大家好，又见面了，我是你们的朋友全栈君。
为了进一步提升自己分析业务的能力，首先得先了解好在日常业务分析当中往往会用到那些数据指标。
接下来我给大家整理了常见的一些数据指标，建议收藏后慢慢阅读。
目录
- 用户获取
- 渠道到达量
- 渠道转化率
- 渠道ROI
- 日应用下载量
- 日新增用户数
- 用户获取成本
- 一次会话用户数
- 用户活跃
- 活跃用户
- PV和UV
- 用户会话次数
- 用户访问时长
- 功能使用率
- 用户留存
- 留存率
- 用户流失率
- 退出率和跳出率
- 市场营销
- 用户生命周期
- 用户生命周期价值
- 用户忠诚指数
- 用户流失指数
- 用户价值指数
- 结束语
用户获取
渠道到达量
这个俗称曝光量，如果在CSDN有发过博客的朋友应该知道“展现量”这个词，同理。
这个指标其实是一个比较虚的数据，因为实际上我们每个人每天都会接收到许多的信息，但实际上真的吸引到我们的信息又有多少呢？但是这个值又往往跟我们的推广费（广告费）挂钩。因为推广的时候你很难量化广告对用户的影响程度，所以系统往往只能将用户的行为归因到最近一次的推广
渠道转化率
不同业务下指代有所不同，以CSDN为例子可以是点击量/展现量。
渠道ROI
ROI，即为投资回报比——利润/投资。 当ROI大于1时，说明是赚钱的，反之则亏钱。
除了收入外，ROI也可以用于其他指标，不一定非得是收入，也可以是注册用户量，即具体业务具体指代可以有所不同，但最终目标都是用于衡量是否盈利（亏还是不亏）
日应用下载量
想要使用产品之前需要我们下载好该产品，如果不注重该环节也极有可能会流失用户（如下载时间过长很多没耐心的用户会选择放弃、应用商店对产品的介绍很差或者不到位也有可能劝退用户）。
日新增用户数
新增用户数是用户获取的核心指标（对于新兴产品尤为重要）。
这一指标也可以进一步细分，自然增长数和推广增长数。前者往往变化幅度不大，后者则是运营人员强控制下增长的，起伏明显。
当然啦，具体业务分析时我们往往可以再进一步细分指标，如自然增长可以分为用户邀请、用户搜索，推广增长可以按渠道、活动进一步细分。
用户获取成本
这一指标对于新兴产品同样十分重要。
这里想举个例子：拼多多作为近年来的新兴网购平台，有一个100元提现的活动，这个活动利用好友间分享（新用户砍的力度更大）来获取新客户，看似白给了100快钱，实际上却得到了无数新用户，比以前京东白条新用户还有无门槛的50元券免费送的活动还要简单粗暴。
一次会话用户数
指新用户下载完App，仅打开过产品一次，且该次使用时长在2分钟（通常是2分钟）以内。这类用户，很大可能是黑产或者机器人，
这是产品推广的灰色地带，通过各种技术刷量，获取虚假的点击量谋取收益。该指标属于风控指标，用于监管。
举例：B站邀好友赚红包，新用户需看几分钟的视频红包才更大。
用户活跃
活跃用户
一般情况下，活跃标准为用户用过产品（浏览网页内容、下单购买等）。
活跃指标是用户运营的基础，活跃率即为某段时间内活跃用户占总用户量的比例。这里的某段时间通常有按天、周或者月来定义。活跃用户数衡量的是该产品的市场体量，而活跃率则是看产品的健康程度。
不过为了进一步查看产品的健康程度，应该在活跃指标的基础上在对用户进行细分，分成新用户、活跃用户、忠诚用户、不活跃用户、流失用户和回流用户等。这里的忠诚用户指的是长期活跃的用户，回流用户指的是某段时间不活跃或者流失但后面又重新使用该产品的用户。
其中，健康的产品流失用户占比不应该过多，同时新增用户数应大于流失用户数。
PV和UV
PV和UV是相对比较老的概念了。
PV，即为PageView，页面浏览量的意思。 UV，即为Unique Visitor，名为独立访客数，是一定时间内访问网页的人数。在同一时间内，不管用户访问网页为多少，只算做一个独立访客（通过IP或者cookie判断）。
这里需要注意到同一用户在一定时间内的cookie和IP也有可能发生变化，所以这一指标统计时可能出现误差，需要额外的方法来辅助判断。
用户会话次数
学过开发的朋友应该听过session，记录着用户在该时间窗口内的所有行为集合。如用户打开应用，接受消息，发送消息，最后退出，这样算作一次会话。
至于时间窗口的长度则没有统一标准，网页端通常是30分钟，移动端通常是5分钟，但具体业务可能也有所不同。
这里的指标往往回合活跃用户数结合来判断用户的粘性，假设日活跃用户数为120，日用户会话数为100，则说明大多数用户只访问了一次，产品粘性较低。
用户会话依赖数据埋点采集，是用户行为分析的基础。
用户访问时长
一次会话持续的时间，不同业务下的访问时长也不一样，社交产品往往较长，当发现社交产品的用户访问时间只有几十秒时，就要分析一下原因了。
功能使用率
除了关注上述指标，我们进行分析时还应该关注产品上的各种功能的使用情况，如CSDN上的关注、点赞、评论收藏等，这些功能的使用也会反映出用户使用深度。比如说通过观察浏览用户中有多少用户点赞、有多少评论了等等，对博客内容的评估，对运营人员推流是否有所帮助。
