搜索
大数据中国 首页 行业资讯 企业资讯 查看内容
案例实战 | 运营需要分析哪些指标?
2016-11-9 14:09 | 查看: 1193| 评论: 0

网站运营更关注哪些指标?

首先我们来说一下传统的网站运营,分为四大类:流量、访问、活跃、转化。

流量:我们做一个生动的比喻,如果把大量的用户看成水,每个人是水滴,那么成千上万的用户也就是成百上千的水滴汇集成水流,变成了流量。流量在网站运营中指的是访问量。在流量中指的注意的是以下几个名词:PV(page view)、UV(user view ) 、VV(visit view )。以滴滴如厕进行举例,假如它是一个网站,一个用户一天要如厕三次,那么vv指的就是我的如厕的次数,也就是访问数。因为只有一个用户,所以只有一个uv。如果如厕一次需要访问网站的很多页面,才能完成这个活动,那么pv就形成了,指的就是访问的页面量。这三个数据是用来统计网站流量比较常见的三个指标。

访问:其实这个指标并不是用来衡量访问数量的,而是用来衡量用户的访问行为。主要包含以下几个指标:跳出率、二跳率、转化率。假如我进入滴滴如厕的首页后,觉得页面不美观或者体验不方便,不想用了,导致我不进行下一步,退出了,这个行为就是跳出。如果当天有10个人进入这个页面,只有1个人跳出了,那么跳出率就是10%。这个指标是用来衡量网站吸引力的。第二个指标是二跳率,在刚接触这个指标时,很容易形成和跳出率相同的认识,事实上这个指标的含义和调出率是完全相反的。如果我觉得滴滴如厕的这个页面设计的很好,我想体验下一个环节,那么我通过这个页面上的某个功能或者链接进入下一个页面了。这个行为就是二跳。计算二跳率的方法和跳出率是一样的。

转化率这个词并不陌生。举例说明,注册登录付费三个页面,有一百个人注册了,五十人登录了,二十个人付费了,那么注册页面到登录页面的转化率就是百分之五十,登录页面到付费页面的转化率就是百分之二十。之所以有这个指标的出现,就是因为这个指标可以在任意两个页面之间应用,用来衡量它们之间的转化率,从而分析下一个页面对用户的吸引力到底够不够。

活跃:这里的活跃依旧需要定义后再使用,只不过在这个过程中会遇到缩写的指标: DAU(daily active user)每日活跃用户 MAU (monthly active users) 每月活跃用户。

转化:这个转化在网站中,单纯指成交,即在一家网站中,我们关注的成单量、付费率、客单价以及付费金额等指标。 在这里,客单价等于付费总额除以付费人数,这个指标是用来衡量每一个用户能给网站带来的收益。如果付费总额除以订单数,就是用来衡量每一笔订单带来的收益,这个数据指标经常会在电商行业中遇到。

APP运营更关注哪些指标?

其实我们上面讲到的内容已经差不多了,随着移动端的发展,app运营(产品运营)越来越受到青睐。这个行业中会遇到的指标,依然是新增、活跃、留存、转化。

新增:指的是新增设备数,因为对于APP来说,程序是非常难去辨别一个用户的,有的时候你安装了一个软件,却不一定会注册。但是对于程序来说,更容易辨别一台机器,每一个机器都有一个代码,从出厂就不会改变,所以移动端的新增指的是新增设备数的。

尤为注意的一点就是,下载数并不等于新增设备数,还需要注册激活,这样数据才会留在数据库中。我们依旧用滴滴如厕来举例说明,我们的用户设定为下宇,下宇第一次下载使用这个滴滴如厕,就属于一个新增设备了,如果他换了手机又下载了一个滴滴如厕,登录了下宇的账号,这就是第二个新增设备。但是新增账号下宇二,和设备已经没有关系了,自然也不算是新增设备了,也就是说这个指标和账号是毫无关系的。

活跃:在移动端更关心是用户,大多数情况下激活应用称之为活跃,不过也可以根据自己行业具体要求去定义活跃。

留存:在留存这个环节,经常会遇到次日留存率这个指标,为了更好的解释这个指标,我来举个例子,某一次推广,滴滴如厕新增设备1000个,第二天新增的设备里面只剩下200台再次使用了滴滴如厕,那次日留存率就是百分之二十。

除了次日留存率还有其他以时间维度划分的n日留存率,意义大同小异,只不过是为了具体情况分析用而做定义的。而TAD 这个指标,是在留存率基础上的延伸。通过前n天的次日留存率相加,得到一个数字,这个数字就是n日TAD。在衡量TAD指标时,需要把时间放的足够长,目的是为了消除数据上的偶然性,消除一些波动,让结果更加的科学。

转化:对于APP运营来说,核心指标也是大同小异,成单量、付费率、客单价、付费金额。一般情况下,成交即转化。

不同行业的运营关注不同的核心指标?

