用便利店的故事,解析怎麼學數據分析?(2)

2020-12-20 人人都是產品經理

數據分析，如今網際網路人群口中的高頻詞彙。身為產品經理的你，如果還不懂得如何做好數據分析，那麼建議你，好好讀完本系列文章。

在筆者的數據分析系列文章的第一篇《用便利店的故事，解析怎麼學數據分析？（1）》中，為大家大致講解了數據分析的工作流。

本文為數據分析系列的第2篇：如何拆解業務需求並選取數據指標？

選取數據指標的本質就是跟業務需求、跟團隊人員對齊口徑，沒有絕對正確的數據指標，只有業務、團隊都認同的數據指標。

認識數據指標

1. 數據指標概念

首先，我們要先搞懂什麼樣的數據可以成為「數據指標」。

能夠被系統採集、統計到的數據 ：數據不能被系統採集到，也無法通過統計數據計算出來，那數據就不真實，全憑猜想，存在虛假性的數據絕對不能用來指導業務。對當前業務有參考意義的數據：必須能夠滿足業務分析需求，比如你需要分析某一個投放渠道的獲客質量，那麼這個渠道的」七日留存「、」註冊率「等就是你可以考慮的數據指標。

2. 數據指標分類

我們一般按照公式「誰+做了什麼+產生什麼結果」，把數據指標分成三類：

用戶數據：用於定義用戶所屬群體或是描述用戶其他基礎屬性的數據。行為數據：由用戶在界面上的交互行為所產生的數據。業務數據：指由用戶在界面操作後，所產生的操作結果數據。比如「一個北京用戶在訂單確認頁面，點擊一次確認支付，產生一筆付費500元的訂單」，那麼「一個深圳用戶「就是用戶數據，「點擊一次」就是行為數據，「一筆付費500元的訂單」就是業務數據。

講解常見的數據指標

如果你是一名網際網路行業從業者，在日常工作中肯定經常聽到一些跟數據相關的詞彙，新增用戶、PV、UV、GMV、七日留存……那麼這些數據詞彙到底是什麼含義，又是怎麼計算出來的呢？

PS：這邊對常見數據指標的定義都是基於筆者的個人經歷，不同行業、不同公司甚至不同人對同一數據指標的定義都可能不同。

DAU/MAU

日活用戶/月活用戶（DAU/MAU），指在統計時間段內有活躍行為的用戶，一般可以用於體現迭代功能、運營活動、投放渠道對用戶的吸引程度。但如果有天發現活躍用戶數下跌比較慘重，那就得調研下市面上是不是又多幾家競品了。

