网站分析常用的指标之内容指标(数据分析业务指标与分析方法1电商数据常用指标，你了解多少？)

　　网站分析常用的指标之内容指标(数据分析业务指标与分析方法1电商数据常用指标，你了解多少？)

　　数据分析业务指标及分析方法 1 业务指标

　　业务指标是指衡量业务质量的标准。

　　1.1 了解商业公司是做什么的，有什么产品、业务和服务对象；运行状况，了解相关核心指标判断运行状况；业务流程，分析各个环节的数据，判断哪些环节出现问题。1.2 互联网电商数据常用指标1.2.1 用户数据

　　每日新增用户数

　　产品的每日新用户数。

　　每日新增用户数反映了某款产品吸引新用户的能力。

　　活跃用户

　　经常光顾网站 并为网站 带来一些价值的用户数。

　　活跃用户数用于衡量网站的运行状况。

　　分类

　　每日活跃用户（DAU：每日活跃用户）

　　每周活跃用户（WAU：Week Active User）

　　月活跃用户（MAU：月活跃用户）

　　活跃率=活跃用户数/总用户数

　　留存率 = 第 1 天访问该应用并在第 N 天仍访问该应用的用户数 / 第 1 天访问该应用的用户数

　　留存率反映了留住用户的能力。

　　留存率按时间分为次日留存率、3天留存率、7天留存率、30天留存率。

　　对于次日留存率、7 天留存率和月留存率，有 40-20-10 规则，

　　次日留存率=40%，7天留存率=20%，月留存率=10%，

　　达到这一标准，标志着公司的留存率达到了行业的基本标准。

　　单位获客成本

　　在流量推广过程中，广告等活动的成本与产生的独立访问者数量的比值。

　　客户价格

　　总订单金额与订单数量之比。应用场景主要是零售，包括电商平台。

　　ARPU（每用户平均收入）

　　ARPU = 总收入/总用户

　　即每个用户的平均收入，它反映了某个时间段内平均活跃用户为应用所产生的收入。

　　ARPPU（每位付费用户的平均收入）

　　ARPPU = 总收入/付费用户数

　　即每个付费用户的平均收入，它反映了每个付费用户在一定时间内为应用程序产生的平均收入。

　　1.2.2 用户行为数据

　　光伏

　　页面浏览量，也称为页面点击量

　　也就是所谓的Page View（PV），用户每次访问电商网站或者移动应用中的一个页面，都会被记录访问一次，并且刷新同一个网页也算作一次访问。

　　紫外线

　　唯一身份访问者

　　网站后台的统计系统会标记每个访问网站的用户的浏览器，并使用cookie来标记用户。当不同用户使用同一浏览器（cookies有效）在一定时间内多次访问网站时，将被网站后台视为同一用户，仅记录一次。

　　知识产权

　　某IP地址的计算机访问网站的次数，如果在局域网中使用同一个IP，只记录一次。

　　平均访问时间

　　衡量 网站 用户体验的指标。在一次访问中，从打开第一页到关闭最后一页的时间称为总访问时间。

　　平均访问时长 = 总访问时长 / 访问次数

　　跳出率

　　跳出率是指访问者仅访问一页后来到网站并离开网站的访问者占总访问次数的百分比。

　　跳出率 = 仅访问一页后离开 网站 的访问次数 / 总访问次数

　　跳出率是网站流量质量的重要指标。

　　转化率

　　当用户在 网站 上完成所需的操作时，称为转换。

　　转化率 = 转化/访问

　　比如电商转化率网站=网站下单数/网站总访问量

　　回购率

　　复购率=购买两次以上的顾客数/购买的顾客总数

　　1.2.3 产品数据

　　GMV（总商品交易量）

　　总营业额

　　指零售业的“流水”。总销售额包括销售额、取消订单、拒绝订单和退回订单。

　　SKU（库存单位）

　　库存单位

　　出入库计量单位、买家采购、商家采购、供应商备货、工厂生产均以SKU为单位进行。

　　SKU 是物理上不可分割的最小库存单位。也就是说，对于一个产品，可以根据SKU来确定商品的具体库存。

　　SPU（标准产品单元）

　　标准化产品单元

　　SPU是商品信息聚合的最小单位。它是一组可重复使用且易于检索的标准化信息，描述了产品的特性。

　　SPU由品牌+型号+关键属性组成

　　通俗地说，具有相同属性值和特性的产品可以称为SPU。

　　比如iphone Xs就是一个SPU，与颜色、款式、配置等无关。

　　而具体配置为256G版、4G手机、金色的iPhone Xs就是一个SKU。

　　ROI（投资回报率）

　　投资回报率

　　是指应该通过投资回报的价值，即产生的交易量与活动成本的比值。

　　2 分析方法2.1 逻辑树分析方法

　　逐层列出一个指标的影响因素，逐层拆解复杂数据，用它来发现复杂数据中的问题和机会。

　　

