中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

下面這篇文章是筆者整理分享的關(guān)于分析工具搭建數(shù)據(jù)指標(biāo)體系的相關(guān)內(nèi)容，里邊包含了方法論中的基本流程和理論知識(shí)以及We分析工具實(shí)操的知識(shí)，有想了解的同學(xué)可以看一看哦！

在學(xué)習(xí)數(shù)據(jù)分析的時(shí)候，發(fā)現(xiàn)很多的文章，要么只涵蓋數(shù)據(jù)分析的基礎(chǔ)知識(shí)，要么只關(guān)注數(shù)據(jù)分析工具的操作細(xì)節(jié)，缺乏實(shí)際方法的實(shí)戰(zhàn)教學(xué)。因此，本文的目標(biāo)是將方法論與工具結(jié)合起來，向讀者解釋如何實(shí)際應(yīng)用這些方法來構(gòu)建有價(jià)值的數(shù)據(jù)指標(biāo)體系。

一、方法論——基本流程和理論知識(shí)

1. 明確業(yè)務(wù)目標(biāo)和問題

在明確業(yè)務(wù)目標(biāo)和問題時(shí)，團(tuán)隊(duì)?wèi)?yīng)該與各個(gè)利益相關(guān)方進(jìn)行充分的溝通，以確保每個(gè)人都理解并共享相同的愿景。這個(gè)過程涉及到：

1. 定義業(yè)務(wù)愿景：明確組織的長(zhǎng)期愿景和目標(biāo)。這可能包括擴(kuò)展市場(chǎng)份額、提高客戶滿意度、降低成本、提高產(chǎn)品質(zhì)量等。
2. 確定具體的業(yè)務(wù)問題：具體描述當(dāng)前業(yè)務(wù)中需要解決的問題或面臨的挑戰(zhàn)、疑惑或機(jī)會(huì)，它們可能是影響業(yè)務(wù)成功的障礙或需要進(jìn)一步了解的情況。比如銷售下降、客戶流失、競(jìng)爭(zhēng)壓力、市場(chǎng)趨勢(shì)等。
3. 與利益相關(guān)方對(duì)話：與業(yè)務(wù)領(lǐng)導(dǎo)、市場(chǎng)團(tuán)隊(duì)、銷售團(tuán)隊(duì)和其他關(guān)鍵利益相關(guān)方交流，以確保他們的需求和期望得到考慮和反映在數(shù)據(jù)指標(biāo)體系中。

2. 識(shí)別關(guān)鍵績(jī)效指標(biāo)

關(guān)鍵績(jī)效指標(biāo)是組織實(shí)現(xiàn)其長(zhǎng)期戰(zhàn)略目標(biāo)的關(guān)鍵驅(qū)動(dòng)因素。這些指標(biāo)通常與業(yè)務(wù)績(jī)效、成本控制、市場(chǎng)份額、客戶滿意度等關(guān)鍵領(lǐng)域密切相關(guān)。北極星指標(biāo)六要素法，可以幫助我們準(zhǔn)備的定位關(guān)鍵績(jī)效指標(biāo)：

