初识“数据分析”:用户数据

2023-06-02 0 296

今天咱说呵呵“统计数据分项”中的第二个类别“使用者统计数据”,对商品副经理来说,有关使用者统计数据的表述只不过很单纯,是“化学反应使用者优点、和使用者有关的统计数据”。

初识“数据分析”:用户数据

使用者统计数据的表述

对商品副经理来说,有关使用者统计数据的表述只不过很简单,是“化学反应使用者优点、和使用者有关的统计数据”。

虽然表述很简约,但是使用者统计数据并不单纯,其中包涵及可紧抓的内容有很多,小层级来说包涵“日活/月活、存留、追加”等,再小有“使用者肖像、使用者优点、使用者层级”等,到前面的“使用者焦虑、使用者身心健康”等,紧抓到最后,你会发现使用者就血淋淋的站在你的眼前,只是你们相互并不再次认识。可以说是最熟识的其他人,这一切都须要有“使用者统计数据”的支持。

当然了根据商品优点的不同,我们要了解使用者的广度和著重性都略有不同,比如说B2C更着重于使用者的偏好、年纪及消费力等,圣吉龙县更着重于使用者的信用风险、工作重要信息、财务管理重要信息等等的。

因此咱这首诗说呵呵,所有商品协力须要特别注意的几个使用者统计数据分项:追加、日活/月活、存留。

使用者统计数据(1):“追加使用者”统计数据分项

什么是“追加使用者”?

任何人两个商品无论结构设计的何等的出众,它的其本质都是两个辅助工具和传播方式,是须要有人去使用的,不然将没有任何人价值,因此“追加”是每一商品都绕不行的地方。

追加使用者分为三种类别:

第二种是单纯的追加使用者,即是未曾加装和注册登记过你的商品。第三种是已经装载了的使用者但网络平台仍留存有其使用者统计数据,该些使用者在通过营运、推展等方式再次回来的使用者。

一般来说来说这两种是看作两类的,但如果是在进行网络平台推展时,就须要提早和网络平台方谈好。

“追加使用者”的统计数据分项

的业务流程结点大体业务流程是这样。(如下表所示图)

每一公司、每一商品甚至每一人对“追加”统计数据分项表述的结点都可能是不同,不过基本上都包涵在这图中的结点中。

追加的统计数据统计数据分项往往也是在:点击、加装、启动(激活)、注册。这5个结点,而追加的统计数据分项往往关乎着金钱,网络平台商在给商品进行推展时,也是在这5个结点某个(或多个)结点的进行收费,不过根据商品形态的不同,收费的结点也不同。

比如说:Google ADS(谷歌推展)、百度SEM都是按CPC(按点击次数收费)进行收费;贷款超市这类别的商品是按加装数量进行收费……等。

初识“数据分析”:用户数据

(Google ADS广告后台)

使用者统计数据(2):“存量使用者”统计数据分项

什么是“存量使用者”?

当一款商品运

存量使用者是每一商品并不可少的一部分,其统计数据最直观的化学反应了一款商品的健康程度,因此存量使用者的统计数据分项也属于“使用者统计数据”的基础统计数据分项。

“存量使用者”的统计数据分项

DAU(Daily Active User)日活跃使用者数

DAU一般来说统计一日(统计日)之内,登录或使用了某个商品的使用者数(去除重复登录的使用者),这与流量统计辅助工具里的访客(UV)概念相似。

比如说:某一款商品,其日活的统计维度是打开APP即算活跃,经统计该APP在3月19日有20次打开APP的行为,经排重发现有10个使用者打开了APP,那么这款商品在3月19日的DAU是“10”。

一般来说来说 DAU 会和 MAU (月活跃使用者数量)一起使用,这两个分项一般用来衡量服务的使用者粘性以及服务的衰退周期。

MAU(Monthly Active User)月活跃使用者数量

MAU和DAU类似,不过统计的时间一般来说为两个月,是指网站、app等月活跃使用者数量(去除重复使用者数)。数量的大小反映使用者的活跃度,但是无法反映使用者的粘性,因为月活跃的使用者统计维度是在两个月内触发过至少一次统计维度的关键事件的使用者数量(去重后)。

比如说:某一款商品,其月活的统计维度是打开APP即算活跃,该商品有100个使用者,经统计该APP在两个月内有200次打开APP的行为,经排重发现有100个使用者在两个月内至少打开了一次APP,那么这款商品MAU是“100”。(这里须要特别注意MAU不等于统计月里各日DAU的和)

如何统计活跃使用者?

