互联网业务数据分析

互联网业务数据分析🍰

Chap1 数据指标体系与建模方法🎈

一、常用的数据指标

数据可以分为三类：用户数据、行为数据、业务数据(描述业务本身的发展)

1.用户数据

1.1 DAU MAU

• DAU（Daily Active User）：单日活跃用户量，反应产品短期用户活跃度

  • 一个自然日
    • Tips： 跨时区的产品，就是考虑24h

• MAU（Monthly Active User）：单月活跃用户量，反应产品长期用户活跃度

  • MAU不等于当月个日的DAU之和单纯将日活相加不具有参考价值，应该进行去重处理

• 定义活跃：

  1. 基于事件上报(产生了某种行为) -> 活跃
  2. 基于关键事件上报 - > 活跃
     • 事件列表：访问首页 / 访问商品详细页 / 访问抽奖页
     • 存在维护成本和沟通成本

• 定义：用户

  • 根据个人 -> 每个注册用户有一个唯一的专属ID，未登录的用户会被漏掉
  • 根据设备 -> 无法对应设备背后的用户

• 日活和月活的比值 DAU/MAU

  • **10%～30%**之间。如果低于10%，很可能已经处于衰退期；高于20%的留存还不错
  • 每天都使用产品的用户比例高，即使用频率高，用户对产品的依赖性强，
  • 同时也说明用户粘度较强。另一方面，也代表了用户的流失率低，留存率高
  • 日活和月活的比值低，用户使用频率低，依赖性弱，粘度较弱，用户流失率高，留存率低。

1.2 新增用户

新增用户怎么定义新增？

选择合适的节点，定义增用户完成某些行为算新增（比如完成注册或认证）；用合适的方法，判别新（基于设备和账号关联）。

1.3 留存率

T 日新增用户中，在第 n 日（即 T+n 日）再次活跃的用户，占 T 日新增用户的比例。

• 了解某一个渠道的质量——日留存

  • 以日为单位，衡量这个渠道来的用户当下&接下来的表现。以（X日日留存）作为比较标准时，可以避免其他日数据的干扰。常见的有次日留存和七日留存。七日留存分为：七日日留存、七日内留存。

  • 七日日留存，只关心到特定日的留存情况，避免了其他日数据的干扰。

    • 七日日留存=$\frac{第七天}{第一天}$

  • 七日内留存，引入了其他日数据，适用于有固定使用周期，且周期较长的业务。

    • 七日内留存：$\frac{第2天第7天去重后}{第一天}$

  • 首日留存：$\frac{第}{第0天}$