• 標(biāo)準(zhǔn)1：你的產(chǎn)品的核心價(jià)值是什么？這個(gè)指標(biāo)可以讓你知道你的用戶體驗(yàn)到了這種價(jià)值嗎？所謂核心價(jià)值就是產(chǎn)品為用戶解決的痛點(diǎn)和滿足用戶的需求是什么。比如，對(duì)于一個(gè)投資應(yīng)用，其核心價(jià)值就是投資，所以這個(gè)北極星指標(biāo)應(yīng)該和用戶進(jìn)行投資有關(guān)。對(duì)于一個(gè)約會(huì)應(yīng)用，其核心價(jià)值是約會(huì)，所以北極星指標(biāo)應(yīng)該和用戶完成約會(huì)有關(guān)。北極星指標(biāo)最終應(yīng)該是用戶成功體驗(yàn)了產(chǎn)品價(jià)值的指示燈。
• 標(biāo)準(zhǔn)2：這個(gè)指標(biāo)能夠反映用戶的活躍程度嗎？MySpace以“總注冊(cè)用戶數(shù)”作為北極星指標(biāo)，就是一個(gè)累積的靜態(tài)指標(biāo)，沒有反映出用戶當(dāng)前的活躍程度。日活躍用戶數(shù)、周活躍用戶數(shù)和月活躍用戶數(shù)這樣的指標(biāo)會(huì)好一些，但是對(duì)于“活躍”的定義也要深入思考，不僅僅要看用戶是否持續(xù)登錄，也要看用戶是否完成了使用產(chǎn)品的“關(guān)鍵行為”。
• 標(biāo)準(zhǔn)3：如果這個(gè)指標(biāo)變好了，是不是能說明整個(gè)公司是在向好的方向發(fā)展？北極星指標(biāo)應(yīng)該可以從宏觀上反映出公司的經(jīng)營(yíng)狀況，即使你不看其他細(xì)節(jié)，只要看一眼這個(gè)指標(biāo)，就可以大體上知道公司發(fā)展的趨勢(shì)。比如，對(duì)于Uber來說，如果只是把注冊(cè)司機(jī)數(shù)作為北極星指標(biāo)，顯然就忽略了乘客這一方面，僅僅是注冊(cè)司機(jī)變多而乘客數(shù)沒有跟上，并不一定說明Uber的生意變好了。因此Uber的北極星指標(biāo)應(yīng)該能夠反映司機(jī)和乘客的供需平衡，因此“總乘車數(shù)”就是更為合適的一個(gè)指標(biāo)。
• 標(biāo)準(zhǔn)4：這個(gè)指標(biāo)是不是很容易被整個(gè)團(tuán)隊(duì)理解和交流呢？北極星指標(biāo)的定義最好不要太復(fù)雜。一般來說，建議選一個(gè)絕對(duì)數(shù)作為北極星指標(biāo)，而不是比例或百分比，比如，“總訂單數(shù)”就比“訂單額超過100元的訂單比例”容易理解，也更便于各個(gè)團(tuán)隊(duì)之間協(xié)作和交流。
• 標(biāo)準(zhǔn)5：這個(gè)指標(biāo)是一個(gè)先導(dǎo)指標(biāo)，還是一個(gè)滯后指標(biāo)？比如，SaaS公司可能會(huì)使用月費(fèi)收入作為北極星指標(biāo)，這不是一個(gè)壞指標(biāo)，但是它卻是一個(gè)滯后指標(biāo)，因?yàn)橛械挠脩艉芸赡芤呀?jīng)停止使用幾個(gè)月了，卻還在付月費(fèi)。在這種情況下，“月活躍用戶數(shù)”可能是一個(gè)更好的先導(dǎo)指標(biāo)。先導(dǎo)指標(biāo)的好處在于可以讓你提前看到問題，盡早行動(dòng)。因?yàn)榈鹊接脩粢呀?jīng)停用產(chǎn)品幾個(gè)月之后，取消了產(chǎn)品訂閱，此時(shí)你再想挽救，往往就太遲了。
• 標(biāo)準(zhǔn)6：這個(gè)指標(biāo)是不是一個(gè)可操作的指標(biāo)？簡(jiǎn)單地說，如果對(duì)于一個(gè)指標(biāo)，你什么也做不了，那它對(duì)你來說相當(dāng)于不存在。

3. 分解指標(biāo)

分解數(shù)據(jù)指標(biāo)是建立數(shù)據(jù)指標(biāo)體系的關(guān)鍵步驟，它要求將業(yè)務(wù)目標(biāo)和問題轉(zhuǎn)化為具體的、可測(cè)量的數(shù)據(jù)指標(biāo)。這一步驟有助于確保數(shù)據(jù)收集和分析與業(yè)務(wù)目標(biāo)緊密相關(guān)，為數(shù)據(jù)驅(qū)動(dòng)的決策提供了堅(jiān)實(shí)的基礎(chǔ)。

1. 分析KPI的構(gòu)成：首先，仔細(xì)分析每個(gè)KPI的構(gòu)成。了解KPI是如何衡量整體績(jī)效的，以及它與業(yè)務(wù)目標(biāo)的關(guān)系。
2. 將KPI拆解為可操作的組成部分：將每個(gè)KPI拆解為與之相關(guān)的具體組成部分。這些組成部分應(yīng)該是可以度量的，與KPI直接相關(guān)，并且有助于理解績(jī)效的各個(gè)方面。
3. 對(duì)子指標(biāo)進(jìn)行分類：將子指標(biāo)根據(jù)它們的性質(zhì)和功能進(jìn)行分類。例如，可以將它們分為財(cái)務(wù)指標(biāo)、運(yùn)營(yíng)指標(biāo)、市場(chǎng)指標(biāo)等，以便更好地組織和理解。
4. 評(píng)估子指標(biāo)的重要性：對(duì)每個(gè)子指標(biāo)評(píng)估其對(duì)整體KPI的貢獻(xiàn)和重要性。確定哪些子指標(biāo)在實(shí)現(xiàn)KPI時(shí)具有更大的影響力。
5. 確保子指標(biāo)可衡量：確保每個(gè)子指標(biāo)都是可衡量的，并且可以通過可靠的數(shù)據(jù)源來度量?？紤]數(shù)據(jù)的可收集性和可用性。