用户留存
用户留存往往用于衡量产品的后续发展前景。
留存率
在之前的时间段使用过该产品后仍在使用的用户，称为留存用户。留存率即为留存用户/当初的总用户量。
当该产品用户趋于饱和，新用户增长较少时，留存率是比新增用户数和活跃数更常用到的指标，因为此时运营的重点是要留住用户。
这里的留存率其实还可以分为新增留存率和活跃留存率，前者重在新用户的引导，后者更注重产品本身的质量和运营的水平。
用户流失率
同留存率恰好相反，两者相加即为1。
产品的流失率高往往代表着产品不健康，但具体的业务下对于流失率的高低衡量也不同，比如日常用品的流失率为50%和婚庆类产品的50%截然不同。
退出率和跳出率
退出率：某个时间段内，离开网页的次数占该网页总浏览次数的比例。 退出率=退出次数/总访问量*100%。
跳出率指用户通过搜索关键词来到你的网站，仅浏览了一个页面就离开的访问次数与所有访问次数的百分比。
退出率从某方面反映了网站对于访客的吸引力，如果退出百分比很高，说明访客仅浏览少量的页面便离开了，因此当你的网站退出百分比很高的时候就要想办法改善你网站的内容来吸引访客了。 跳出率常用于推广和运营活动的分析，两者容易混淆。
跳出率高，说明很多新用户来了，看了一页就离开。（好像有种被骗的感觉） 退出率低，说明新老用户来了都点击很多页才离开。（说明网站内容深受欢迎）
市场营销
用户生命周期
指用户从开始接触产品，到最后彻底流失的过程。
这里可以从两个方面来讲，一是针对用户的生存窗口，二是用户关系管理层面来讲。 前者如十月怀胎，十月即为营销窗口，孕期前后都需要运营人员制定不同的营销重点，后者像上文讲到的活跃用户一样，将用户分为潜在用户、兴趣用户、新用户、老用户，流失用户。
再拿十月怀胎举例，我们需要知道用户怀胎几月了，也要知道用户是否使用过我们的产品（是潜在用户还是流失用户）。
用户生命周期价值
CLV，即Customer Lifetime Value，CLV是对客户未来利润的有效预测，用来衡量一个用户在一段时期内对企业有多大价值。
CLV模型在中小企业的具体运营中应用到的不多，更多是在做年度规划，年度财务核算，或者企业战略中会较为常见的使用，以站在企业的战略层面去考虑顾客价值与投入之间的关系。
需要特别说明的是，CLV考虑了完整的客户生命周期，包含客户获取和客户流失，也就是它计算的不只是眼前顾客已经产生的价值，还预测了未来价值。
CLV的计算公式有非常多，有的会非常复杂，主要在流失率这个环节和影响因素就相当多，也有会加上投入成本，价值变化率和利率变化等等。
假如一个客户两年内在某商店内消费2000元，这2000元就是CLV，具有预测性。
作用：
- 根据客户价值对客户分类，尽量获取优质客户；
- 根据客户价值，执行推广计划，评估市场效果；
- 制定留存策略，留住优质客户；
- 差异化定价，针对性促销；
- 对客户细分，提供更加针对性的服务。
用户忠诚指数
客户忠诚度，又可称为客户粘度，是指客户对某一特定产品或服务产生了好感，形成了“依附性”偏好，进而重复购买的一种趋向。本质上是对活跃用户的进一步细分。
计算方法有很多，计算时最好对数据进行收敛，且往往要考虑时间权重，越近的消费肯定权重越大。
用户流失指数
本质是对流失用户的进一步细分，在早期分析时，忠诚指数 流失指数 = 1。
具体的定义需要按照实际的业务调整，有时候是按是否有点击（打开）产品，有时候是按是否有购买产品。
当数据量足够时，可以利用回归模型会预估流失率。
用户价值指数
衡量从以前到当前用户贡献的价值（用户生命周期价值还包括未来）。
用户价值指数的主流计算方式有两种，一种是RMF模型，利用R最近一次消费时间，M总消费金额，F消费频次，将用户划分成多个群体。不同群体即代表了不同的价值指数。
第二种是主成分分析PCA，把多个指标转化为少数几个综合指标（即主成分），其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复。
比方说现在要评估CSDN博主的质量，是不是得考量他的粉丝数、点赞数、评论数、更新频率、博客总数等，利用PCA将其交工为两三个指标，再加工成价值指数就容易多了。
运营时我们往往会同时参考多个指标，比方同时 考量用户流失指数和用户价值指数，对于高流失高价值的用户我们应该及时制定策略唤回，对于高流失低价值的用户，可以权衡后选择放弃。
结束语
博主能力有限，上述数据指标的定义我大多参考了百度百科，再结合自己的理解，希望大家看完后也能结合自己的理解，且如上文有所出错，恳请指正，一起进步！
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/142945.html原文链接：https://javaforall.cn
