營銷人需要掌握的數據分析常識

如(rú)何把工作中(zhōng)産生的問(北讀wèn)題，與我們的數據工具和(hé)可(kě)以拿得到的數是短據建立對應關(guān)系。觀測數據看見趨勢異常下(xià)，挖掘數據背又作後的意義。基于數據分析的基礎的思考，最後才可(kě)以形成對營銷業(yè白東)務的洞察。

先來看一看常見的一些數據指标們

1. DAU：Daily Active User 日活躍用戶量。統計一熱南日（統計日）之内，登陸或使用了某個(gè)産品的用戶數（去重）

2. WAU：Weekly Active Use吧我rs 周活躍用戶量。統計一周（統計日）之内，登陸或使用了某個(gè)會近産品的用戶數（去重）

3. MAU：Monthly Active User 月(雜數yuè)活躍用戶量。統計一月(yuè)（統計日）之内，登陸或使用了某個(習視gè)産品的用戶數（去重）

4. DNU：Day New User 頻可日新增用戶，表示當天的新增用戶

5. DOU：Day Old User 日老拿美用戶。當天登陸的老用戶，非新增用戶

6. ACU：Average Concurrent Users 平均同時在線人路相數

7. PCU：Peak Concurrent Use家會rs 最高同時在線人數

8. UV：Unique Visitor 唯一東友訪問(wèn)量，即頁面被多少(shǎo問空)人訪問(wèn)過

9. PV：Page View 頁面浏覽量，即頁面被多少土校(shǎo)人看過

10. ARPU：Average Revenue Per User 平均每國拿個(gè)活躍用戶收益。

一、數據指标分類

大緻的，我認為可(kě)以将數據指标分為三大類：綜合性指标文讀、流程性指标、業(yè)務性指标。

1. 綜合性指标

綜合性指标是能體現産品目前綜合情況的指标。

在非交易網站(zhàn)，比如(rú)社交網站(z爸務hàn)，數據指标的用途偏向于了解産品的用戶增長或減少(shǎo)等情坐會況。綜合性指标通(tōng)常有：DAU、留存數、留存率、人請司均使用時長、PV、UV等。

對于交易系型網站(zhàn)，那麼平台關(guān)注的綜合性指标通(線信tōng)常是：GMV、支付UV、人均訂單數、人均客單價等。

2. 流程性指标

流程性指标是指與用戶操作行為相關(guān)的指标。內人

點擊率：有PV點擊率和(hé)UV點擊率，一般使用PV點擊率。

轉換率：下(xià)一步操作用戶數/上一步操作用火村戶數

流失率：（上一步用戶數-下(xià)一步用戶數）/上一步用戶數

完成率：完成率相對于轉化率而言，是最終的結果數值。轉化率是過程值，南玩完成率是結果值。

3. 業(yè)務性指标

業(yè)務性指标是跟産品業(yè)務相關對就(guān)的指标。例如(rú)視頻網站(zhàn)，則可數亮(kě)能需要的業(yè)務指标有：視頻播放公內數、人均觀看時長、人均播放數、播放率等。

二、數據分析與設計方法

數據分析和(hé)設計的方法有：事件分析、留存分析、漏鬥分析、分步分析、對比動地分析和(hé)多維度拆解。

1. 事件分析

事件是追蹤或記錄的用戶行為或業(yè)務過程。事件是通(tō說說ng)過埋點記錄，通(tōng)過SDK上傳的用戶行為或業(yè)業工務過程記錄。例如(rú)，一個(gè)視頻内容産品可(k樹新ě)能包含的事件：①播放視頻；②暫停；③繼續身刀播放；④分享；⑤評論。

一個(gè)事件可(kě)能包含多個(gè們錢)事件屬性，例如(rú)，“播放視頻”事件舊舞下(xià)可(kě)能包含的屬性：①來源；②是否自動(dòn煙紅g)播放；③播放形态。

2. 留存分析

留存率是驗證用戶粘性的關(guān)鍵指标，設計師(shī)和(hé)産品經理亮做通(tōng)常可(kě)以利用留存率與競品對标，衡量用戶的粘性和(hé湖鐵)忠誠度。通(tōng)常重點關(guān)注次日、3日、7日、30日即制影可(kě)，并觀察留存率的衰減程度。留存率跟應用的類型也有很大關一學(guān)系。通(tōng)常來說，工具類應用的首月(yuè)留存率可(k還姐ě)能普遍比遊戲類的首月(yuè)留存率要高。

3. 漏鬥分析

漏鬥分析就是轉化率分析，是通(tōng)過計算目标他校流程中(zhōng)的起點，到最後完成目标節點習現的用戶量與留存率，流量漏鬥模型在産品中(zhōng)的月冷經典運用是AARRR模型。

衡量每一節點的轉換率，通(tōng)過異常數據（靜身轉換率過低）找出異常節點，進而确定各個(gè)環節的流失率，分析用戶怎麼流失兒能、為什麼流失、在哪裡流失。根據數據改進産品，最終提升整體轉化率。

4. 用戶分群分析

用戶在某個(gè)特定條件下(xià)的用戶分組或占比。例如(工開rú)：注冊7天内下(xià)單的用戶組、參與過A活動(dòng道跳)的用戶等。

5. 對比分析

将不同時段的數據進行對比，找出差值，進行産品優化或驗證設計。

自身産品對比：對比産品不同模塊相似場景的數據，找出問(wèn)題點。

行業(yè)産品對比：與同行業(yè)産品進行對比，找腦睡出優劣勢，并持續優化。

6. 多維度拆解

用不同的維度視角拆分分析同一類數據指标。例如(東熱rú)按照不同的省市地區分析、不同的用戶人群、不用的設備等。通(t現公ōng)過不同維度拆解，找到數據背後的真相。