search
萬字乾貨總結:最全的運營數據指標解讀

萬字乾貨總結:最全的運營數據指標解讀

業務是一個複雜體系,數據分析也從來不簡單,兩者結合都是充滿挑戰的。作者總結了一份群面的運營數據指標,希望給大家的工作帶來幫助與啟發。

運營和數據分析脫離不開關係。業務的洞悉決定了數據分析結果的上限,數據技巧只是逼近它。

每個產品和運營都應該洞察業務指標,希望通過本文,讓新人對業務指標的分析有一個大概框架。文章的內容會給你「寬」和「泛」的感覺,希望對新人有幫助,老人一笑而過就行了。

用戶獲取

用戶獲取是運營的起始,用戶獲取接近線性思維,或者說是一個固定的流程:用戶接觸-用戶認知-用戶興趣-用戶行動/下載。每一個流程都涉及多個數據指標。

渠道到達量

俗稱曝光量,即產品推廣頁中有多少用戶瀏覽。它可以在應用商店,可以在朋友圈,可以在搜索引擎,只要有流量的地方,都會有渠道曝光。

曝光量是一個蠻虛榮的數字,想一想現代人,每天要接觸多少信息?其中蘊含了多少推廣,最後能有幾個吸引到用戶?更多時候,渠道到達量和營銷推廣費掛鉤,卻和效果相差甚遠。

廣告和營銷還會考慮推廣帶來的品牌價值。用戶雖沒有點擊或和產品交互,但是用戶知道有這麼一個東西,它會潛移默化地影響用戶未來的決策。然而品牌價值很難量化,在廣告計算中,系統只會將用戶的行為歸因到最近一次的廣告曝光。

廣告點擊量稱為CTR,廣告點擊量/廣告瀏覽量,除了廣告,它也應用在各類推薦系統的評價中。

渠道轉化率

既然廣告已經曝光,那麼用戶應該行動起來,轉化率是應用最廣闊的指標。業界將轉化率和成本結合,衍生出CPM,CPC,CPS,CPD,CPT等。

  • CPM(Cost Per Mille)指每千人成本,它按多少人看到廣告計費,傳統媒介比較傾向採用。CPM推廣效果取決於印象,用戶可能瀏覽也可能忽略,所以它適合在各類門戶或者大流量平台採用Banner形式展現品牌性。
  • CPC(Cost Per Click)指每用戶點擊成本,按點擊計價,對廣告主來說,這個比CPM的土豪作派理性多了。也有很多人會認為,CPC不公平,用戶雖然沒有點擊,但是曝光帶來了品牌隱形價值,這對廣告位供應方是損失。
  • CPA(Cost Per Action)指每行動成本,按用戶行為計價,行為能是下載也能是訂單購買。CPA收益高於前兩者,風險也大得多,它對需求方有利對供應方不利。

以上三種是常見的推廣方式,CPT按時間,CPS和CPS算在CPA的範圍內。渠道推廣是依賴技術的行業,用戶畫像越精準,內容與用戶越匹配,則越容易產生收益。

還有一種指標eCPM(effective cost per mille),每一千次展示可獲得收入,這是廣告主預估自身收益的指標。

渠道ROI

ROI是一個廣泛適用的指標,即投資回報比。

市場營銷、運營活動,都是企業獲利為出發點,通過利潤/投資量化目標。利潤的計算涉及財務,很多時候用更簡單的收入作分子。當運營活動的ROI大於1,說明這個活動是成功的,能賺錢。

除了收入,ROI也能推廣到其他指標,有些產品商業模式並不清晰,賺不到錢,那麼收入會用其他量化指標代替。譬如註冊用戶量,這也就是獲客成本了。

日應用下載量

App需要下載,這是一個中間態,如果不注意該環節也會流失不少用戶。應用商店的產品介紹,推廣文案都會影響。有些動輒幾百M的產品,常將部分安裝留在初次啟動應用時以補丁形式完成,如各類遊戲,就是怕漫長的下載時間造成玩家流失。