4. 明確數(shù)據(jù)源

數(shù)據(jù)源的種類多種多樣，它們是搭建數(shù)據(jù)指標(biāo)體系的關(guān)鍵組成部分。了解不同類型的數(shù)據(jù)源有助于明確從哪里收集數(shù)據(jù)以支持所選的關(guān)鍵指標(biāo)。

1）內(nèi)部數(shù)據(jù)源

內(nèi)部數(shù)據(jù)源是組織內(nèi)部的數(shù)據(jù)產(chǎn)生源。這些數(shù)據(jù)源通常是與組織的內(nèi)部系統(tǒng)和流程相關(guān)聯(lián)的，包括但不限于：

• 銷售系統(tǒng)：包括訂單數(shù)據(jù)、銷售額、庫存情況等。
• 客戶關(guān)系管理系統(tǒng) (CRM)：包括客戶信息、互動(dòng)歷史、客戶服務(wù)記錄等。
• 分析工具：包括網(wǎng)站、APP、小程序等的流量、用戶行為、轉(zhuǎn)化率等數(shù)據(jù)。
• 財(cái)務(wù)系統(tǒng)：包括財(cái)務(wù)報(bào)表、成本、利潤(rùn)等財(cái)務(wù)數(shù)據(jù)。
• 生產(chǎn)系統(tǒng)：包括生產(chǎn)線數(shù)據(jù)、工藝參數(shù)、產(chǎn)品質(zhì)量等。

內(nèi)部數(shù)據(jù)源通常包含了組織自身的運(yùn)營(yíng)數(shù)據(jù)，可以提供對(duì)業(yè)務(wù)運(yùn)作的深入洞察。

2）外部數(shù)據(jù)源

外部數(shù)據(jù)源是來自組織外部的數(shù)據(jù)，它們通常包含有關(guān)市場(chǎng)、行業(yè)和競(jìng)爭(zhēng)環(huán)境的信息。這些數(shù)據(jù)源可以包括：

• 市場(chǎng)研究數(shù)據(jù)：包括市場(chǎng)規(guī)模、趨勢(shì)、消費(fèi)者行為等信息。
• 競(jìng)爭(zhēng)情報(bào)：包括競(jìng)爭(zhēng)對(duì)手的表現(xiàn)、市場(chǎng)份額、價(jià)格策略等。
• 社交媒體數(shù)據(jù)：包括社交媒體平臺(tái)上的用戶反饋、關(guān)注度、品牌聲譽(yù)等。
• 行業(yè)報(bào)告和新聞：包括行業(yè)趨勢(shì)、法規(guī)變化、市場(chǎng)機(jī)會(huì)等。

外部數(shù)據(jù)源可以提供有關(guān)市場(chǎng)和競(jìng)爭(zhēng)環(huán)境的重要見解，有助于更好地理解外部因素對(duì)業(yè)務(wù)的影響。

3）用戶生成內(nèi)容

• 用戶生成內(nèi)容是由用戶生成的數(shù)據(jù)，通常包括用戶評(píng)論、產(chǎn)品評(píng)級(jí)、社交媒體帖子、博客文章等。這些內(nèi)容可以提供有關(guān)產(chǎn)品和服務(wù)的反饋，以及用戶對(duì)品牌的看法。
• 用戶生成內(nèi)容可以通過社交媒體監(jiān)測(cè)工具、在線評(píng)論平臺(tái)等方式進(jìn)行收集和分析。

4) 傳感器數(shù)據(jù)

• 傳感器數(shù)據(jù)通常用于監(jiān)測(cè)物理世界的變化。這些數(shù)據(jù)可以來自各種傳感器，如氣象站、工廠設(shè)備、交通監(jiān)控系統(tǒng)等。它們提供了實(shí)時(shí)的、物理世界的信息。
• 傳感器數(shù)據(jù)在工業(yè)自動(dòng)化、環(huán)境監(jiān)測(cè)、物流等領(lǐng)域具有廣泛的應(yīng)用。

5) 社交媒體數(shù)據(jù)

• 社交媒體數(shù)據(jù)包括用戶在社交媒體平臺(tái)上的互動(dòng)、分享、評(píng)論等行為。這些數(shù)據(jù)可以提供有關(guān)品牌知名度、用戶反饋和市場(chǎng)趨勢(shì)的信息。
• 社交媒體數(shù)據(jù)通常可以通過API訪問，并使用社交媒體分析工具進(jìn)行分析。

