最全数据指标分析( 二 ) 在刚迈入数据的大门时

【最全数据指标分析】一个事件可能包含多个事件属性，例如， “播放视频”事件下可能包含的属性：1）来源；2）是否自动播放；3）播放形态。
文章插图
2、留存分析留存率是验证用户粘性的关键指标，设计师和产品经理通常可以利用留存率与竞品对标，衡量用户的粘性和忠诚度。通常重点关注次日、3日、7日、30日即可，并观察留存率的衰减程度。留存率跟应用的类型也有很大关系。通常来说，工具类应用的首月留存率可能普遍比游戏类的首月留存率要高。
文章插图
3、漏斗分析漏斗分析就是转化率分析，是通过计算目标流程中的起点，到最后完成目标节点的用户量与留存率，流量漏斗模型在产品中的经典运用是AARRR模型。
衡量每一节点的转换率，通过异常数据（转换率过低）找出异常节点，进而确定各个环节的流失率，分析用户怎么流失、为什么流失、在哪里流失。根据数据改进产品，最终提升整体转化率。
文章插图
4、用户分群分析用户在某个特定条件下的用户分组或占比。例如：注册7天内下单的用户组、参与过A活动的用户等。
5、对比分析将不同时段的数据进行对比，找出差值，进行产品优化或验证设计。
自身产品对比：对比产品不同模块相似场景的数据，找出问题点。
行业产品对比：与同行业产品进行对比，找出优劣势，并持续优化。
6、多维度拆解用不同的维度视角拆分分析统一类数据指标。例如按照不同的省市地区分析、不同的用户人群、不用的设备等。通过不同维度拆解，找到数据背后的真相。
五、建立数据模型引入数据分析，就要引入数据模型。数据模型的核心是“分类” ，如何选择或创造适合自身产品的数据模型，我们可以先了解市面上熟知几大模型。
1、AARRRAARRR是Acquisition、Activation、Retention、Revenue、Referral ，这个五个单词的缩写，分别对应用户生命周期中的5个重要环节。
获取用户（Acquisition）：首先，你需要从广告/渠道等去拉新，获取用户。然而用户下载了不一定会安装，安装了不一定会使用该应用。所以激活成了这个层次中最关心的数据。
关注指标：CAC（用户获取成本 Customer Acquisition Cost）
提高活跃度（Activation）：然后，通过引导用户注册等方式来激活他们。
关注指标：DAU（日活跃用户）、MAU（月活跃用户）、每次启动平均使用时长、每个用户每日平均启动次数、日活跃率、周活跃率、月活跃率
提高留存率（Retention）：用户被激活后，剩余的工作就是如何让他们留下来，产生粘性。
关注指标：1-Day Retention（次日留存率）、7-Day Retention（D+7日留存率）。曾经有游戏行业的行家指出，如果想成为一款成功的游戏， 1-Day Retention要达到40% ，7-Day Retention要达到 20% 。
获取收入（Revenue）：收入一般有三种，付费应用、应用内付费及广告。
关注指标ARPU（平均每用户收入）、ARPPU（平均每付费用户收入）、CAC（用户获取成本）、LTV（生命周期价值）。 LTV – CAC的差值，就可以视为该应用从每个用户身上获取的利润。所以最大化利润，就变成如何在降低CAC的同时，提高LTV ，使得这两者之间的差值最大化。
用户推荐（Referral）：以前的运营模型到第四个层次就结束了，但是社交网络的兴起，使得运营增加了一个方面，就是基于社交网络的病毒式传播，这已经成为获取用户的一个新途径。这个方式的成本很低，而且效果有可能非常好；唯一的前提是产品自身要足够好，有很好的口碑。
文章插图
在整个AARRR模型中，这些量化指标都具有很重要的地位，而且很多指标的影响力是跨多个层次的。及时准确地获取这些指标的具体数据，对于应用的成功运营是必不可少的。
2、RARRARARRA模型本质上是通过AARRR模型调整顺序得来的，其原因是AARRR专注于获客(Acquisition) ，且是McClure是在2007年编写的，当时的CAC还比较低廉，上架应用即容易获得用户。在互联网流量高速增长的今天，获取用户（Acquisition）已变得非常昂贵，所有应用商城都有百万个APP ，市场竞争激烈，简单发布一个应用就有用户早已已不再是赚钱的方式。所以，以拉新获客的增长模式不再适用。现在黑客增长的真正关键是留存（Retention）。