DAU(日活跃使用者数量)和MAU(月活跃使用者数量)有个重复的词是“活跃”,那么:活跃使用者是如何规定的?

首先咱先了解下活跃使用者是如何统计的,活跃使用者且不单单包括活跃使用者的统计方式,基本上有三种:

第二种是接入三方统计分析辅助工具

初识“数据分析”:用户数据

国内的有”友盟、TalkingData、GrowingIO”等,国外有“Google Analytics、AppsFlyer、adjust”等。

初识“数据分析”:用户数据

(TalkingData示例)

初识“数据分析”:用户数据

(AppsFlyer示例)

第三种是自埋点,是技术同学对两个事件进行表述,在使用者主动触发时这个事件时上报给后台然后进行记录。

以上三种方式是活跃使用者的统计方式,那么咱来说下,如何规定活跃使用者。

不同的商品、不同的业务类别对“活跃”的表述也不一样,大体归纳区分的话有三种:

常规性质的活跃使用者。也就是在统计时间内启动过APP的使用者,目前三方统计中有关活跃使用者的默认表述都是这样。触发关键事件的活跃使用者。有些商品并不以APP的启动人数作为活跃使用者的统计标准,而是是指在统计时间内,触发过关键事件的使用者才算活跃使用者,除此之外做了任何人的操作,这个使用者都不算活跃使用者。

使用者统计数据(3):“存留率”统计数据分项

什么是存留率?

上文说了什么是“追加使用者”和“存量使用者”

追加使用者:追加使用者只不过也是追加使用者。存量使用者:当

存留率是指追加使用者日之后的第N日依然登录的使用者占追加使用者的比例。

存留率的统计数据分项

存留率是以研究追加使用者为目标对象的,即研究某两个时间点的一批使用者在随后的几天,几周,几个月的时间内的生命周期情况,从宏观上把握使用者的生命周期长度以及我们可以改善的余地。

存留率的分项按不同的时间段能有很多种,而这种选择还是须要根据商品的业务性质来确定的,不过其中有必看的两个分项:次日存留和7日存留。

因为这两个分项直接化学反应了通过网络平台商来的使用者的质量如何,营运、商品会依据这两个分项和其他表现,决定后续的获客方式。

存留率的计算方式

存留率=追加使用者中登录用户数/追加使用者数*100%(一般统计周期为天)

第1日存留率(即“次留”):(当天追加的使用者中,追加日之后的第1天还登录的使用者数)/第一天追加总使用者数;

第7日存留率:(当天追加的使用者中,追加日之后的第7天还登录的使用者数)/第一天追加总使用者数;

以此类推。

使用者统计数据(补充):什么是使用者?

在“人”的主观视角上来看,使用者是使用商品的人,但是在程序的客观视角来说,对使用者的表述有三种。

第二种:按「人」计算使用者

这种方式是给我们每一注册登记使用者两个专属的具有唯一性质的ID,只有有这个ID的人,才算我们的使用者,而其他加装打开我们的APP但是并没有进行注册登记的人则不算我们的使用者。

这种情况多应用于强登录的商品,是不进行注册登记你就使用不了功能的商品。

第三种:按「设备」计算使用者

使用一款商品的条件是必须有两个终端,比如说手机、电脑等,按「设备」计算使用者,只不过是把设备当做人来看待,每两个设备是两个使用者。如果两个使用者有多个设备,那么对程序来说这是多个人。

如何区分「设备」?

对按「设备」计算使用者,不同的终端有不同的区分方式,基本上都是通过每一终端的唯一标识来区分。

PC端:在网页Cookie中埋下一段长随机字符串,作为设一样各种限制),但是由于设备的多样性导致各种情况都有可能出现。常见的标识方法有5种:IMEI、Android ID、WLAN MAC、BT MAC、Pseudo-Unique ID。

作者:天朝贰汪;微

本文由 @天朝贰汪 原创发布于人人都是商品副经理,未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

相关文章

发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务