5. 定義指標(biāo)概念

當(dāng)我們定義指標(biāo)時(shí)，明確其度量方法至關(guān)重要。它確保不同團(tuán)隊(duì)和人員在數(shù)據(jù)采集和報(bào)告時(shí)都遵循相同的規(guī)則，從而減少混淆和誤解。讓不同時(shí)間和地點(diǎn)的數(shù)據(jù)可以進(jìn)行比較，使得數(shù)據(jù)更有意義。

此外，明確的度量方法可以降低錯(cuò)誤和數(shù)據(jù)質(zhì)量問題的風(fēng)險(xiǎn)。它還能夠幫助我們更容易地解釋和傳達(dá)數(shù)據(jù)，提高數(shù)據(jù)的可理解性。

定義數(shù)據(jù)指標(biāo)度量方法的模板如下：

• 指標(biāo)名稱：定義指標(biāo)的名稱
• 指標(biāo)描述：在這里提供對(duì)指標(biāo)的簡(jiǎn)明描述，明確它的含義和作用。
• 計(jì)算公式：指定用于計(jì)算該指標(biāo)的數(shù)學(xué)公式或計(jì)算方法。確保計(jì)算方法清晰和具體。
• 度量方案：描述如何度量和收集與該指標(biāo)相關(guān)的數(shù)據(jù)，包括數(shù)據(jù)源、數(shù)據(jù)單位和數(shù)據(jù)收集頻率。
• 數(shù)據(jù)源：指定從何處獲取指標(biāo)所需的數(shù)據(jù)。這可以是內(nèi)部系統(tǒng)、外部數(shù)據(jù)提供商、用戶調(diào)查等。
• 數(shù)據(jù)單位：定義該指標(biāo)的度量單位，例如貨幣、百分比、數(shù)量等。
• 數(shù)據(jù)收集頻率：規(guī)定數(shù)據(jù)收集的頻率，例如每日、每周、每月，以確保數(shù)據(jù)的及時(shí)性和一致性。

6. 數(shù)據(jù)收集

在數(shù)據(jù)收集階段，需要了解和掌握數(shù)據(jù)分析的基本知識(shí)，包括埋點(diǎn)事件、事件屬性、事件拆解、埋點(diǎn)方式等。數(shù)據(jù)收集不僅可以解答特定的業(yè)務(wù)問題，還為組織提供了有關(guān)用戶行為、產(chǎn)品性能和市場(chǎng)趨勢(shì)的有價(jià)值信息。這種數(shù)據(jù)驅(qū)動(dòng)的方法有助于組織更好地理解其受眾、優(yōu)化產(chǎn)品和服務(wù)，并做出更明智的決策。

埋點(diǎn)事件：是數(shù)據(jù)分析中的關(guān)鍵概念，指的是在應(yīng)用程序、網(wǎng)站或移動(dòng)應(yīng)用中追蹤和記錄用戶的各種操作和行為。埋點(diǎn)事件=觸發(fā)條件+事件行為+事件結(jié)果+事件屬性。

• 觸發(fā)條件：指的是導(dǎo)致特定事件發(fā)生的前提條件或觸發(fā)因素。這包括用戶的行為、應(yīng)用程序的狀態(tài)或環(huán)境的變化，這些條件觸發(fā)了事件的發(fā)生。觸發(fā)條件有助于確定事件何時(shí)發(fā)生以及為什么發(fā)生。例如：進(jìn)入頁面，打開應(yīng)用，加載完畢等。
• 事件行為：描述了事件的具體性質(zhì)和用戶的互動(dòng)方式。這包括用戶的點(diǎn)擊、輸入、導(dǎo)航、瀏覽、分享、表單提交等。
• 事件結(jié)果：事件結(jié)果涵蓋了事件發(fā)生后的效果或影響。這可以是用戶的狀態(tài)變化、頁面的跳轉(zhuǎn)、數(shù)據(jù)的記錄、通知的發(fā)送等。
• 事件屬性：它們是與事件相關(guān)的附加信息或變量。事件屬性可以提供有關(guān)事件的更多上下文和詳細(xì)信息，使數(shù)據(jù)分析更豐富和精確。例如，在商品購買事件中，事件屬性可以包括商品名稱、價(jià)格、購買數(shù)量、用戶ID等信息。

