【数据】产品数据指标

佑右
805 阅读7分钟

在工作中一个产品经常会遇到这些问题：我们产品上线的效果如何？这个产品用户喜欢吗？用那些位置去做运营比较好？等等问题都是需要我们用数据去作证的。同样我们技术也经常会遇到这样的问题，这个功能用户的体验如何？这个地方有必要这样设计吗？我们也需要用数据和产品沟通对我们的交互进行不断的优化和提升。所以我们需要建立指标体系，来解决这大多数的问题。

指标的标准

指标的制定，不同的业务所关注的指标不同，从产品的kpi为出发点，可以从规模、健康度、用户行为、自身质量、用户属性、渠道质量、竞品数据等6个方面来设计指标体系

产品规模

产品定位&用户接受&市场反馈，通常会以“日活/月活”为指标，日活跃数（DAU）、周活跃数（WAU）、月活跃数（MAU）

用户属性拆分为：日（月）新增（DNU）、日（月）回流、日（月）持续活跃

商业属性：日（月）付费用户、日（月）非付费用户

用户健康度

指标：留存率（验证产品用户吸引力很重要的指标）、活跃度（活跃天数/次数等分布）、用户粘度（DAU/MAU）用于反馈用户的活跃成都

高频、低频的监控不同，如果周活跃天数大于3天，就是高频产品反之是低频的

高频：留存基于日来监控，次日/3日后/7日后留存；活跃度、用户粘度用周来计算

低频：留存基于月来监控，次周/3周后/7周后留存；活跃度、用户粘度用月来计算

周活跃用户

  • 本周回流用户：上周未启动过应用，本周启动应用的用户
  • 连续活跃n周用户：连续n周，每周至少启动过一次应用的活跃用户
  • 忠诚用户：连续活跃5周及以上的用户
  • 连续活跃用户：连续活跃2周及以上的用户
  • 近期流失用户：连续n周（1 < n <= 4 ）没有启动过应用的用户

用户行为

了解用户使用情况、转化情况，需要产品的数据漏洞，结合用户画像来查看。分析用户在漏洞中在哪个步骤流失严重，以及产品更适用于那部分的人群，及时对产品进行优化

参与度分析指标

  • 启动次数
  • 使用时长：人均使用时长（同一统计周期内使用总时长/活跃用户数）；单次使用时长（同一统计周期内使用总时长/启动次数）
  • 访问页面（一次启动访问的页面书）
  • 使用时间间隔

页面访问路径分析：来源和流向

产品质量

产品/技术质量的衡量，是否及时反馈出产品是否屡屡打扰用户？使用流程是否不畅？是否引起手机出现问题？

基础标准：crash率、启动耗时、页面加载速度等，

视频播放：播放成功率、播放加载速度

产品下载：安装率、卸载率、push关闭率

产品质量大都受到用户自身的网络类型、运营商、机型强相关，所以以上指标的维度通常需要细分这三个维度来看。

转化率：进入下一个页面的人数/当前页面的任务

用户属性

用户的画像和终端属性来描述用户

渠道质量

渠道引导用户下载，然后分析下载的数据，这个是业务而定

竞品数据

洞察市场方向和压力，第三方获取数据平台：极光、易帆

产品生命周期

产品的不同阶段，需要关注的指标不同，我们可以把产品分为初创期、快速成长期、成熟期、衰退期

初创期

目标人群画像和留存率

  • 目标人群画像：从侧面验证用户群体与假设的目标用户群体特征是否一致，常见的是人口学属性(性别、年龄、学历、地域)。
  • 留存率：留存率、使用时长/频率、用户的黏性等指标，留存率的维度分很多种（7日，双周，30日等），依据产品特征来选择。通常低于20%的留存会是一个比较危险的信号

快速成长期

关注用户的生命周期的管理，以新用户的增长、激活、触发Aha moments（顿悟时刻）、活跃用户

image.png

成熟期

重心开始从用户的生命周期的前半段（吸引、激活、留存）往后半段（流失、回流）开始偏移

image.png

流失和回流：分析流失原因，通过回访定性+数据验证为主要手段，确定流失原因，改变产品运营策略以预防用户流失或拉回用户，促进回流

image.png

商业转化率分析：高质量用户重点运营，低质量用户往高质量用户迁移

  • 产品用户人均使用天数（以周、月为单位）
  • 产品用户人均使用时长（以天为单位，人均时长越长，用户依赖性越强）
  • 人均购买价格（以月为单位，购买价格越高，店商品台的高净值用户，需要重点运营）
  • 人均购买次数（以月为单位，次数高，低单价的用户也是优质用户）

