4-常規業務數據監控

常規業務數據監控

目 錄

一、常規業務數據監控：

(一)簡單的時間趨勢與轉化率分析：（縱向對比）

1. 下載
2. 註冊實名
3. 用戶活躍
4. 核心功能使用
5. 用戶留存
6. 重點業務指標（如銷售、內容等）

(二)簡單的多維交叉分析：（橫向對比）

1. 渠道分析：
2. 區域分析
3. 用戶特徵分析

常規業務數據監控：

當然根據業務重點的不同，也需要將銷售、內容等指標納入監控指標體系中，而且很多時候甚至銷售、內容等產品核心點才是監控重點指標。

（一）簡單的時間趨勢與轉化率分析：（縱向對比）

1.下載

• 目的：

了解不同時段的拉新情況，評估現階段拉新情況是否理想

• 考察指標：

下載數、新增設備數、成功安裝率等

• 分析方法：

縱向比較：

• 當日該指標與前4周同期（同所屬星期幾）平均對比（同比） #業務具有周期為1周的周期型變化#
• 前30日每日該指標趨勢（環比）
• 前7日（上周）該指標平均與前56日（前8周）平均（環比）
• 前56日（前8周）每周該指標趨勢（環比）

• 解決思路：

可以先通過交叉分析模塊找出存在問題的渠道、區域與人群

影響下載數因素：ASO、地推、活動

影響新增設備數因素：下載數過低、產品性能

2.註冊實名

• 目的：

了解不同時段的新增用戶情況，評估現階段用戶推廣情況是否理想

• 考察指標：

註冊用戶數、新增設備註冊率、實名認證申請用戶數、實名認證用戶數、實名認證率

• 分析方法：

縱向比較：(前30日和前8周)

• 解決思路：

可以先通過交叉分析模塊找出存在問題的渠道、區域與人群

影響註冊用戶數因素：新增設備數過低、產品吸引力弱、註冊流程存在問題

影響實名認證用戶數因素：註冊用戶數過低、產品不具有實名驅動力、實名認證環節存在問題

如果業務數據具有周期性變化，建議轉化成單位權重值來有效消除周期性變動的影響

』『』

單位權重值：

把每一天的數據除以當日權重指數，就變成了單位權重值了

日權重指數：

首先按周為單位進行分組，然後計算出各日平均日銷售

然後找到平均日銷售最低的一天的銷售數據，設定它的日權重指數為1，然後分別用其他六天的平均日銷售額除以這個最低值，就分別得到每天的日權重指數

將每日權重指數相加就是周權重指數。

特殊情況如假期等需要找到其對應的上一年的同假期計算

『』』

3.用戶活躍

• 目的：

了解不同時段的用戶登錄APP使用產品的情況，評估現階段產品功能與內容是否具有長期吸引力、線上運營活動對用戶的激勵作用是否有效（促進用戶活躍一般是運營的主要目的）

• 考察指標：

DAU、WAU、MAU、DAUMAU、月用戶登錄率、用戶平均登錄次數、用戶次均登錄時長、用戶次均訪問頁面數、周活躍用戶構成等

同時，需要根據最終業務目標定義活躍度指標，可以是一個或多個，衡量活躍度的定義合適與否的重要判斷依據是其能否有效回答業務需求的終極目標。

『』』

活躍度的定義所涉及的統計技術主要有兩個。一個是主成分分析，另一個是數據的標準化。

主成分分析的目的，就是把多個核心行為指標轉化為一個或少數幾個主成分，最終轉化成一個綜合的分數，來作為活躍度的定義。到底是取第一個主成分還是前幾個主成分，這主要取決於主成分分析的特徵根和累計方差貢獻率，一般取80%累計方差貢獻率;

數據標準化，主要是因為不同的指標具有不同的度量尺度，只有在標準化之後，才能將數據按等比例進行縮放，使之落入一個小的可以比較的區間）

『』』

• 分析方法：

縱向比較：（前30日，前8周）

橫向比較：（活躍用戶新鮮度）

• 解決思路：

可以先通過交叉分析模塊找出存在問題的渠道、區域與人群

影響登錄用戶數、登錄次數、登錄時長、訪問頁面數的因素：產品的功能與內容缺乏吸引力、線上運營活動沒有起到很好的激勵作用，需要分析哪些功能與內容的使用用戶的活躍率高，通過運營活動引導用戶使用那些有利於活躍率的功能

4.核心功能使用

• 目的：

了解各個功能的用戶使用情況，評估現有功能是否具有吸引力、功能的導航設計（流量分配）是否合理、功能的使用流程是否存在問題、針對特定功能的運營活動是否具有效果

• 考察指標：

核心功能A訪問用戶數、核心功能A用戶訪問比例，核心功能A使用用戶數、核心功能A用戶使用比例;