第三方平台下載到用戶註冊App,這步驟數據容易出錯,主要是用戶對不上。技術上通過唯一設備ID匹配。

日新增用戶數

新增用戶數是用戶獲取的核心指標。

新增用戶可以進一步分為自然增長和推廣增長,自然增長可以是用戶邀請,用戶搜索等帶來的用戶,而推廣是運營人員強控制下增長的用戶量。前者是一種細火慢燉的優化,後者是烹炸爆炒的營銷。

用戶獲客成本

用戶獲取必然涉及成本,而這是運營新手最容易忽略的。獲取新增用戶,運營都應該知道的事

獲客成本應該直接和新增用戶的財務掛鉤,比如地推費用,新用戶禮品。但是整個產品的運營環節成本不應該計算入內。直面上的獲客成本成本,微信冬粉在10~20元,產品根據不同業務形態價格差異極大。金融理財類的產品,一個有效用戶成本超過四位數,非常誇張。而行業的整體獲客成本仍舊在上升。

一次會話用戶數

一次會話用戶,指新用戶下載完App,僅打開過產品一次,且該次使用時長在2分鐘以內。這類用戶,很大可能是黑產或者機器人,連羊毛黨都算不上。

這是產品推廣的灰色地帶,通過各種技術刷量,獲取虛假的點擊量謀取收益。該指標屬於風控指標,用於監管。

用戶活躍

用戶活躍是運營的核心階段,不論移動端、網頁端或者微信端,都有相關指標。另外一方面,現在數據分析也越來越注重用戶行為,這是精細化的趨勢。

日活躍用戶/月活躍用戶

行業默認的活躍標準是用戶用過產品,廣義上,網頁瀏覽內容算「用」,在公眾號下單算「用」,不限於打開APP。這一部分內容可以參考我之前的文章《用戶運營,如何做好活躍用戶的數據分析》

活躍指標是用戶運營的基礎,可以進一步計算活躍率:某一時間段內活躍用戶在總用戶量的佔比。按時間維度,則有日活躍率DAU、周活躍率WAU和月活躍率MAU。活躍用戶數,衡量的是產品的市場體量,活躍率,看的則是產品的健康。

可僅僅打開產品,能否作為產品健康的度量?答案是否定的。成熟的運營體系,會將活躍用戶再細分出新用戶、活躍用戶、忠誠用戶、不活躍用戶、流失用戶、迴流用戶等。流失用戶是長期不活躍,忠誠用戶是長期活躍,迴流用戶是曾經不活躍或流失,後來又再次打開產品的活躍用戶。

通過不同的活躍狀態,將產品使用者劃分出幾個群體,不同群體構成了產品的總用戶量。健康的產品,流失用戶佔比不應該過多,且新增用戶量要大於流失用戶量。

PV和UV

PV是互聯網早期Web站點時代的指標,也可以理解為網頁版活躍。PV(PageView)是頁面瀏覽量,用戶在網頁的一次訪問請求可以看作一個PV,用戶看了十個網頁,則PV為10。

UV(Unique Visitor)是一定時間內訪問網頁的人數,正式名稱獨立訪客數。在同一天內,不管用戶訪問了多少網頁,他都只算一個獨立訪客。怎麼確認用戶是不是同一個人呢?技術上通過網頁緩存cookie或者IP判斷。如果這兩者改變了,則用戶算作全新的訪客。

PV和UV是很老的概念,但是數據分析繞不開他們,除了產品上各頁面的瀏覽,在第三方平台如微信,各類營銷活動都只能通過Web頁實現,PV和UV便需要發光發熱了。

有一點需要注意的是,微信瀏覽器不會長期保留cookie,手機端的IP也一直變動,基於此統計的UV會有誤差(不是大問題,只是uv中的新訪客誤差較大)。這裡可以通過微信提供的openid取代cookie作為uv基準,需要額外的技術支持。

用戶會話次數

用戶會話也叫session,是用戶在時間窗口內的所有行為集合。用戶打開App,搜索商品,瀏覽商品,下單並且支付,最後退出,整個流程算作一次會話。

會話的時間窗口沒有硬性標準,網頁端是約定俗成的30分鐘內,在30分鐘內用戶不管做什麼都屬於一次會話。而超過30分鐘,不如出去吃個飯回來再操作,或者重現打開,都屬於第二次會話了。

