能力。
《互聯網運營實戰訓練營》初中級運營,全棧式提升運營能力。
《運營總監修煉之道》中高級運營,能力進階必修課。
如果你想成為獨擋一面、靠譜的運營,以上這幾門課程你可以按照自己的學習需求去安排學習,進而梳理出專業的底層方法論,建立系統全面的成長提升體系。詳細可加顧問老師獲取【1對1專業咨詢】微信/tel:18682213395~
太棒棒了!??!
整整花了我三天的零碎時間才把只是看完,總結的是太到位了。
太tm給力了?。?!
運營小白,歡迎加q分享經驗(753094719)
厲害厲害,學習了
營銷部分對于我真的是陌生。感謝分享!
科普型文章,新手入門必看。老手也可以鞏固知識。贊贊贊。
感謝大大整理分享!必須打賞一下!
ASO呢
你這也太貪了吧,要不把axure、ps、visio也給你教一下?
看了您的專欄(還沒有學完)想問一句,我需要上升到什么樣的層次,才有資格讓你接受我的膝蓋
為什么我花了整整一天才看完?
那你很強
總結的好好,涵蓋面很廣。。值得學習????????
很少留言的醬油表示已打賞樓主!
哈哈哈,查資料的時候看到你啦
干活教學,涉及客戶和用戶的一些數據比較可以多分享些 ??
認認真真的看完了,感覺能夠系統的知道一下運營的指標;但是作為數據產品經理,該如何去規劃自己的數據平臺呢?運營的需求千變萬化,很頭痛,難道只是一張張的滿足用戶的報表需求么?求指導
寫的很全,很有幫助,支持下。
親我能把你的文章放在我的微信公眾號上嗎
這干貨真是幫大忙了
感謝樓主提供這么好的干貨,多多發布電商的文章哈,給你100分,讓你隨便驕傲!
好不容易看到滿滿干貨的文章結果發現是老大你的?!驚喜又意外! ??
滿滿干貨
文章非常全,滿滿的干貨!可以轉載您這篇文章嗎?我們的公眾號是99click商助科技(ID:cn99click),轉載會注明您的個人信息,如果可以,幫忙加一下白名單,謝謝!
能模擬個案例分析一下就更好更直觀
看了下數據偏電商產品,用戶獲取與成本這塊; 文章多次提到用戶,覺得還是提下CAC、LTV、PBP較好; 有一個建議備注下,留存那個有些文獻細節上算法不同(如文中所提新增后的第二日作為三日留存,有的做二日留存),有些新人可能會迷糊(請原諒我的糾結…)
留存那塊是我沒有說清楚。CAC這些有的,獲客成本,生命周期,只是沒翻譯而已。
有時間好好看!好長
1.日活躍用戶/月活躍用戶——那個圖是用什么工具做的?形象又好看,求工具普及。
2.留存率——為什么當日留存是35%,是指當日下載到啟動的比例嗎?當日新增是算下載數還是注冊數?
3.后面的就看不懂了 ??
1,桑吉圖,2.是我圖描述不清楚,有問題的
感謝分享,學習了,新人有個疑問,DAU/WAU/MAU不是指量嗎?可文中說是率
另外還有個問題想請教,關于用戶會話次數,文中說結合用戶會話次數和活躍用戶數可以判斷用戶粘性,舉例是日活躍用戶數為100,日會話次數為120,則說明產品并沒有粘性——這里是不是需要結合產品屬性來判定?比如訂餐平臺,100個人產生了120次會話次數,是不是不能代表沒有粘性呀?新人不懂的地方比較多,麻煩作者啦~
應該是DAU率,WAU率,謝謝指正。訂餐平臺是一個好問題,看你怎么定義了,如果和內容類一天打開三四次的比,粘性不高,訂餐一天一到兩次,這是固定,且運營策略很難改變的習慣,粘不住用戶的,換言之,用戶的遷移成本蠻低的
明白啦,謝謝作者~
看了一點點,就覺得受益匪淺了
先馬再看,好長