埋點(diǎn)事件的收集方式可以有多種選擇，包括手動(dòng)埋點(diǎn)、自動(dòng)埋點(diǎn)和混合埋點(diǎn)：

• 手動(dòng)埋點(diǎn)：在手動(dòng)埋點(diǎn)中，開發(fā)人員需要編寫代碼來明確定義要收集的事件和屬性，然后將代碼嵌入應(yīng)用程序中。這種方法提供了最大的靈活性，但需要更多的工程開發(fā)工作。
• 自動(dòng)埋點(diǎn)：自動(dòng)埋點(diǎn)是通過工具或框架自動(dòng)生成事件追蹤代碼。這種方式減少了開發(fā)工作，但可能限制了事件的粒度和靈活性。
• 混合埋點(diǎn)：混合埋點(diǎn)結(jié)合了手動(dòng)和自動(dòng)埋點(diǎn)的優(yōu)點(diǎn)。開發(fā)人員可以手動(dòng)定義重要的事件，同時(shí)使用自動(dòng)生成的代碼來捕獲一般性的事件。這種方法在靈活性和效率之間取得了平衡。

7. 數(shù)據(jù)分析

數(shù)據(jù)分析在業(yè)務(wù)決策和優(yōu)化中發(fā)揮著至關(guān)重要的作用。以下是數(shù)據(jù)分析的幾個(gè)重要方面，包括事件分析、漏斗分析、事件流分析和留存分析：

1）事件分析：事件分析是數(shù)據(jù)分析的核心，用于深入了解用戶行為和互動(dòng)事件。它包括以下關(guān)鍵要素：

• 趨勢(shì)分析： 通過觀察事件隨時(shí)間的變化趨勢(shì)，可以了解特定行為的發(fā)展和演化，例如用戶活躍度的季節(jié)性變化。
• 對(duì)比分析： 對(duì)比不同事件或?qū)傩灾g的差異，以找出關(guān)鍵因素。例如，比較不同廣告渠道的轉(zhuǎn)化率，以確定哪個(gè)渠道效果更好。
• 排序分析： 將事件按照某種指標(biāo)進(jìn)行排序，以識(shí)別最重要的事件或?qū)傩浴＿@有助于集中精力優(yōu)化關(guān)鍵領(lǐng)域。
• 構(gòu)成分析： 了解事件的組成成分，例如，哪些屬性對(duì)事件的影響最大。這有助于識(shí)別關(guān)鍵因素。
• 分布分析： 分析事件發(fā)生的分布情況，例如，事件在不同地理位置或設(shè)備上的分布，以便更好地理解用戶群體。

2）漏斗分析：

漏斗分析用于理解用戶轉(zhuǎn)化過程，通常應(yīng)用于產(chǎn)品或服務(wù)的優(yōu)化。

它包括以下內(nèi)容：

• 事件漏斗：漏斗包括一系列事件，用于描述用戶從初始步驟到最終轉(zhuǎn)化的路徑。例如，從注冊(cè)到購買的轉(zhuǎn)化過程。
• 轉(zhuǎn)化窗口期： 轉(zhuǎn)化窗口期是指用戶完成漏斗中的每個(gè)步驟所需的時(shí)間段。這有助于確定用戶是否在預(yù)期時(shí)間內(nèi)完成轉(zhuǎn)化，以及在哪個(gè)步驟中存在流失。

3）事件流分析：

事件流分析幫助理解用戶在應(yīng)用程序或網(wǎng)站上的詳細(xì)行為流程。

它包括以下內(nèi)容：

• 事件序列： 記錄用戶在應(yīng)用程序中執(zhí)行的事件序列，從而深入了解用戶的路徑和行為。
• 用戶路徑分析： 分析用戶在應(yīng)用程序中的路徑，例如從登錄到購物車，以識(shí)別最常見的用戶行為路徑。
• 時(shí)間線分析： 顯示用戶在應(yīng)用程序中的行為時(shí)間線，幫助識(shí)別用戶的關(guān)鍵互動(dòng)時(shí)刻。

4）留存分析：

留存分析用于衡量用戶在一段時(shí)間內(nèi)保持活躍的情況，以及用戶回流率。

它包括以下內(nèi)容：

• 起始行為： 確定用于計(jì)算留存率的初始行為，例如用戶的第一次登錄或首次購買。
• 留存行為： 定義了用戶在留存周期內(nèi)必須執(zhí)行的行為，以確保他們被視為留存用戶。
• 留存周期： 指定留存率計(jì)算的時(shí)間范圍，如1天、7天、30天等，以了解用戶在不同時(shí)間段內(nèi)的忠誠度。

這些數(shù)據(jù)分析方法幫助組織更好地理解用戶行為、產(chǎn)品性能和市場(chǎng)趨勢(shì)，為業(yè)務(wù)決策提供深入的見解和數(shù)據(jù)支持。通過結(jié)合這些分析方法，組織可以更精確地識(shí)別問題、優(yōu)化流程，并制定更有效的策略。

