互联网产品运营数据分析
2022-10-21 14:39:42 0 举报AI智能生成
互联网产品运营数据分析
作者其他创作
大纲/内容
思路
基于用户路径
操作
流失
停留时间
基于产品节点
转化率
占比
分类类型
定性
对事物性质的归纳
类似于是好是坏这样的判断
是什么-假设
定量
对事物数量的统计
多少比例的用户，多少比例的样本
有多少-验证
步骤
1. 定义 Define
针对问题是什么
分析最终达成到什么目的
对产品有何实际意义
确定分析范围
规划分析的进度和质量
2. 测量 Measure
收集获取数据
是问卷呢？
还是后台的数据？等
数据预处理
保证分析的数据质量。
3. 分析 Analyze
数据统计描述
统计：偏定量
描述：偏定性
针对问题的归纳和总结
最关键的：
拿出我们的结论
4. 改进 Improve
找到最优的解决方案
问题解决货负面的影响较低
5. 控制 Control
持续监控和反馈
日报，周报，月报。
这是一个持久性的工作
收集和获取到别人的想法和反馈，来完善自己的数据。
跟踪迭代
数据来源
自己产品的
包括我们的定性、定量的数据
产品运营数据
网站的系统文件，数据库的数据。
数据库的信息
本身的产品信息
行为数据
服务器日志
行为数据
用户反馈、调查数据
竞争产品的
网站流程
公司财报
第三方的数据报告
行业的
行业分析报告
热点大数据披露
关键指标
转化率 Conversion Rate
趋势的分析
比较分析
细分分析
转化率
任务完成率 TaskCompletion Rate
转化率是给予流程性的步骤
任务完成率是基于每一项任务的数据率
当前使用用户数
是有个范围的定义：某个时间点上的用户数。
比如UV：产品的登陆用户，或者是产品的使用用户
新用户数
新用户数=总体用户-老用户数
流失用户数
有多少用户不在使用，或者是不在活跃了。
用来分析我们的产品，当前留存的用户，保留的用户的能力的指标。
没有流失的用户，叫留存用户。
流失用户=总体用户数-留存用户
回访用户数
就是可能之前是我们的流失用户了，但是又重新的使用了我们的产品
这部分用户反映的是，我们的产品挽留的能力
活跃用户数
活跃用户数越高，网站或者产品当前拥有的价值越高
活跃用户与流失用户
活跃用户
衡量网站/产品运营现状
流失用户
分析产品是都有能力留住新用户
是否存在被淘汰的风险
新用户比例
反映产品发展状况的重要指标
新用户与老用户
新用户
产品发展的动力
老用户
产品生存的根基
保持老用户数量的稳定增长的前提下，提升新用户的所占比例
要有数量指标和衡量。
比如以周为单位，月为单位等。
用户流失率
反映产品保留用户的能力
产品发展3个阶段
新用户比例大于用户流失率：产品处于发展成长阶段
新用户比例低于用户流失率：产品处于下滑衰退阶段
新用户比例与用户流失率持平：产品属于成熟稳定阶段
分析方法
时间序列趋势分析
AHP层次分析法
对定性问题进行定量分析的多准则决策方法
多目标决策，多个影响指标评价各方案优劣程度
前提条件
1. 各层的要素必须是已知的，并且条理结构清晰，能够按层次区分排列；
2. 同一层中的各要素的关系是平等的，而各要素间相互独立，不存在显著的相关性；
3. 最底层的指标可以被量化，并能够通过一定的方法测量
4. 需要明确各层次间要素的影响关系。
用户忠诚度分析
用户使用率
最近使用时间
平均使用时长
平均使用页面数
数据透视表
6.前一天的销售情况
把数据统计好表成表格（单品，店铺，日，周，月）
根据前一天流量数据来源进行安排一天的补单安排时间
把前一天出现的问题统计好，然后再一对一的针对去完成
5.统计好竞争对手的各项数据，查看他是否有 做什么变更或更换其他数据
4.查看店铺的跳失率，人均浏览时长，来查看 详情是否出现问题，及时做出调整更改
3.统计店铺流量数据，对比前一天的查看数据 是否有异常并及时做出应对方案
2.统计好前一天的的各项数据（如：主推款， 副推款，直通车等）
1.体检店铺，查看店铺是否有违规扣分记录
0 条评论
下一页
