指标体系是什么?
(S1)为了用量化方式准确描述场景,提出一系列的指标。(S2)将指标有系统地组织起来,形成的逻辑体系
指标体系 = 指标 + 体系
单独的几个指标不能称之为指标体系
如何评价指标体系?
如何判断这个指标体系好坏,如何评价指标体系?
(1)目的清晰 : 指标体系围绕一定的目的 展开分析
(2)评价全面 : 能够全面描述业务运行情况
(3)指标简约 : 要从复杂的指标中,选择重要有代表性的指标
指标分级
即使很少的单项指标,相互组合也会衍生出大量的指标。
比如用户总数和操作时间一结合就是用户操作时间分布。用操作时间统计一年24个小时中,每个小时操作的用户的数量,除以用户总数,就是每个小时用户活跃的比重。后面三个也是类似可以组合出来。
说这一点是告诉你,当你不知道从哪些角度分析的时候,可以尝试暴力组合,说不定能攒出来不错的指标。
(1)AARRR法
这是一种以用户为中心的分析方法
两种解释:
1.用户与app接触的不同阶段
用户一开始进来叫新增Acquisition,后来用久了 习惯了 一天不用浑身难受叫Actication激活,后来腻了不想用了就Retention留存.,.
2.不同App也处于不同的运营阶段
有的App刚刚崛起,比如Meta的新社交平台Thread,还在用户快速新增的阶段,就是处于Acquisition新增阶段。而微信这个在中国人手一个的app就处于Revenue转化为利润的变现阶段。
两个app应该使用不同的评价指标。
(2)对象法
(S1)从业务中提炼出对象
淘宝的店铺 , 消费者, 商品
(S2)列出这个对象的 属性 和 动作 。
淘宝的消费者
属性:注册时间,登录地,手机号,性别,年龄
动作:点击商品,购买商品,查看订单
有了这样 的思路就可以看购买同一个商品的人的年龄的分布、性别的分布。这样思路就打开了,你就有东西可以分析了,不至于没什么可聊的
对象的 动作 往往就是在不同的对象之间的 连线。 这个连线往往在 连线的两端 形成2个指标。
比如用户和商品是电商场景中的两个对象。
商品和用户的连线,就是用户点击了这个商品 这个动作。这个动作是用户 的动作,不是商品的动作。
这条连线的两端形成了两个指标:(1)多少个用户点击了这个商品(2)这个用户点击了多少个商品
前一个指标可以用于构建商品的热榜,后一个指标可以用于为这个用户提供精准的推荐
(3)模块法-不同业务线
App往往分为很多业务线,在分析时候,应该分情况构建不同业务线的指标体系
比如百度旗下有:百度搜索、百度文库、百度地图、百度百科、百度知道、百度贴吧、百度网盘....,每个业务线应该构建自己产品线的业务指标
因为不同业务线的用户是不同的群体
(4)过程法
按照用户操作的 每个行为的先后顺序构建指标体系,注意环节之间的转化率和每个环节的停留时间
比如像抖音、汽水音乐、以及一些买了推流广告的游戏,他们的指标体系构建可以参考这些流程:曝光——点击——下载——注册——登录——付费
从这一个环节到下一个环节的转化率是你要格外关注的,因为整个过程是一环套一环的,如果前面有某一个环节的转化率特别低(比如下载这一步,下载的链接的服务器坏了,使得从下载到注册这一环节的转换率很低,导致最后转化得来的付费用户就很少 ),那么后面会因为这一步转化率低,后面做的转化率再高,最红转化为付费实际数量也会不太高。
综合四种方法使用
先用对象法,将业务中的每个 个体进行区分出来
接着从用户的角度用AARRR对用户进行分析
对具体功能上分业务线对用模块法进行分析
常见的指标
OLTP与OLAP的区别
业务查询 | 数据分析查询 | |
数据量 | 量少 | 量大 |
时效性 | 高 (快) | 低 |
取数特点 | 按行 | 按列 |
名称 | OLTP | OLAP |
Transaction事务 | Analysis分析 | |
数据库Database | 数据仓库Dataware house |
OLTP
类似于,你打开飞猪查自己过往的高铁票购买记录,是用户在查询自己这一个用户过去所有的消费记录。
对时效性要求很高,就像你不能忍受查个购票记录20分钟以后才加载出来。
OLAP
类似于,飞猪的数据分析师,用中国几个亿的飞猪用户的数据都取出来,统计一下春运这段时间所有飞猪用户今天的平均在交通出行消费了多少钱。
毕竟调用的数据量这么大,自然可以接受2小时以后才能把所有数据都取出来,算出一个结果。