二、We分析工具實(shí)操——以電商小程序?yàn)榘咐?/h2>

1. 明確業(yè)務(wù)目標(biāo)和問題

• 業(yè)務(wù)目標(biāo)： 提高電商小程序的購物車轉(zhuǎn)化率。
• 業(yè)務(wù)問題： 為什么購物車中的商品較少用戶購買，導(dǎo)致轉(zhuǎn)化率下降？

2. 識(shí)別關(guān)鍵績(jī)效指標(biāo)

• 購物車轉(zhuǎn)化率：購物車內(nèi)商品結(jié)算的用戶數(shù)量 / 訪問購物車頁面的用戶數(shù)量。
• 平均購物車價(jià)值：購物車內(nèi)訂單總價(jià)值 / 購物車內(nèi)訂單數(shù)量。
• 跳出率：進(jìn)入購物車頁面后未進(jìn)行任何操作的用戶數(shù)量 / 訪問購物車頁面的用戶數(shù)量。

3. 分解指標(biāo)

1）購物車轉(zhuǎn)化率

分子：購物車內(nèi)商品結(jié)算的用戶數(shù)量。

進(jìn)一步拆解：添加商品到購物車后結(jié)算的用戶數(shù)量，直接進(jìn)入購物車并完成購買的用戶數(shù)量。

分母：訪問購物車頁面的用戶數(shù)量。

進(jìn)一步拆解：訪問購物車頁面但未進(jìn)行任何操作的用戶數(shù)量，添加商品到購物車的用戶數(shù)量，查看購物車的用戶數(shù)量。

2）平均購物車價(jià)值

分子：購物車內(nèi)訂單總價(jià)值。

進(jìn)一步拆解：每個(gè)訂單的總價(jià)值。

分母：購物車內(nèi)訂單數(shù)量。

進(jìn)一步拆解：訂單數(shù)量。

3）跳出率

分子：進(jìn)入購物車頁面后未進(jìn)行任何操作的用戶數(shù)量。

進(jìn)一步拆解：用戶在購物車頁面停留時(shí)間很短，沒有進(jìn)行任何瀏覽或交互的用戶數(shù)量。

分母：訪問購物車頁面的用戶數(shù)量。

進(jìn)一步拆解：訪問購物車頁面但未進(jìn)行任何操作的用戶數(shù)量，添加商品到購物車的用戶數(shù)量，查看購物車的用戶數(shù)量。

4. 明確數(shù)據(jù)源

數(shù)據(jù)源包括電商小程序的內(nèi)部數(shù)據(jù)庫、用戶行為分析工具以及第三方購物行為數(shù)據(jù)。

5. 定義指標(biāo)概念

1）購物車轉(zhuǎn)化率

度量方法： 百分比

計(jì)算公式：購物車轉(zhuǎn)化率 = (購物車內(nèi)商品結(jié)算的用戶數(shù)量 / 訪問購物車頁面的用戶數(shù)量) * 100%

度量方案：每月購物車轉(zhuǎn)化率、不同設(shè)備類型的購物車轉(zhuǎn)化率、不同用戶來源的購物車轉(zhuǎn)化率

2）平均購物車價(jià)值

度量方法：貨幣金額

計(jì)算公式：平均購物車價(jià)值 = 購物車內(nèi)訂單總價(jià)值 / 購物車內(nèi)訂單數(shù)量

度量方案：每月平均購物車價(jià)值、不同商品類型的平均購物車價(jià)值、不同用戶群體的平均購物車價(jià)值

3）跳出率

度量方法： 百分比

計(jì)算公式：跳出率 = (進(jìn)入購物車頁面后未進(jìn)行任何操作的用戶數(shù)量 / 訪問購物車頁面的用戶數(shù)量) * 100%

度量方案：每月跳出率、不同購物車頁面版本的跳出率、不同廣告渠道的跳出率

6. 數(shù)據(jù)收集

• 事件名稱： 事件的名稱，例如“商品加購”
• 事件描述： 事件的簡(jiǎn)要描述，例如“用戶將商品添加到購物車”
• 觸發(fā)條件： 事件發(fā)生的觸發(fā)條件，例如“用戶點(diǎn)擊了‘加入購物車’按鈕”
• 事件行為： 事件的具體行為描述，例如“用戶點(diǎn)擊了‘加入購物車’按鈕”
• 事件結(jié)果： 事件發(fā)生后的效果或影響，例如“商品成功添加到購物車”
• 事件屬性： 事件相關(guān)的屬性信息，

例如：

1. 商品名稱：商品的名稱
2. 門店名稱：門店的名稱
3. 用戶ID：用戶的唯一標(biāo)識(shí)符
4. 時(shí)間戳：事件發(fā)生的時(shí)間