移動端的時間窗口默認為5分鐘。

用戶會話次數和活躍用戶數結合,能夠判斷用戶的粘性。如果日活躍用戶數為100,日會話次數為120,說明大部分用戶都只訪問了產品一次,產品並沒有粘性。

用戶會話依賴埋點採集,不記錄用戶的操作,是無法得知用戶行為從哪裡開始和結束的。另外一方面,用戶會話是用戶行為分析的基礎。

用戶訪問時長

顧名思義,用戶訪問時長是一次會話持續的時間。不同產品類型的訪問時長不等,社交肯定長於工具類產品,內容平台肯定長於金融理財,如果分析師發現做內容的產品大部分用戶訪問時長只有幾十秒,那麼最好分析一下原因。

功能使用率

除了關注活躍,運營和數據分析師也應該關注產品上的重要功能。如收藏,點贊,評論等,這些功能關係產品的發展以及用戶使用深度,沒有會喜歡一個每天打開產品卻不再做什麼的用戶。

功能使用率也是一個很寬泛的範圍,譬如用戶瀏覽了一篇文章,那麼瀏覽中有多少用戶評論了,有多少用戶點贊了,便能用點贊率和評論率這兩個指標,然後看不同文章點贊率和評論率有沒有差異,點贊率和評論率對內容運營有沒有幫助,這些都屬於功能使用率。又譬如視頻網站,核心的功能使用率就是視頻播放量和視頻播放時長。

微信公眾號指標即可以單獨說,也能把它作為產品的功能延伸看待。圖文送達率,轉化分享率,二次轉化分享率,關注者增量等和本文其他指標一脈相承。只是第三方數據多有不便,更多分析依賴假設。

用戶留存

如果說活躍數和活躍率是產品的市場大小和健康程度的話,那麼用戶留存就是產品能夠可持續發展。

留存率

用戶在某段時間使用產品,過了一段時間后,仍舊繼續使用的用戶,被稱為留存用戶。留存率 = 仍舊使用的用戶/ 當初的總用戶量。

在今天的互聯網行業,留存是比新增和活躍提到次數更多的指標,因為移動的人口紅利沒有了,用戶越來越難獲取,競爭也越來越激烈,如何留住用戶比獲得用戶更重要。

假設產品某天新增用戶1000個,第二天仍舊活躍的用戶有350個,那麼稱次日留存率有35%,如果第七天仍舊活躍的用戶有100個,那麼稱七日留存率為10%。

Facebook有一個著名的40-20-10法則,即新用戶次日留存率為40%,七日留存率為20%,三十日留存率為10%,有此表現的產品屬於數據比較好的。

上面的案例都是圍繞新用戶展開,還有一種留存率是活躍用戶留存率,或者老用戶活躍率,即某時間活躍的用戶在之後仍舊活躍的比率。它更多用周留存和月留存的維度。

新增留存率和活躍率是不同的,新增留存率關係於產品的新手引導,各類福利,而活躍留存率和產品氛圍,運營策略,營銷方式等有關,更看重產品和運營的水平。

用戶流失率

用戶流失率和留存率恰好相反。如果某產品新用戶的次日留存為30%,那麼反過來說明有70%的用戶流失了。

流失率在一定程度能預測產品的發展,如果產品某階段有用戶10萬,月流失率為20%,簡單推測,5個月後產品將失去所有的用戶。這個模型雖然簡陋,用戶迴流和新增等都沒有考慮,但是它確實反應了產品未來的生命周期不容樂觀。

這裡可以引出一個公式,生命周期 = (1/流失率)*流失率的時間維度。它是經驗公式,不一定有效。

產品的流失率過高有問題么?未必,這取決於產品的背景形態,某產品主打婚禮管理工具,它的留存率肯定低,大多數用戶結婚後就不用。但這類產品一定有生存下去的邏輯。旅遊類的應用也是,用戶一年也打開不了幾次,但依舊能發展。

退出率

退出率是網頁端的一個指標。網頁端追求訪問深度,用戶在一次會話中瀏覽多少頁面,當用戶關閉網頁時,可認為用戶沒有「留存」住。退出率公式:從該頁退出的頁面訪問數/進入該頁的頁面訪問數,某商品頁進入PV1000,該頁直接關閉的訪問數有300,則退出率30%。