衰退期

基本可以放弃治疗了～

漏斗

从最终目标入手，找出每一步用户的转化和流失情况，配以每一步的转化率和流失率，通过提升用户转化率和降低用户流失率来优化产品

用户获取模型

AARRR从整个用户生命周期入手，包括Acquisition用户获取，Activation用户转化，Retention用户留存与活跃，Revenue用户产生收入，到发起传播Refer

消费漏斗模型

从用户内容消费和流量走向的角度，宏观层面用于回答用户消费什么内容，微观层面则用于分析影响用户消费的问题是什么

电商漏斗模型

用户商品的购买属于决策行为，从浏览商品到支付订单的每一个环节的转化

功能优化漏斗模型

从最终目标入手，拆分业务环节，提取和优化核心指标，从而提升整体功能的转化率。

常见的数据指标

网站指标

**PV（页面浏览量）：**用户每1次对网站中的每个网页访问（成功访问/进入）均被记录1次。用户对同一页面的多次访问，访问量累计。在一定统计周期内用户每次刷新网页1次也被计算1次。

**UV（独立访客人数）：**访问网站的一台电脑客户端为一个访客。00:00~24:00内相同的客户端只被计算一次。

**VV（用户访问次数）：**当用户完成浏览并退出所有页面就算完成了一次访问，再次打开浏览时，VV数+1。VV同时也是视频播放次数（Video View）的简称。

**跳出率：**表示用户来到网站后，且没有进行操作就直接离开的比例，代表着陆页面（访客进入网站的第一个页面）是否对用户有吸引力，常用的计算方式是落地页面的访问量除以总访问量

**退出率：**退出率是衡量从这个页面退出网站的比例，通过一个页面的退出次数除以访问次数。应该是针对一个局部页面（流程）进行计算

**平均访问时长：**指在特定统计时间段内，浏览网站的一个页面或整个网站时，用户所停留的总时间除以该页面或整个网站的访问次数的比例

**转化率：**完成转化行为的次数占推广信息总点击次数的比率

**回购率：**用户对商品或者服务的重复购买次数（回头客）。

用户指标

**ARPU：**每个用户平均收入

**新增用户：**日新增（DNU）、周新增（WNU）、月新增（MNU）

**活跃用户：**某统计周期内操作过产品核心功能的用户（按照设备去重统计），不同的产品业务标准有所区别。日活跃数（DAU）、周活跃数（WAU）、月活跃数（MAU）

留存率：留存用户（再经过一段时间后仍启动该应用的用户）/新增用户*100%，留存率低于20%会是一个比较危险的信号。

  • 次日留存率：说明所针对的用户群对我们的产品不感兴趣。某一统计时段新增用户在第二天再次成功启动应用的比例，如果次日留存率达到50%以上，说明这个产品已经是非常优秀了；
  • 7日（周）留存率：说明我们产品的内容质量太差，用户过了新鲜劲儿之后发现产品用起来特别枯燥。即某一统计时段新增用户在第7天再次成功启动该应用的比例。这个时间段内，用户通常会经历一个完整的产品体验周期，如果这个阶段用户能够留下来继续使用，很有可能成为产品的忠实用户；
  • 30日（月）留存率：版本迭代规划做得不好，功能更新、内容更新、BUG修复、性能等都做得比较差，此时需要重新规划迭代内容，不可一错再错。即某一统计时段新增用户在第30天再次成功启动该应用的比例。通常移动端产品的迭代周期为2~4周一个版本，所以月留存率能够反映出一个版本的用户留存情况，一个版本的更新，或多或少会影响部分用户的体验，所以通过对比月留存率能判断出每个版本的更新对用户的影响面积，从而定位到类似问题进行优化。

流失率：某段时间内不再启动应用的用户/某段时间内总计的用户量

**一次性用户：**新增日后再也没有启动应用的用户，至少超过7天才能定义是否是一次用户

使用时长：既统计时间段内，某个设备从启动应用到结束使用的总计时长。

**DOU：**日老用户

**ACU：**平均同时在线人数

**PCU：**最高同时在线人数

**ARPU：**平均每个活跃用户收益

**ARPPU：**平均每个付费用户平均收益

LTV：生命周期价值，产品从用户所有互动中获取的全部经济收益总和

CAC：用户获取成本

ROI：投资回报率（利益总额/投入成本总额*100%）
GMV：成交总额，下单产生的总金额：销售额+取消订单金额+退款金额

**支付UV：**下单并成功支付的用户数

文献

avatar
文章
阅读
粉丝