用便利店的故事，解析怎么学数据分析？（2）

数据分析，如今互联网人群口中的高频词汇。身为产品经理的你，如果还不懂得如何做好数据分析，那么建议你，好好读完本系列文章。

在笔者的数据分析系列文章的第一篇《用便利店的故事，解析怎么学数据分析？（1）》中，为大家大致讲解了数据分析的工作流。

本文为数据分析系列的第2篇：如何拆解业务需求并选取数据指标？

选取数据指标的本质就是跟业务需求、跟团队人员对齐口径，没有绝对正确的数据指标，只有业务、团队都认同的数据指标。

认识数据指标 1. 数据指标概念

首先，我们要先搞懂什么样的数据可以成为“数据指标”。

能够被系统采集、统计到的数据 ：数据不能被系统采集到，也无法通过统计数据计算出来，那数据就不真实，全凭猜想，存在虚假性的数据绝对不能用来指导业务。

对当前业务有参考意义的数据：必须能够满足业务分析需求，比如你需要分析某一个投放渠道的获客质量，那么这个渠道的”七日留存“、”注册率“等就是你可以考虑的数据指标。

2. 数据指标分类

我们一般按照公式“谁+做了什么+产生什么结果”，把数据指标分成三类：

用户数据：用于定义用户所属群体或是描述用户其他基础属性的数据。

行为数据：由用户在界面上的交互行为所产生的数据。

业务数据：指由用户在界面操作后，所产生的操作结果数据。

比如“一个深圳用户在订单确认页面，点击一次确认支付，产生一笔付费500元的订单”，那么“一个深圳用户“就是用户数据，“点击一次”就是行为数据，“一笔付费500元的订单”就是业务数据。

讲解常见的数据指标

如果你是一名互联网行业从业者，在日常工作中肯定经常听到一些跟数据相关的词汇，新增用户、PV、UV、GMV、七日留存……那么这些数据词汇到底是什么含义，又是怎么计算出来的呢？

PS：这边对常见数据指标的定义都是基于笔者的个人经历，不同行业、不同公司甚至不同人对同一数据指标的定义都可能不同。

DAU/MAU

日活用户/月活用户（DAU/MAU），指在统计时间段内有活跃行为的用户，一般可以用于体现迭代功能、运营活动、投放渠道对用户的吸引程度。但如果有天发现活跃用户数下跌比较惨重，那就得调研下市面上是不是又多几家竞品了。

计算方式：将统计时间段内的所有活跃用户进行去重，即为活跃用户数。

定义活跃用户口径为，用户做了某个关键操作。可以是启动APP，可以是进入商品详情页，甚至可以是支付订单。具体以各自产品业务，以及团队人员的统一口径为准。

七日留存率

指距离首次使用产品七日后的新用户们，是否还继续使用产品的情况，一般可以用于评判各个投放渠道的获客质量，也可以用于检验产品对用户的吸引程度。

计算方式：七日留存率=第7日启动用户数/第1日获取用户总数，其中第7日启动的用户必须是第1日获取用户的子集。

用户基础属性

指根据用户在产品上所填写的各种信息，聚合在以用户为纬度的属性字段，如用户的姓名、出生日期、地址、职业等。

用户的基础属性，便于后面做整个平台的用户画像，为后续的精细化运营贮备。

访问深度

指用户单次访问产品或某一页面内容的程度，访问深度越深的用户，越是产品的精准用户，也一般越有可能被转化成付费用户。

对于信息流平台，如今日头条，我们可以以用户在列表的加载次数为访问深度。

对于交易流程较长的业务，如电商的“首页—商品列表—商品详情页—订单信息填写页—支付页面”，用户每深入访问一个页面，则访问深度+1。

弹出率

这个指标主要用以反映单个用户只访问产品的一个页面就立即离开的情况。

貌似这个指标用的挺少，大家大致了解即可，笔者较常用弹出率去评估一个运营活动H5页面对用户的吸引程度。

GMV

指销售总金额，可以按照时间（日/周/月）、地区等纬度统计，体现一个公司业务的总规模，同时对评估公司业务运转有很好的参考价值。

GMV也是公司老板们最为看重的数据指标之一，一切工作的开端就是由GMV展开。

ARPU/ARPPU

人均销售额/付费人均销售额，两者之间的区别在分母不同，ARPU为平台所有用户数，ARPPU为平台付费用户数。

拆解业务模块后选取数据指标