跳出率是退出率的特殊形式,有且僅瀏覽一個頁面就退出的次數/訪問次數,僅瀏覽一個頁面意味著這是用戶進入網站的第一個頁面,俗稱落地頁LandingPage。

退出率用於網頁結構優化,內容優化。跳出率常用於推廣和運營活動的分析,兩者容易混淆。

營銷

營銷也有自己的數據體系,互聯網的數據體系就是脫胎於此才發展出AARRR框架。產品的發展模式有兩種,如果一款產品能夠在短時間獲得百萬用戶,AARRR框架更適合它;如果一款產品從第一個用戶起即有明確的商業模式,也能嘗試套用市場營銷的概念。

用戶生命周期

用戶生命周期來源於市場營銷理論,舊稱客戶生命周期。

它有兩種含義,一種是針對用戶個體/群體的營銷生存窗口。用戶會隨時間推移發生變化,這種變化帶來無數營銷機會,對市場和企業是機遇。如懷胎十月,它就是一個生命周期為十月的營銷窗口,企業會圍繞這時期的用戶建立特定營銷。搬家,大學畢業,買房等都具有典型的周期特徵。

另外一種是用戶關係管理層面的生命周期,它對運營人員更重要。產品和用戶的業務關係會隨著時間推移改變。在傳統營銷中,分為潛在用戶,興趣用戶,新客戶,老/熟客戶,流失客戶。這幾個層層遞進的階段和用戶活躍很像。

對於一款母嬰產品,我既要知道營銷的生存窗口,即懷孕了幾個月,因為孕早期和孕晚期的營銷側重點不一樣,剛懷孕肯定是最合適的。也要知道用戶本身和產品對應的關係,這位媽媽是新客戶,還是曾經用過App但流失了。

營銷數據分析中,最關鍵的環節就是新客戶—流失客戶這個階段,一位用戶能和產品互動多久,將決定產品的生命力。聽起來和留存挺像的,上文提過的生命周期計算公式,就是脫胎於市場營銷。

用戶生命周期價值

生命周期價值是用戶在生命周期內能為企業提供多少收益,它需要涉及財務定義。互聯網行業更多提到生命周期,而不是生命周期價值,因為互聯網的商業模式沒有傳統營銷的買和賣那麼簡單明確。

舉個例子,微信用戶的生命周期價值能否計算?並不能,不論是廣點通、遊戲或者微信理財,都推導不出一個泛化的模型。但是部分產品,如金融和電商,生命周期價值是可計算的。

以互聯網金融舉例,某App提供理財和現金貸款兩種業務,公司從這兩個業務中獲得收入通常是一個較穩固的比率,而成本支出平攤每個用戶頭上也是固定常數。所以利潤就變成了用戶理財和貸款的金額大小,以及生命周期的長短。這兩者都是可估算的。

生命周期價值比生命周期重要,因為公司要活下去,就得賺更多的錢,而不是用戶使用時間的長短。更多內容見《淺談運營的商業邏輯:CAC和CLV》。

客戶/用戶忠誠指數

忠誠指數是對活躍留存的再量化。活躍僅是產品的使用與否,A用戶和B用戶都是天天打開App,但是B產生了消費,那麼B比A更忠誠。數據往往需要更商業的指標描述用戶,消費與否就是一個好維度。

我們可以用一個簡化模型表示:

t是一個時間窗口,s代表消費次數,代表的距今某段時間內的消費次數。若時間窗口選擇月,那麼t=1是距今第1個月內的消費次數,t=2是距今第2個月內的消費次數,列舉數據如下。

將消費次數代入s/(s+1),對數據進行轉換,它的目的是收斂。以忠誠角度看,消費10次和消費100次的差異並不大,都屬於很高且難以流失的用戶,10/11和100/101的關係,並且有效規避極值。對於消費0次,1次,2次的用戶,則對應0,0.5和0.66,在業務上也具備可解釋性。