• 指標(biāo)類型： 事件相關(guān)指標(biāo)的類型，例如整數(shù)、比例、留存等
• 數(shù)據(jù)類型： 指標(biāo)的數(shù)據(jù)類型，例如總和、人數(shù)、次數(shù)等
• 數(shù)據(jù)存儲(chǔ)位置： 事件數(shù)據(jù)將存儲(chǔ)在何處，例如數(shù)據(jù)庫、數(shù)據(jù)倉庫、云存儲(chǔ)等
• 數(shù)據(jù)收集周期： 多久收集一次事件數(shù)據(jù)，例如實(shí)時(shí)、每小時(shí)、每天等
• 數(shù)據(jù)質(zhì)量控制： 確保數(shù)據(jù)質(zhì)量的措施，例如數(shù)據(jù)驗(yàn)證、清洗和糾錯(cuò)
• 數(shù)據(jù)安全性： 保護(hù)數(shù)據(jù)安全和隱私的措施，例如數(shù)據(jù)加密、訪問控制等

備注： 附加說明或備注，例如特定的數(shù)據(jù)處理規(guī)則或其他細(xì)節(jié)

收集完以上所有的信息，需要配置在數(shù)據(jù)分析工具里，以We分析舉例。

①配置屬性：

②配置事件：

③配置指標(biāo)：

7. 數(shù)據(jù)分析

1）事件分析：

我們首先執(zhí)行事件分析，以了解用戶在購物車轉(zhuǎn)化過程中的行為。

• 事件名稱：購物車轉(zhuǎn)化
• 事件描述：用戶將商品添加到購物車并成功完成購買。
• 事件屬性：商品名稱、購物車中的商品數(shù)量、用戶ID等。
• 我們查看購物車轉(zhuǎn)化事件的歷史趨勢(shì)，以確定是否存在時(shí)間相關(guān)的變化。

2）漏斗分析

接下來，我們使用漏斗分析來識(shí)別用戶轉(zhuǎn)化過程中的關(guān)鍵步驟，以及哪些步驟導(dǎo)致流失。

漏斗包括以下事件：

• 用戶瀏覽產(chǎn)品頁面。
• 用戶將商品添加到購物車。
• 用戶查看購物車。
• 用戶完成購買。

我們分析每個(gè)步驟的轉(zhuǎn)化率，以確定哪個(gè)步驟存在問題。例如，如果“查看購物車”后的轉(zhuǎn)化率較低，可能需要優(yōu)化購物車頁面的設(shè)計(jì)。

小貼士：學(xué)習(xí)轉(zhuǎn)化的定義（來源：growingio操作手冊(cè)）

轉(zhuǎn)化定義：用戶進(jìn)入漏斗后，在規(guī)定的時(shí)間范圍，按照分析者規(guī)定的行為，規(guī)定順序完成了目標(biāo)事件即為轉(zhuǎn)化。

由此看來完成轉(zhuǎn)化有三個(gè)方面： 規(guī)定的時(shí)間，規(guī)定的行為，規(guī)定的行為順序，缺一不可。

下面舉一些例子：

假設(shè)用戶在規(guī)定時(shí)間內(nèi)依次完成 ABCD 則為轉(zhuǎn)化，那么：
●ABCD：用戶按照規(guī)定的路徑完成了轉(zhuǎn)化。常見真實(shí)場(chǎng)景如 訪問 注冊(cè) 安裝 SDK；訪問 聽歌 購買會(huì)員。
●ABCBCBCCD：用戶反復(fù)多次后完成轉(zhuǎn)化。常見真實(shí)場(chǎng)景如 表單注冊(cè)，產(chǎn)品購買時(shí)在詳情頁和下單頁反復(fù)后完成購買。
●ABCABCD： 用戶重新開始完成了轉(zhuǎn)化。常見真實(shí)場(chǎng)景如用戶購買時(shí)發(fā)現(xiàn)明天購買更便宜，明天重新開始購買。
●ABCED：用戶除了進(jìn)行規(guī)定步驟還做了其他操作完成了轉(zhuǎn)化。常見真實(shí)場(chǎng)景如 C 和 D 之前看是否看 demo，來看 demo 的作用。
●ABCF：用戶沒有完成轉(zhuǎn)化，在 C 流失。常見真實(shí)場(chǎng)景如發(fā)現(xiàn)產(chǎn)品太貴，去其他平臺(tái)上看價(jià)格。
●ABCBF：用戶沒有完成轉(zhuǎn)化，在節(jié)點(diǎn) B 流失。常見真實(shí)場(chǎng)景如回到上級(jí)頁面后發(fā)現(xiàn)不符合需求，離開漏斗。
●ABC…D （… 代表轉(zhuǎn)化了，但沒在規(guī)定時(shí)間完成）： 用戶雖然按照順序完成了轉(zhuǎn)化，但未在規(guī)定時(shí)間內(nèi)完成。常見真實(shí)場(chǎng)景如試用期 14 天，十四天內(nèi)成單給與九折優(yōu)惠，超過 14 天沒有獎(jiǎng)金。
●AD：未轉(zhuǎn)化。
●ABABCDBCABCD：用戶完成了兩次轉(zhuǎn)化。