部分特殊功能具有其特殊指標

• 分析方法：

縱向比較：（前30日，前8周）

橫向比較：（各功能訪問用戶數對比，各功能訪問到使用的比例對比）

• 解決思路：

可以先通過交叉分析模塊找出存在問題的渠道、區域與人群

影響A功能訪問用戶數的因素：用戶活躍情況不理想、該功能或內容缺乏吸引力、該功能的導航設計（流量分配）不合理、針對該功能的運營活動效果差

影響A功能使用用戶數的因素：該功能訪問用戶過少、該功能流程存在使用障礙、該功能所能提供的服務和內容缺乏真正的吸引力

5.用戶留存

• 目的：

了解用戶對產品的忠誠度，評估現有的產品服務與內容對用戶的長期吸引力，線上運營活動對用戶的激勵效果，某些天（活動）拉來的用戶的質量

• 考察指標：

註冊用戶第N日留存率、註冊用戶N日內留存率、流失用戶數、迴流用戶數

• 分析方法：

縱向比較：（前30日，前8周）

橫向比較：（用戶的活躍度分布對比）

#越近的用戶比例越大，表示用戶的留存情況在變好，反之則在變差#

• 解決思路：

可以先通過交叉分析模塊找出存在問題的渠道、區域與人群

影響留存率因素：拉新帶來的質量較低、用戶前期使用的產品功能和活動沒有吸引到用戶、產品功能和運營活動缺乏長期持久吸引力、產品對用戶的吸引力缺乏多樣性、用戶使用過程中遇到障礙造成用戶不滿

影響迴流用戶的因素 ：拉新帶來的質量較低、產品的版本更新對用戶的吸引力、push推送對用戶吸引力的高低、某些功能是否具有較長周期的需求

影響流失用戶的因素：拉新帶來的質量較低、用戶前期使用的產品功能和活動沒有吸引到用戶、產品功能和運營活動缺乏長期持久吸引力、產品對用戶的吸引力缺乏多樣性、用戶使用過程中遇到障礙造成用戶不滿、推送push等造成用戶反感卸載應用

『』』

拉新時盡量選擇留存表現好的渠道、區域、人群進行推廣;

針對潛在流失的用戶要通過運營活動進行干預;

針對留存較差的日期要通過運營活動進行干預;

針對短期留存，分析用戶前期使用哪些功能、內容和活動能最快最有效的對用戶產生吸引力，引導其他用戶也進行類似的嘗試;

針對長期留存，分析用戶前期使用哪些功能、內容和活動能長期持續對用戶產生吸引力，引導其他用戶也進行類似的嘗試，具有長期吸引力的功能、內容和活動要多樣化，不能單一;

針對流失用戶，找到最後一次行為路徑發現用戶棄用的原因;

推送push等需要根據用戶偏好進行推送、提高促活效率、減少用戶反感

『』』

6.重點業務指標（如銷售、內容等）

#根據實際業務來確定，下文也簡單列出一些#

（二）簡單的多維交叉分析：（橫向對比）

1.渠道分析：

渠道分析的前提——渠道管理。 #通過APP打包、UTM追蹤和邀請碼等，做好渠道管理後台，詳情請見《數據體系架構》專欄#

1.1 渠道價值分析：

• 目的：

了解各個渠道的推廣質量，優化推廣渠道選擇，在有限的資源條件下，做好量化分配

• 解決思路：

# DSP渠道自動量化選擇#

1.2 關鍵指標受渠道影響分析：

• 目的：

衡量不同渠道對各業務關鍵指標的影響，考察各業務指標的增減是否是由某些渠道的影響造成的

• 考核指標：

【下載】

下載數、新增設備數、成功安裝率、

【註冊實名】

註冊用戶數、新增設備註冊率、實名認證申請用戶數、實名認證用戶數、實名認證率、

【活躍】

DAU、WAU、MAU、DAUMAU、月用戶登錄率、用戶平均登錄次數、用戶次均登錄時長、用戶次均訪問頁面數

【核心功能使用】

核心功能A訪問用戶數、核心功能A用戶訪問比例，核心功能A使用用戶數、核心功能A用戶使用比例、特殊功能指標

【留存】

註冊用戶第N日留存率、註冊用戶N日內留存率、流失用戶數、迴流用戶數

• 分析方法：

橫向比較：（選擇需要對比的指標，將選擇的指標細分到各個渠道）

縱向比較：（前30日，前8周）

• 解決思路：

找到細分到某渠道指標表現差的原因（如是否流程上存在障礙等），採取針對性的運營策略調整或者產品優化

如果是渠道本身質量的問題且難以主動優化，就要適當優化渠道資源配置

2.區域分析

『』』

和渠道分析思路類似，都是區域作為維度，去考察各指標受各區域的影響程度（正影響還是負影響，影響程度的大小）

『』』

3.用戶特徵分析

『』』

主要是所需監控的指標與下文的用戶畫像相結合，分析思路和渠道分析類似，都是用戶特徵作為維度，去考察各指標受各特徵的影響程度（正影響還是負影響，影響程度的大小）

『』』