　　2.2 多维拆解分析方法

　　数据中收录的信息是多种多样的，各种类型之间的数据量比较大。

　　多维分解分析用于分析不同类型数据之间的差异，常与比较分析结合使用。

　　与逻辑树分析法的区别：

　　多维拆解法属于结构拆解，将各个部分的数据组合起来等于整体数据。

　　逻辑树分析法属于关系拆解，即拆解后的索引是原创索引的组成部分，不一定有计算关系。原创指标可能不是直接从拆解指标计算出来的，但有一定的关系。

　　示例：分析销售额下降的原因

　　整体销量下滑，根据产品拆解，是所有产品销量都有下滑，还是个别产品的问题；

　　假设某产品销量下降，根据产品拆解，该产品下所有产品销量均下降，还是个别产品的问题。

　　共同维度

　　从指数构成拆解

　　例如：用户数=新用户数+老用户数，某类产品由多个子产品组成，一个事业部的销售额由下属多个部门的销售额组成事业部

　　从业务流程中拆除

　　分析网站订单转化率

　　用户前往 网站 => 浏览产品 => 加入购物车 => 下单 => 付款

　　如果网站订单转化率低，需要分析各个流程的转化率以及哪个环节有问题。

　　2.3 对比分析

　　使用比较分析的方法来判断某个数据的好坏，以及某些数据之间的差异。

　　比较主要内容

　　时间

　　同比、环比、趋势

　　空间

　　不同的城市或地区，不同的产品

　　目标

　　年度或月度目标、活动目标

　　用户

　　新与旧，注册与访客

　　产品

　　渠道、特色、体验和流程、促销和收入

　　横向比较：与其他事物同时比较，或同比，与去年同期比较。

　　纵向比较：在时间维度上和自己比较，或者和上一个时间段比较。

　　2.4 假设检验

　　对于某个问题，提出一个由这个原因引起的假设，然后采集数据来证明你的假设，最后得出这个方法更适合于分析业务问题的结论，也叫归因分析。

　　过程：

　　做出假设 => 采集证据 => 得出结论

　　假设检验是针对某个问题，根据一些因素大胆提出自己的假设，然后通过采集数据分析证明自己的假设。如果属实，则可以得出相应的结论。

　　使用假设检验方法可以大大提高我们的逻辑推理能力，主要用于归因分析。我们可以把每一个问题都当作一个需要克服的案例，找到真正的罪魁祸首就是真正的目的（找到问题的根源），不断提出假设，不断层层分析。

　　2.5 相关性分析

　　相关性分析常用于工作中，以确定哪些因素是造成某一现象的主要原因。当我们想研究两个或多个变量如何相关时，使用相关分析。

　　正相关：一个变量的增加导致另一个变量的增加

　　负相关：一个变量的增加导致另一个变量的减少

　　在统计学中，相关系数r用来衡量两个变量之间的相关程度。

　　相关系数r的取值范围[-1,1]

　　r = 1 表示完全正相关

　　r = -1 表示完全负相关

　　|r|>0.6 表示强相关

　　如果 A 和 B 相关，至少有五种可能性：

　　A 导致 B

　　B 导致 A

　　C 导致 A 和 B

　　A 和 B 互为因果

　　小样本造成的巧合

　　为了避免误解，相关性不一定是因果关系。因此，相关分析中除了看相关系数的大小外，还需要进一步验证在其他因素不变的情况下，该变量是否能引起另一个变量的相应变化。

　　3 分析模型3.1 RFM 分析模型

　　R：（Recency）上次消费到当前时间的时间间隔；

　　F：（频率）最近一段时间的消费频率；

　　M：（金钱）最近一段时间的消费金额。

　　RFM 简介

　　R 上次购买时间间隔

　　上次购物时间较短的用户更有可能在不久的将来响应营销活动。如果用户长时间没有购物行为，可能意味着用户已经放弃使用APP，重振用户的成本会更高。

　　F消费频率

　　高消费频率意味着这部分用户对产品的满意度高，用户粘性好，忠诚度高。

　　M消费金额

　　消费量是给公司带来价值的最直接体现，消费量高的用户在用户总数中的用户较少，但能够创造更多的价值，是需要关注的对象。

　　RFM模型是目前衡量客户价值和客户盈利能力的重要手段。该模型通过目标客户近期交易行为、交易频率和交易金额三个指标来描述目标客户的价值。

　　

　　RFM 模型可以轻松回答有关您业务的这些问题

　　谁是我最好的客户？

　　哪些客户处于流失的边缘？

　　谁有潜力转化为更有利可图的客户？

　　谁是你不需要关注的毫无价值的客户？

　　您必须保留哪些客户？

　　谁是你的忠实客户？

　　哪些客户最有可能响应当前的营销举措？

　　3.2 漏斗分析模型

　　营销漏斗模型是指在营销过程中逐渐将非潜在客户转化为客户的转化量化模型。营销漏斗模型的价值在于量化营销过程中各个环节的效率，帮助发现薄弱环节。

　　漏斗分析模型是将一个总体按照一定的顺序分解成不同的阶段，对每个阶段的数据进行量化，根据计算结果分析发现问题。简单来说，就是在实现某个东西时的一系列操作，观察每一步的转换和损失。

　　

　　漏斗分析模型是将一个整体按照一定的顺序分解成不同的阶段，对每个阶段的数据进行量化，根据计算结果分析发现问题。在电子商务中常用于分析用户购物行为的转化率。