各月份求和得出的指數能反應用戶在消費方面的忠誠。圖例只是解釋,實際應用過程中需要歸一化,並且考慮時間權重:越近的消費肯定越忠誠。上述的模型在於簡單,適合各類商業模式的早期分析,如金融投資,便可以計算用戶每個季度的投資次數。

客戶/用戶流失指數

流失指數是對流失的再量化,它是忠誠指數的反面。流失率衡量的是全體用戶,而為了區分不同用戶的精細差異,需要流失指數。在早期,流失指數=1-忠誠指數。

流失指數和忠誠指數的具體定義能根據業務需要調整,比如忠誠按是否消費,流失按是否打開活躍,只要解釋能站住腳。

在擁有足夠的行為數據后,可以用回歸預測流失的概率,輸出[0,1]之間的數值,此時流失的概率便是流失指數。

客戶/用戶價值指數

用戶價值指數是衡量歷史到當前用戶貢獻的收益(生命周期價值是整個周期,包括未來),它是精細化運營的前提,不同價值的用戶採取不同策略以最大化效果。

用戶價值指數的主流計算方式有兩種,一種是RMF模型,利用R最近一次消費時間,M總消費金額,F消費頻次,將用戶劃分成多個群體。不同群體即代表了不同的價值指數。

第二種是主成分分析PCA,把多個指標轉化為少數幾個綜合指標(即主成分),其中每個主成分都能夠反映原始變數的大部分信息,且所含信息互不重複。

假設有一個旅遊攻略網站,怎麼界定優質的內容貢獻者?用戶的文章發布量?文章被點贊數?用戶被關注數?文章好評數?文章更新頻次?每個指標都挺重要的,主成分分析能囊括上述所有指標,將其加工成兩到三個指標(通常是線性相關指標被合併)。這時再加工成價值指數則不難了。

上述各類指數,都是針對用戶營銷的明細數據。如何應用呢?最經典的是矩陣法,將指標劃分出多個象限,如用戶價值指數和用戶流失指數。

對於用戶價值高且流失指數高的用戶,應該採取積極的喚回策略,對於用戶價值低且流失指數高,那麼考慮成本的平衡適當運營即可…這就是精細化運營的一個案例,也是市場營銷多年來總結出的有效方法。

傳播/活動

把傳播和活動放到一起講,它們是一體兩面。

K因子

國外用得廣泛的概念:每位用戶平均向多少用戶發出邀請,發出的邀請又有多少有效的轉化率,即每一個用戶能夠帶來幾個新用戶,當K因子大於一時,每位用戶能至少能帶來一個新用戶,用戶量會像滾雪球般變大,最終達成自傳播。當K因子足夠大時,就是快口相傳的病毒營銷。

國內的邀請傳播,主體自然是微信朋友圈。微信分享功能和網頁都是能增加參數統計的,不難量化。

病毒傳播周期

活動、廣告、營銷等任何能稱之為傳播的形式都會有傳播周期。病毒性營銷強則強矣,除非有後續,它的波峰往往只持續兩三天。這也是拉新的黃金周期。

另外一種傳播周期是圍繞產品的邀請機制,它指種子用戶經過一定周期所能邀請的用戶。因為大部分用戶在邀請完后均會失去再邀請的動力,那麼傳播周期能大大簡化成如下:假設1000位種子用戶在10天邀請了1500位用戶,那麼傳播周期為10天,K因子為1.5,這1500位用戶在未來的10天內將再邀請2250位用戶。

理論上,通過K因子和傳播周期,能預測依賴傳播帶來的用戶量,可實際的操作意義不大,它們更多用於各類活動和運營報告的解讀分析。

用戶分享率

現在產品都會內嵌分享功能,對內容型平台或者依賴傳播的產品,分享率是較為重要的指標,它又可以細分為微信好友/群,微信朋友圈,微博等渠道。

有一點值得注意,數據只能知道用戶轉發與否,轉發給誰是無法跟蹤的。所以產品用物質激勵用戶分享要當心被薅羊毛。反正我轉發都是給「文件傳輸助手」的…

活動曝光量/瀏覽量

傳播和線上活動是息息相關的,這兩者的差異不大。想要做好一個活動,單純知道活動的瀏覽量是不夠的,好的活動一定是數據分析出來的。以朋友圈最尋常見的紅包營銷舉例。它的分析通過網頁參數,如下:

aaa.com/activity/bigsales/?source=weixin&content=h9j76g&inviter=00001&timestamp=1495286598

