【收藏】数据运营指标体系,覆盖4个行业、多个业务场景!

01_多场景常用指标

1、涉及到用户的指标有:

  • 活跃/登录:DAU、WAU、MAU、活跃率、登录人数等;

  • DAU:(daily active user)即日活跃用户量,用户参与程度。

  • WAU:(week active user)即周活跃用户量,用户参与程度。

  • MAU:(monthly active user)即月活跃用户量,用户参与程度。

  • 留存:次日留存率、周留存率、月留存率等,还有按渠道去分析留存率;

  • 次日留存率:活跃用户数/同批次新增用户数

  • 周留存率:活跃用户数/同批次新增用户数

  • 月留存率:活跃用户数/同批次新增用户数

  • 流失:流失数据容易被遗忘,包括流失率,流失人数、每日平均流失人数等;

  • 流失率:流失用户/总用户数

  • 付费:付费人数、付费转化率、单笔订单平均金额等,更多看订单数据;

  • 其他:每日评论人数、收藏人数、分享人数等

画像:

  • 一方面分析用户属性:关注年龄、性别、学历、职业、地域、婚否、收入、兴趣等;

  • 另一方面分析用户行为:登录次数、活跃率、累计消费金额、最近一次购买、购买次数、复购率等;

2、涉及到流量的指标有:

  • 访问:PV、UV、IP(最常见);跳出率、平均访问时长、平均访问页数等;使用设备、操作系统、浏览器、地域分布等访问行为;

    PV:PV(PageView)是页面浏览量,用户在网页的一次访问请求可以看作一个PV,用户看了十个网页,则PV为10。

    UV:是一定时间内访问网页的人数,正式名称独立访客数

  • 注册:注册人数、注册走势、累计注册人数、达成率等;

  • 渠道&推广:来源渠道分布、总消费、展示量、点击率、平均点击价格、转化率、转化成本、ROI等;

    ROI:ROI是一个广泛适用的指标,即投资回报比

3、涉及到订单指标有:

付费人数、新增付费人数;总金额、每日订单数、平均每日成交额、客单价;付费金额、付费毛利、付费利润、复购率、ARPU、付费各个路径转化等;

4、涉及到内容指标有:

PV、UV;UGC、PGC、文章数、关注数、阅读数、互动数(评论、点赞等)、传播数(转发、分享等);

5、涉及到活动指标有:

活动页PV、UV、新增人数、参与人数、登录人数、转化人数、转化成交金额、ARPU、优惠券发放/使用人数、营销成本、营销转化率、ROI、分享人数、分享次数等,数据要根据活动类型而定;

ARPU:总收入/活跃用户数

6、涉及到服务指标有:

电商、O2O等行业易涉及,包括咨询人数、咨询转化率、退货率、退款率、好评率、差评率、投诉率等 ;

转化率:下单用户/活跃用户

7、涉及到APP指标有:

各渠道下载量、激活数、新增注册数、获客成本;启动次数、启动人数、停留时长;push到达率、打开率等;

02_4个行业常用指标

每个行业每个场景都有自己关注的指标。下面我们从互联网,在线教育,大零售、保险这4个行业的业务场景来具体看一下对应的指标情况。

1、互联网行业

互联网行业的指标体系可以从多个方面来划分,这里依据的是AARRR模型来进行划分的:拉新-活跃-留存-转化-传播

  • 拉新的部分我们关注的指标有,展现量、点击量、下载量、新增注册用户数等,除此之外我们还要关注获客及广告投放;

  • 活跃部分可从DAU,WAU、MAU、用户登录时长、登录次数等信息去关注;

  • 那留存相关部分分长留存与短留存,如次日留存、7日留存、30日留存与60日留存等;

  • 转化与表现关注的就是是否成交包括GMV 成交总额、销售收入、付费用户数、复购率等;

  • 传播和裂变部分主要关注的就是病毒K因子,用户分享等指标数据。

2、零售行业

零售行业一般是按照人、场、货三个方向来概括。

其实零售的本质即客流、成交率、连带率(本质很简单就是希望消费者一次购买很多商品)、件单价(单个商品的价格定位),这4个数相乘就是我们的销售额。销售额就是所有公司奋斗的目标。

确定了你的客流,商场客流、进店客流或者回头客等,确定完成后就是成交率,有了客流我们就开始进行转化。

精准的定位人群属性-消费者停留时间够长-促使购买商品-成交。

人:企业员工和消费者,在这个消费者掌权的时代除了要加强员工管理提升人员效率之外,最重要的是消费者的忠实度。

场:场就是消费场地,所有连接消费者和商品的终端,就是场。比如线下的门店、线上APP等。关注的指标就是销售额、追踪指标、分析、促销等指标。

货:货指的就是商品,商品数据分析就是围绕进销存展开分析的。主要是采购、供应链、销售、售后4个去监测具体的指标数据。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,839评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,543评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,116评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,371评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,384评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,111评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,416评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,053评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,558评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,007评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,117评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,756评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,324评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,315评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,539评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,578评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,877评论 2 345

推荐阅读更多精彩内容