3）留存分析

最后，我們進(jìn)行留存分析，以了解用戶的回流情況和用戶忠誠度。

我們選擇留存周期為7天，并使用以下事件：

• 起始行為：用戶首次將商品添加到購物車。
• 留存行為：用戶在7天內(nèi)完成購買。

我們計(jì)算購物車轉(zhuǎn)化事件的7天留存率，以確定用戶在購物車階段的忠誠度。如果留存率低，可能需要改進(jìn)購物車體驗(yàn)。

小貼士：留存分析怎么看？（來源：growingio操作手冊(cè)）

留存圖中的數(shù)據(jù)是根據(jù)留存表來繪制的，我們針對(duì)留存表來說明一下數(shù)據(jù)統(tǒng)計(jì)口徑。首先，需要明確的是，留存表中的每個(gè)絕對(duì)值，指的都是人數(shù)。

下面，我們把留存表分成 “匯總行”和”日期行”：

“匯總行”的數(shù)據(jù)是依據(jù) “日期行”的數(shù)據(jù)來計(jì)算的。下面具體解讀一下：

5722：這個(gè)是日期行的 “用戶量”一列，代表的是 9 月 18 日，”目標(biāo)用戶”中完成”起始行為”的用戶量，這是后續(xù)用戶留存的基數(shù)。圖中給出的 “日顆粒度”，如果是周顆粒度，那么這個(gè)單元格中的用戶量是當(dāng)前自然周的獲取的用戶去重得到的獨(dú)立用戶量。

26.9%：這個(gè)是日期行的留存率圖中的留存率數(shù)據(jù)。

Tips 給出了統(tǒng)計(jì)口徑；5722 個(gè)滿足起始行為的用戶，有 1537 個(gè)用戶在第二天(09月/19日)完成了留存行為。次日留存率的計(jì)算：26.9% = 1537（人）/5722（人）

117012：這個(gè)是匯總行 “用戶量”列。是日期行每一行的 “用戶量”數(shù)據(jù)直接算數(shù)相加得到的，沒有做去重。需要特別注意，這個(gè)數(shù)據(jù)不是在選定的時(shí)間范圍內(nèi)的實(shí)際用戶量，因?yàn)檫@個(gè)數(shù)據(jù)沒有去重。

12.2%：這個(gè)是匯總行的留存率數(shù)據(jù)。這個(gè)留存率數(shù)據(jù)是日期行每一行數(shù)據(jù)加權(quán)平均得到的。

具體算法是：

12.2% = 每個(gè)日期行 “3日后” 列的用戶量算數(shù)相加/ 對(duì)應(yīng)每個(gè)日期行 “用戶量” 列的用戶量算數(shù)相加。

為了更好地理解計(jì)算口徑，下面是一個(gè)示例：

三、結(jié)論和改進(jìn)措施

通過數(shù)據(jù)分析，我們可能得出以下結(jié)論：

●購物車轉(zhuǎn)化率下降可能是由于購物車頁面設(shè)計(jì)不佳導(dǎo)致的。
●購物車頁面的瀏覽到轉(zhuǎn)化率很低，需要改進(jìn)購物車頁面的用戶體驗(yàn)。
●用戶在購物車階段的忠誠度較低，需要采取措施提高購物車轉(zhuǎn)化率。

基于這些結(jié)論，我們可以制定改進(jìn)措施，例如優(yōu)化購物車頁面設(shè)計(jì)、提供更好的購物體驗(yàn)以及實(shí)施促銷策略，以提高購物車轉(zhuǎn)化率并提升電商小程序的業(yè)績(jī)。

通過這個(gè)實(shí)際案例，我們明確了業(yè)務(wù)目標(biāo)，識(shí)別了關(guān)鍵績(jī)效指標(biāo)，分解了指標(biāo)，明確了數(shù)據(jù)源和定義了指標(biāo)，然后進(jìn)行了數(shù)據(jù)收集和分析，以更好地理解問題并采取相應(yīng)的措施來提高轉(zhuǎn)化率。

四、參考文獻(xiàn)

https://docs.growingio.com/op-help/docs/2.6/product-manual/customer-data-platform/
https://developers.weixin.qq.com/miniprogram/analysis/