問號後面的是網頁參數,source=weixin說明網頁是分享到微信的。content=h9j76g是頁面具體內容,這裡則是營銷紅包的類型。inviter=00001說明是哪個用戶分享出去的,timestamp則是分享的具體時間戳。不同用戶的分享頁面有不同參數,按此作區分。

當這些頁面被用戶分享到朋友圈時,數據採集系統會記錄所有頁面的打開瀏覽。而頁面參數則是活動精細化分析的前提。通過source=weixin,數據分析師知道了紅包活動在微信的瀏覽量,相對應的還有QQ和微博。content則能看出用戶喜歡哪個類型的紅包,哪種紅包被領取得多,成本又是多少。inviter則能看出平均每個分享者的分享頁能帶來多少瀏覽量。

參數越多,分析的維度就能越細,活動可優化的空間也越大。如果大家有心的話,可以看朋友圈(包括網頁)各種活動的網頁參數,觀察其他產品的分析維度,它山之石可以攻玉,這是一個好習慣。

活動參與率

活動參與率衡量活動的整體情況,可以套用用戶活躍的分析指標。

這個活動的參於人數(活躍數)多少?有多少老用戶參與了這個活動?有多少新增用戶因為這個活動來,傳播類的活動分享數據怎麼樣?活動中的各個流程轉化如何?活動帶來多少新訂單。其實,運營活動可以看作一個短生命周期的產品,產品的一切指標都能應用於其中。

好的活動應該機制化,把它融入到產品的功能機制中,比如滴滴打車的紅包,美圖餓了么的紅包,都是從活動逐漸變成一種打法和抓手。更早期的各類網游,也是通過活動的推成出新成為了現在常態化的遊戲功能。

活動的機制化,意味著數據要分析活動指標,發現優點以改進,之後同樣常態化成報表:今天使用了多少紅包,今天有多少用戶因為活動新增,等等。

營收

產品,運營或者市場人員,從來不是為活躍、留存負責,而是商業,是企業的根本財務。數據分析也不是為了提高活躍和留存,而是像一個巨頭的漏斗,最終將業務驅動於此,即回歸商業的本質。

活躍交易用戶數

從產品曝光到用戶下載,用打開活躍到產生收入,產品的指標在一步步往商業靠攏,活躍交易用戶則是核心指標。整個流程呈現漏斗狀。

這裡的交易,即是買方的消費,也包含賣方的供應。若平台包含B端和C端,則兩端同等重要,均需要納入數據體系。

和活躍用戶一樣,活躍交易用戶也可以區分成首單用戶(第一次消費),忠誠消費用戶,流失消費用戶等。細分交易數據和指標,關係到產品商業化的進展,所以是有必要的。其實到這個環節,各類指標已經更傾向用戶畫像,而非報表統計了。

活躍用戶交易比,統計交易用戶在活躍用戶中的佔比。當產品活躍用戶足夠多,但是交易用戶少,此時的商業化是有問題的,俗稱的變現困難,很多公司都倒在這一步。

GMV

成交總金額,只要用戶下單,生成訂單號,便可以算在GMV里,不管用戶是否真的購買了。互聯網電商更偏好這個指標。

成交金額對應的是實際流水,是用戶購買后的消費金額。銷售收入則是成交金額減去退款。至於利潤、凈利率,涉及到財務成本,數據分析挺難拿到這類數據,所以不太用到。

把上述的三個指標看作用戶支付的動態環節,則能再產生兩個新指標,這也是數據分析的思維之一。成交金額與GMV的比率,實際能換算成訂單支付率;銷售收入和成交金額,也涉及到了退款率,當分析陷入卡頓時,不妨觀察下這兩個指標,或許有幫助。

