回覆列表
-
1 # 資料分析不是個事兒
-
2 # 天善智慧
天善學院雙十一五場微課免費直播,
11月6日年邁的資料分析師教你做年終總結報告
陳丹奕:知乎大神,前百度資深資料分析師
11月7日機器學習與工業實踐
鄒博:中國科學院副研究員,天津大學特聘教授
11月8日 貝葉斯演算法與新聞分類實戰
唐宇迪:深度學習領域多年一線實踐研究專家,同濟大學碩士
11月9日破冰Python,1小時快速入門
11月10日 職場也有雙11--你賤賣自己的5大常用技巧
陳文:8年經驗資料分析師,資深業務顧問
加直播管理員: xtechday ,進入直播交流。
在建立一個分析模型之前要先有指標,因為如果你不能衡量它,你就無法增長它。正所謂模型未動,指標先行,指標是一個分析框架的基石,下面就進行業務分析指標的學習總結。
指標的一種表現形式是將一個一個標籤換到另一個維度去思考,將一些不相關的過程進行連線。
圖1
指標在一個體系裡面應該起到承上啟下的作用:
圖2
核心指標好的指標應該是比率好的指標應該能帶來顯著效果好的指標不應該虛榮好的指標不應該複雜幾種經典業務分析指標市場營銷指標
客戶/使用者生命週期:企業/產品和消費者在整個業務關係階段的週期。不同業務劃分的階段不同。傳統營銷中,分為潛在使用者,興趣使用者,新客戶,老/ 熟客戶,流失客戶。
幾種市場營銷指標所用到的名詞:
使用者貢獻 = 產出量/投入量*100% 使用者價值 = (貢獻1+貢獻2+……)RFM模型:R最近一次消費時間,M總消費金額,F消費頻次使用者分群,營銷矩陣產品運營指標AARRR模型:即acquisition 使用者獲取,activation 使用者活躍,retention 使用者留存,revenue 營收,refer 傳播
acquisition 使用者獲取:
渠道到達量(俗稱曝光量)渠道轉化率(CPM,CPC,CPS,CPD,CPT)渠道ROI(KPI,投資回報率)日應用下載量日新增使用者數獲客成本一次會話使用者數佔比付費使用者數付費使用者數佔比ARPU:某段時間內每位使用者的平均收入ARPPU(排除未付費):某段時間內付費使用者的平均收入activation 使用者活躍:
日,周,月活躍使用者應用下載量活躍使用者數佔比(軟體是否健康的衡量標準)使用者會話session次數使用者訪問時長使用者平均訪問次數retention 使用者留存:
次日留存率七日留存率revenue 營收:
付費使用者數付費使用者數佔比客單價(銷售總額/顧客總數)LTV=ARPU*1/流失率(使用者生命週期價值)refer 傳播:
K因子=使用者數*平均邀請人數*邀請轉化率(每位使用者能夠帶來幾個新使用者)使用者分享率活動邀請曝光量使用者行為指標功能使用:功能使用率/滲透率(點贊,評論,收藏,關注,搜尋,新增好友)使用者會話:一連串的請求使用者路徑:透過路徑圖進行分析電子商務指標購物籃分析:筆單價,件單價,成交率,購物籃係數復購率(反應消費慾望):一段時間內多次消費的使用者佔總消費使用者數之比回購率(留存率):一段時間內消費過的使用者,在下一個時間段內仍舊消費的佔比流量指標瀏覽量和訪客量:PV指瀏覽次數,UV指獨立訪客數(一定時間內訪問網頁的人數,技術上透過cookie或IP衡量)訪客行為:新老訪客佔比(衡量網站生命力),訪客時間(衡量網站內容質量),訪客平均訪問頁數(衡量網站訪問深度),訪客透過SEM,SEO,外鏈等來源進行訪問,使用者行為轉化率,首頁訪客佔比退出率:從該頁面退出的頁面訪問數/進入該頁面的訪問量(偏產品,任何頁面都有退出率)跳出率:瀏覽單頁即退出的次數/訪問次數(用來衡量各個落地頁,營銷頁)生成指標好的指標是可以組合和生成的,如:訪客訪問時長+UV=重度訪問使用者佔比,使用者會話次數+成交率=有效消費會話佔比
企業的資料分析是個很複雜的工程,需要業務和分析技術兩塊知識。這裡從業務的角度切入,談談如何對業務分析,文章參考帆軟軟體的零售業資料管理方案。
首先,企業的分析主要分為管理分析和經營業務分析,分析整體的思路是:明確業務場景——確定分析目標——構建分析體系——梳理核心指標。
以電商為例,常用的業務分析場景有銷售、商品、渠道、競品、會員等等,而商品可進一步細分為商品的庫存、商品的利潤以及關聯銷售分析。在整個業務分析體系中,電商行業遵循“人貨場”的思維邏輯,其指標可這樣劃分:
1、銷售類分析
銷售分析主要是為了追蹤銷售情況,與KPI對比,調整銷售策略,進一步提升銷售額。
分析思路:基本上任何一個問題都可以套用“人貨場的模型來分析”。比如分析客單價下降的原因,從人貨場角度切入的話,可建立如下的分析模型:
分析方法:資料分析可透過資料對比、極值、預測的方式來分析
對比:比如事業部銷售額排行榜、銷售額貢獻度、城市排行榜等等
極值:比如月銷售額最高紀錄,激勵銷售人員或事業部突破記錄
預測:根據權重曲線預測未來的銷售額
2、商品分析
商品分析是基於商品的一個流程管理——進銷存。比如商品庫存太大,佔用資金,則採購進貨不合理;商品陳列不合理,造成發貨不及時,銷售滯後。
商品分析體系——“進銷存”思路,常用的指標如商品的折扣率、動銷率、週轉率等。
3、會員資料分析
會員資料分析一方面是可以指導銷售營運,另一方面是提高營銷的精準度,增加使用者的粘性,減少流失。
會員分析管理體系:
4、其他管理分析
人力資源管理中的資料分析一般包括兩個方面,一方面是人員結構分析,另一方面是人力效能的分析。在人效分析過程中最關注兩個指標,人均產出和人員費用產出率。人員結構分析包括不同職能部門的人力結構、不同層級的人才結構、不同工作年限的人才結構等等。分析人力結構是防止人才的斷層,在招聘上做好預案,最佳化薪酬分佈。
資料分析領域的財務主要是管理財務,管理財務需要細化到每個子公司、每個業務、每個產品、每個業務部門、每個客戶,以他們為主題的分析有:現金流分析、盈利能力分析、財務預算分析等。