今天和大家一起精讀一本最近很火熱的數據分析新書——《數據分析思維：分析方法和業(yè)務知識》，作者猴子·數據分析學院。
第二塊是實戰(zhàn)部分，講了電商、金融、在線教育、運營商、零售等不同行業(yè)的業(yè)務知識和案例分析。
這篇文章就是在閱讀了這本書第一章的一個讀書筆記加上我自己的理解，讓我們一起來精讀。
可從以下兩個方面理解數據：
每一列的含義
數據分類 從數據分類里，進一步地可以分為：
用戶數據：比如用戶的姓名、年齡、職業(yè)等；
行為數據：如瀏覽了哪些產品，停留時長等；
產品數據：如產品名稱、類別等。
對用戶分類，可以分為新增用戶、活躍用戶和留存用戶3大類，從這三大類可以得到相應的指標：
日新增用戶數：各渠道來源
這是我公眾號的日新增用戶數，甚至可以從不同的渠道來看，如搜一搜、他人轉載、名片分享等渠道。
活躍率
這里牽扯到如何定義“活躍”這個概念，不同的產品有不同的定義方法，但廣泛地來講，活躍率=活躍用戶數/總用戶數
留存率
留存用戶就是留下來的用戶，和它相對應的是流失用戶，根據時間不同，留存率可以分為次日留存率、第3日留存率，第7日留存率，第30日留存率等。
比如次日留存率=第1天新增用戶中，在第2天使用過該產品的用戶數/第1天新增用戶數
PV：Page View ，訪問次數
UV：Unique Visitor，訪問人數
比如一個網頁，1天被1個人打開了10次，那么它的PV是10，UV是1.
比如我公眾號的菜單欄【干貨學習】-【可視化】這個子菜單PV是9，UV是7.
轉發(fā)率
轉化率
如廣告轉化率=點擊廣告的人數/看到廣告的人數
k因子
k因子=平均每個用戶向多少人發(fā)出邀請 x 接收到邀請的人轉化為新用戶的轉化率
k因子用來衡量推薦的效果，K>1，則新增用戶數會像滾雪球一樣增大。
總量
GMV成交總額
成交數量
訪問時長
人均
人均付費APRU/客單價
付費用戶人均付費ARPPU
人均訪問時長
付費
付費率：付費人數/總用戶數
復購率：重復購買率
產品
比如熱銷產品top N
展示位廣告：按展示次數計費，CPM，多少人看了
搜索廣告：按點擊次數計費，多少人點了
信息流廣告：按實際投放效果付費，如CPD按下載付費，CPI按安裝付費，CPS按完成購買的用戶數或銷售額付費
如何選擇指標，在《精益數據分析》這本書里其實講的已經很透徹了。
比例
北極星指標：衡量業(yè)務的核心指標
使用多個指標從不同的維度評估業(yè)務，指標+體系
監(jiān)控業(yè)務
尋找問題
優(yōu)化工作
明確部門KPI，找到一級指標：一級指標并非只能一個指標
了解業(yè)務運營情況，找到二級指標：拆解
梳理業(yè)務流程，找到三級指標
通過報表監(jiān)控指標，不斷更新指標體系：日報，周報，月報
關于指標體系，其實從收集需求、規(guī)劃方案、采集數據、數據驗證到效果評估每個流程都需要多部門協調，這個過程中會用到很多分方法，如AARRR模型，之前也寫過：
現代管理學之父彼得·德魯克說過一句很經典的話：
如果你不能衡量它，那么你就不能有效增長它。
從這句話中我們也能體會到數據之于業(yè)務的意義。
好了，今天的精讀就到這了，開啟精讀一本書這個系列的原因很簡單，有一天我在找區(qū)塊鏈相關的資料，小明同學推薦了我一本書《區(qū)塊鏈基礎知識25講》，這本書還挺厚的，當時也是比較著急，自己看那么厚的紙質書還是電子版都不實際，突然我從CSDN上看到了別人的讀書筆記，精讀的那種，2個小時就把這本書講了啥大概了解了。我發(fā)現像我一樣有這種需求的人還是很多，因此就出現了這個精讀系列。
聯系客服