客單價

傳統行業,客單價是一位消費者每一次到場消費的平均金額。在互聯網中,則是每一筆用戶訂單的收入,總收入/訂單數。

很多遊戲或直播平台,並不關注客單價,因為行業的特性它們更關注一位用戶帶來的直接價值。超市購物,用戶購買是長周期性的,客單價可以用於調整超市的經營策略,而遊戲這類行業,用戶流失率極高,運營人員更關注用戶平均付費,這便是ARPU指標,總收入/用戶數。

ARPU可以再一步細分,當普通用戶佔比太多,往往還會採用每付費用戶平均收入ARPPU,總收入/收費用戶數。

復購率

若把復購率說成營收屆的留存率,你就會知道它有多重要了。和新增用戶一樣,獲得一個新付費用戶的成本已經高於維護熟客的成本。

在不少分析場景中,會將首單用戶單獨拎出來作為一個標籤,將兩次消費以上的用戶作為老客,之所以這樣做,是從一到二的意義遠不止加一那麼簡單。

用戶第一次消費,可能是體驗產品,可能是優惠,可能也是運營極大力地推動,各類因素促成了首單。而他們的第二次消費佔比會有斷崖式下跌(對應次日留存率的下跌),因為這時候的消費逐漸取決於用戶對產品的信任,模式的喜歡或者習慣開始養成。

很多時候,用戶決策越長往往意味著客單價越高,如投資,旅遊。此時首單復購率越是一個需要關注的指標,它意味著更多的利潤。

復購率更多用在整體的重複購買次數統計:單位時間內,消費兩次以上的用戶數占購買總用戶數。

回購率是另外一個指標,值得是上一個時間窗口內的交易用戶,在下一個時間窗口內仍舊消費的比率。例如某電商4月的消費用戶數1000,其中600位在5月繼續消費,則回購率為60%。600位中有300位消費了兩次以上,則復購率是50%。

退貨率

退貨率是一個風險指標,越低的退貨率一定越好,它不僅直接反應財務水平的好壞,也關係用戶體驗和用戶關係的維護。

商品

這裡談以商品為主的數據分析,商品不限於零售行業,知識市場、虛擬服務、增值服務都屬於商品的一種。它有許多通用的分析模板,如購物車、進銷存。

購物籃分析

購物籃分析不應限於電子商務分析,而是用戶消費行為分析。

連帶率是購物籃分析的一種指標,特指銷售件數和交易次數之比。在大型商場和購物中心中,連帶消費是經營的中心,用戶多次消費即連帶消費。在電商中是購物的深度,是單次消費提高利潤的前提。

商品熱度是一種快速見效的分析。可以將商品分為最熱門Top20,最盈利Top20等,它依託二八法則,找出利潤的抓手,很多營銷會將它和連帶率結合,像電子商務,重點推廣多個能帶來流量的熱門爆款,爆款並不賺錢,而是靠爆款連帶銷售其他有利潤的商品。這種流量商品連帶利潤商品的策略並不少見。

購物籃分析中最知名的想必是關聯度,簡單理解是,買了某類商品的用戶更有可能買哪些其他東西。啤酒與尿布大概是最知名的案例了,雖然它是錯的,但揭示了商品之間確實存在關聯。

關聯分析有兩個核心指標,置信度和支持度。支持度表示某商品A和某商品B同時在購物籃中的比例,置信度表示買了商品A和人有多少同時買了B,表示為A→B。老王每次去菜場買菜都喜歡買一把蔥,在老王的菜籃(購物籃)分析中,蔥和其他菜的支持度很高,可是能說明老王買蔥后就一定買其他菜(蔥→其他菜)么?不能,只能說老王買了菜會去買蔥(其他菜→蔥)。除此還有提升度。 最有名的是Apriori演算法。

關聯分析並非只適用於購物籃,在很多營銷場景中都會用它作為追加銷售和交叉銷售。常見有大額消費+現金貸,醫療健康+保險等,目的便是提高營收。

進銷存

進銷存是傳統零售行業的經典管理模型,將企業商品經營拆分出採購、入庫、銷售三個環節,並且建立全鏈路的數據體系。在實際業務中,許多場景與進銷存都息息相關。

電子商務有幾個基礎概念,商品、SKU、SPU。商品就是對應消費者理解的單品,任何主流的電子商務網站,商品詳情頁都對應一個商品,也稱為SPU。而在商品詳情頁中,還會涉及尺碼,顏色,樣式的選擇,這類屬性形成了SKU,最小單位庫存。每一個屬性都對應著不同的SKU,如一件衣服有SML三個尺寸,則這件衣服是一個SPU,三個尺寸對應著三個SKU。

