一、如何理解數據

用戶數據：gender:性別、 birthday:出生日期

行為數據：user_id:用戶id、auction_id:購買行為編號、buy_mount:購買數量、day:購買時間

商品數據：cat_id:商品種類ID、cat1:商品類別、property:商品屬性

二、用戶數據指標

1.用戶數據相關的指標：

日新增用戶，日活躍用戶，留存率

1） 日新增用戶：產品每天新增用戶是多少。

新增用戶來自產品推廣的渠道，如果按渠道維度來拆解新增用戶，我們可以看出不同渠道分別新增了多少用戶，從而判斷出渠道推廣的效果。

2）活躍率:

活躍用戶數按時間分為：

日活躍用戶數，簡稱日活，DAU，Daily Active User；

周活躍用戶數，WAU，Weekly Active User；

月活躍用戶數，MAU，Monthly Active User。

注意：一個人一個月內活躍多次，也算1個人。所以活躍人數是1。

活躍率=活躍用戶數（去重）/總用戶數

2） 留存率

留存反映了不同時期獲得新用戶的流失情況，如果留存低，就要找到用戶流失的具體原因

留存率=第1天新增用戶中，在第N天使用過產品的用戶數/第1天新增用戶數

N=2:次日留存率

N=7:七日留存率

N=30:三十天留存率

第一天新增用戶100個，第二天這100個人里有40個人打開過app，那么次日留存率=40/100=40%。如果第七天這100個人人里有20個人打開過app，那么稱七日留存率=40/100=20%

40-20-10法則：達到次日留存率40%，七日留存率20%，三十日留存率10%，可以稱得上是發展較好的產品。

三、行為數據指標

1.行為數據指標

PV：Page view,頁面瀏覽次數。用戶每打開一個網頁可以看作一個PV，用戶看了十個網頁，那么PV為10。

UV：Unique visitor,一定時間段內訪問頁面的人數。在同一天內，不管用戶訪問了多少網頁，他都只算一個訪客。

2.轉發率

轉發率=轉發某功能的用戶數/看到該功能的用戶數

3.轉化率

轉化率=購買商品的人數 / 所有到達店鋪的人數（UV）

廣告轉化率=點擊廣告進入推廣網站的人數 / 看到廣告的人數

如果有100個人看到了廣告，其中有10個人點擊廣告進入推廣網站，那么轉化率=10（點擊廣告進入推廣網站的人數） / 100（看到廣告的人數）=10%

4.K因子

k因子衡量推薦的效果，即一個發起推薦的用戶平均可以帶來多少新用戶

K 因子= (平均每個用戶向多少人發出邀請) * (接收到邀請的人轉化為新用戶的轉化率)。

假設平均每個用戶會向20個朋友發出邀請，而平均的轉化率為10%的話，K =20*10%=2。

當K?1時，用戶群就會象滾雪球一樣增大。如果K?1的話，那么用戶群到某個規模時就會停止通過自傳播增長。

四、商品數據指標：

l 衡量業務總量的指標，比如成交總額，成交數量

l 衡量每個人平均的指標，比如客單價

l 衡量付費情況的指標，比如付費率，復購率

1.總量：衡量業務總量的指標，比如成交總額，成交數量

成交總額，GMV，就是指成交總額，也就是零售業說的“流水”。

需要注意的是成交總額包括銷售額、取消訂單金額、拒收訂單金額和退貨訂單金額。

成交數量，對于電商產品就是下單的商品數量。對于教育行業，就是下單課程的數量。

訪問時長，用戶使用app，或者網站的總時長

2.人均：用來衡量每個人平均的指標，比如客單價

人均付費=總收入/總用戶數，人均付費在游戲行業也叫ARPU，在電商行業也叫客單價

付費用戶人均付費(ARPPU，Average Revenue Per Paying User)

等于總收入/付費人數，這個指標用于統計付費用戶的平均收入。

人均訪問時長等于總時長/總用戶數，用于統計每個人使用產品的平均時長

3.付費：用來衡量付費情況的指標，比如付費率，復購率

付費率，是付費用戶占活躍用戶的比例。

復購率：是重復購買頻率，用于反映用戶的付費頻率。復購率指一定時間內，消費兩次以上的用戶數 / 付費人數。

4.商品

熱銷商品，好評商品，差評商品

總結：

實際應用

1）商品的銷售情況有如下信息：

表1中的字段

user_id:用戶id

auction_id:購買行為編號

cat_id:商品種類ID

cat1:商品類別

property:商品屬性

buy_mount:購買數量

day:購買時間

表2中的字段

user_id:用戶id

birthday:嬰兒出生日期

gender:性別（0 男性；1 女性；2 未知）

按照三種數據指標分類：

用戶數據:用戶id、嬰兒出生日期、性別

行為數據:購買行為編號、購買數量、購買時間

商品數據:商品種類ID、商品類別、商品屬性

2） 分析業務指標

a.用戶數據:用戶id、嬰兒出生日期、性別

根據用戶數據，分析產品用戶畫像多在哪個年齡范圍，性別比例如何

b.行為數據:購買行為編號、購買數量、購買時間

分析購買時間集中在什么時間，判斷同期進行的宣傳是否有效以及宣傳渠道是否合適。

c. 商品數據:商品種類ID、商品類別、商品屬性

評估哪些商品類別受歡迎，總結原因，優化店鋪產品結構。

2） 對于喜馬拉雅app的開發與推廣做類似分析（依據：《一款app用戶如何實現從0到1》）