核心指标,顾名思义,就是你最关心的指标,这个可以决定你的业绩、你的KPI、你的升职加薪、你的离职走人情况,下面我们划分四个大类举例说明。

内容型:内容性产品就是以内容为生的,如天天头条或者网易新闻,越多的人看越好。所以内容型产品最关注阅读量、PV、UV 、VV 、PGC(专业内容的数量)、UGC (用户产生内容的数量)

社交型:社交型,社交沟通功能就是核心是用来沟通的,主要分为同步(QQ)或者是异步(论坛 BBC )社交类产品更关注的是发言发帖人数,自定义的一些活跃行为,根据不同的社交产品,定义也不一样。

电商型:这个相对来说更好理解,对于电商销售来说,业绩为王,所以这个行业更关注的就是销售收入、成单量、客单价。

游戏型:这个行业的目的就是更多人来玩,更多人付钱,所以游戏型产品更关注活跃用户数、 付费率、收入。 但是要特别说明的是ARPU(每用户平均收入)这个指标,就是用一段时间的总收入来除以一段时间的总活跃用户数,对于游戏运营来说,人民币战士肯定是越多越好,或者所有用户中的百分之零点一是人民币战士,但这个人是个大v,同样可以。这个指标就是用来计算这两种形式的数据。

为了更好的说明具体行业中可能用到的指标,我列举了五种最常见的运营岗位指标。

渠道运营:渠道运营的职能是用来拉新的,也就是在外部投放广告和各大应用市场搞好关系,那么渠道最关注什么?最关注两个指标,一个是新增(要注重最后的流量结果),还有一个是ROI(投入产出比),之所以关注这两个指标,是因为投入广告需要成本,如果渠道在某一个外部去投放广告的收入比成本还要低,那么渠道为什么要投放这个广告?

产品运营:这里指的是一个职位,不是一个部门。是指通过运营手段,来帮助产品优化的,这个岗位最关注的是什么指标?这个岗位最关注的指标是和产品经理很接近的,关注每天有多少人在我的产品里面活跃过,我产品的留存怎么样,进来一百人,我能留下多少人?

营销运营:做营销的永远都是收入为王,所以收入、成单量、客单价、ARPU这几个指标是必不可少的。

内容运营:内容运营和产品关注的指标非常相似,这里也不再展开叙述了。

用户运营:用户运营是离用户最近的人,如果搞一个活动,最后能有多少人参加,效果怎么样?用户运营最关注的指标是用户活跃度、用户参与度、还有活动效果。

数据分析的本质

讲了这么多指标的含义,什么是数据分析的本质呢?我们进行一个活跃用户的比较,你可以知道滴滴如厕的活跃用户大幅上涨,这个行为其实就是数据分析的本质—比较,一个单独的数字是没有任何意义的,只有通过比较去寻找差异,制定战略。常见的数据分析方法主要是以下三种:构成、比较、变化

构成:一般是指的整体和局部,比如滴滴如厕有二十万用户,其中只有一万是女性,那么剩下的就是男性,所以我们可以衡量整体和局部之间的关系。

比较:比较是数据分析的本质,只有比较才能出结果。

变化:变化更多的时候涉及到了时间,随着时间的变化出现了怎样的变化,举例:随着我们的推广,上个月滴滴如厕只有一万用户,后来我们找了一个代言人,这个月的用户数量成功的跌倒了二百,这就是变化,时间出结果。

案例实战 | 运营需要分析哪些指标?

常用的数据分析工具

讲完了数据分析的内容,就给各位介绍几种常用的数据分析的工具,可以根据自己数据分析的需求和复杂程度,去选择分析工具。

Excel:常见又好用的工具,在数据分析里面涉及到的所有数据基本都可以用excel去处理,功能很强大,学会函数和透视表,基本上是走遍天下都不怕。

matlab:它更像一款编程软件,因为本来就是一个被开发做数学处理,编写数学程序的,分析数据只是其中的一个功能,这款软件也很强大,但是要求会编程,难度较大。

Spss:它是IBM开发的专门用来做数据分析的软件,非常的专业,由于这个软件十分庞大,功能很多,所以需要你专门的花精力和时间,甚至是报班去学习如何使用,这个类似于ps的感觉。

Tableau:强大的可视化工具,如果你土豪就选它。

案例实战 | 运营需要分析哪些指标?

FineBI:中国版本tableau,分析操作较简单。见过直接导入excel表分析,也支持链接各种数据库,也有牛逼的公司直接搭建了大数据平台,拿他做前端分析工具,简直通吃。

案例实战 | 运营需要分析哪些指标?

在线工具:更多的时候我们使用在线工具,这个非常的方便,最常见的是就是百度指数。友盟需要付费,ASP100,Growing IO最近都比较火,不需要你在你的产品里面做任何的处理就可以帮你统计。


免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2024-11-27 06:40 , Processed in 0.066656 second(s), 23 queries .

返回顶部