商品管理沒有我們想象的那麼簡單,有些用戶喜歡玫瑰金的iPhone,有些用戶鍾情於128G,如何更好地邁出這些商品,是從採購環節就開始的。

採購包括廣度、寬度、深度三個維度。廣度是商品品類,越充足的品類越能滿足消費者的消費,但是也帶來管理難銷售難的缺點。市面上手機品類總共有50個,某手機店出售30種,品類比為60%。

採購寬度是SKU佔比,代表商品供選擇的豐富程度。iPhone有黑色、銀色、玫瑰金三種顏色和16G、64G、128G三種容量,共9個SKU,如果手機店只賣玫瑰金色,則SKU佔比0.33。採購深度是平均每個SKU的商品數量。

庫存是一個中間狀態,採購是進,銷售是出。庫存是一個動態滾動的變化過程,我們常拿過去時間窗口內的庫存消耗速度衡量現有存量的消耗。某商場4月每天消耗庫存1000件,4月末的庫存為5萬件,則這5萬件的需要50天才能消耗完,50天被稱為庫存天數。雖然公式是理想狀況,但以其判斷缺貨是沒問題的。

銷售環節大家更熟悉,指標聚焦在兩個方面,銷售的速度和銷售的質量。銷售速度常表示為售罄率,表示為時間窗口內的銷售數量/時間窗口內的庫存數量,這是比率,故可以用累計售罄率。某商品3月份累計售罄率50%,4月份累計售罄率60%,5月份累計售罄率80%,說明商品逐漸賣斷貨應該補貨了,反過來售罄率一直低迷,則應該促銷或者降低進貨。

銷售的質量和折扣率掛鉤,乃是實收金額和標準金額的比率。國內各種紅包折扣促銷非常多,折扣率的統計師是非常有必要的。折扣率的典型應用是價格彈性指數:當價格變化1%時,商品銷量變化的百分比。這個指數將直接影響利潤。

進銷存內容比較多,熟悉了留存活躍分析的人可能會稍有些不習慣。可是互聯網變現的主流模式是電商或其變種,這方面的知識不可或缺。拿互聯網金融來說,投資標的有典型的進貨和庫存特徵,標的的投資額大小,風險等級與類型,標的剩餘數量和預計庫存天數,都是能直接適用進銷存指標的。當分析師發現某理財標的庫存天數過長,則要分析原因,是SKU過多,還是增長乏力。

最後

到這裡,大家已經頭暈了吧,業務是一個複雜體系,數據分析也從來不簡單,兩者結合都是充滿挑戰的。我的內容也沒有囊括全部,比如電商還有搜索有效性的指標,用戶在搜索框搜索,有多少為空搜索?而非空搜索中,有多少產生點擊的有效搜索?小小一個搜索框也有很多門道。

更重要的能力是洞察和發現,文章所有的指標,並非我發明的,都是市場營銷與數據分析的前輩總結而出,但是我個人學習中,並非囫圇吞棗,每個指標我都會停下思索如何用?過往哪種經驗能和他聯繫起來。數據分析短期內是無法快速獲得業務經驗,但是多思考是一種更好掌握的技巧。

當然,分析中用不到那麼多指標,往往兩到三個關鍵指標足夠,從業務方看,這些指標也不盡然是工作內容,大家別為KPI感到壓力。更好的驅動與分析方式,是針對部門設立一個大目標,比如營收,將營收拆分成兩到三個有邏輯關聯的二級指標,如更多的付費用戶能帶來營收,更長的生命周期能帶來營收,更高的客單價能帶來營收。將二級指標分配個多個小團多或者按時間排期執行,二級指標也能拆分成三級。

熱門推薦

本文由 一點資訊 提供 原文連結

一點資訊
寫了5860316篇文章,獲得23312次喜歡
留言回覆
回覆
精彩推薦