計算方式：將統計時間段內的所有活躍用戶進行去重，即為活躍用戶數。

定義活躍用戶口徑為，用戶做了某個關鍵操作。可以是啟動APP，可以是進入商品詳情頁，甚至可以是支付訂單。具體以各自產品業務，以及團隊人員的統一口徑為準。

七日留存率

指距離首次使用產品七日後的新用戶們，是否還繼續使用產品的情況，一般可以用於評判各個投放渠道的獲客質量，也可以用於檢驗產品對用戶的吸引程度。

計算方式：七日留存率=第7日啟動用戶數/第1日獲取用戶總數，其中第7日啟動的用戶必須是第1日獲取用戶的子集。

用戶基礎屬性

指根據用戶在產品上所填寫的各種信息，聚合在以用戶為緯度的屬性欄位，如用戶的姓名、出生日期、地址、職業等。

用戶的基礎屬性，便於後面做整個平臺的用戶畫像，為後續的精細化運營貯備。

訪問深度

指用戶單次訪問產品或某一頁面內容的程度，訪問深度越深的用戶，越是產品的精準用戶，也一般越有可能被轉化成付費用戶。

對於信息流平臺，如今日頭條，我們可以以用戶在列表的加載次數為訪問深度。

對於交易流程較長的業務，如電商的「首頁—商品列表—商品詳情頁—訂單信息填寫頁—支付頁面」，用戶每深入訪問一個頁面，則訪問深度+1。

彈出率

這個指標主要用以反映單個用戶只訪問產品的一個頁面就立即離開的情況。

貌似這個指標用的挺少，大家大致了解即可，筆者較常用彈出率去評估一個運營活動H5頁面對用戶的吸引程度。

GMV

指銷售總金額，可以按照時間（日/周/月）、地區等緯度統計，體現一個公司業務的總規模，同時對評估公司業務運轉有很好的參考價值。

GMV也是公司老闆們最為看重的數據指標之一，一切工作的開端就是由GMV展開。

ARPU/ARPPU

人均銷售額/付費人均銷售額，兩者之間的區別在分母不同，ARPU為平臺所有用戶數，ARPPU為平臺付費用戶數。

拆解業務模塊後選取數據指標

上文介紹了一些常見數據指標的定義，相信大家都對數據指標應該已經有了一定的了解。

那麼，到底哪些數據指標能夠適用於現在負責產品的業務需求呢？

這邊提供一個比較通用的方法：

1. 用一句話描述當前負責產品的主要業務

有道翻譯：通過提供好用的翻譯工具吸引大量用戶，從而為其他產品導流或廣告變現。人人都是產品經理：平臺通過提供垂直討論網際網路知識的社區，吸引網際網路從業人員常駐，繼而促成知識付費。

2. 通過凝聚產品業務的「一句話」，拆解產品的業務模塊

工具模塊：幫助用戶快速完成某個目標，起到節約時間、提供資源作用；社區模塊：搭建某個興趣、愛好、話題聚集地，以此吸引精準用戶常駐，並發帖回復交流；內容模塊：提供資訊、小說、視頻等多媒體資源，供用戶長時間瀏覽；交易模塊：通過積極拉攏資源提供方和資源需求方，並撮合雙方高頻次交易。

3. 通過產品實際所包含的業務模塊，選取適合的數據指標

筆者自身實例

筆者目前從事某個網際網路保險公司，一句話概括公司業務：通過採購保險公司的保險產品，然後通過保險講解課堂教育用戶，最後促成用戶下單投保。

產品包含業務模塊：內容模塊、交易模塊，那麼筆者應該關注的數據指標大致如下：

內容模塊-保險課堂：訪問用戶數、課堂瀏覽/點讚/評論數、課堂轉化入口點擊次數/人數等，可以幫筆者評估每堂課的內容質量；交易模塊-下單投保：下單流程中的所有頁面轉化率、日/周/月GMV、復購率，可以幫助筆者觀測業務發展的健康程度。關於「如何拆解業務需求並選取數據指標」，就講到這裡。希望能幫助大家在負責的項目中，正確為業務需求選取數據指標。

本人是一隻野生的產品經理，人微言輕。希望各位同行不吝賜教、拍磚，不勝感激。

本文由 @LiuCTao 原創發布於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議

相關焦點

  • 如何全面解析數據並創造數據故事
    地理 [Maps 地圖]四、預測模型步驟中的故事1. 數據探索2. 特徵可視化3. 模型創建4. 我們沒有意識到的是，再好的故事，如果沒有很好地呈現出來，也終究毫無用處！在一些公司中，分析任何事件的第一步是將故事載入其中。提問如，為什麼我們要分析它？我們能從中作出什麼決定？有時，單憑數據就可以講述一些直觀或複雜的故事，我們就不需要再運行複雜的相關性來證實了。需要故事和圖像來解釋數據的一個最好的例子是 「Anscombe四重奏解析」。
  • 鴕鳥便利店:詳談低於30平方米的店怎麼經營?
    接下來就由鴕鳥便利店為你詳談分析一下低於30平方米的店鋪該怎麼運營？招牌上設計顏色最好就是要鮮豔一點、要大、有一定屬於自己的設計檔次，更重要的就是要符合現在大數據的時代和年輕人們的審美與品味。不然你的招牌跟別的便利店都沒有什麼不一樣，招牌顏色上還選擇普遍便利店的顏色，沒有一定的創新所在，是很難吸引到消費者的眼球。
  • 小型便利店如何選擇好用的收銀系統
    你或許在某個小區、學校附近開了一家小型的便利店。作為管理者你會發現使用收銀管理系統能更好的管理店鋪，那麼我們又應該如何選擇好用的收銀系統呢？1.便利店收銀系統怎麼挑選？小型便利店收銀系統首先要滿足系統簡單、易操作，好上手著三個條件。比如茗匠收銀管理系統功能完善，操作簡單，一鍵收銀，還兼容各種智能硬體，支持多種收款方式，讓收銀更高效2.
  • 2組語法,1個函數,教你用Python做數據分析
    大部分網上的資料總是從Python語法教起，夾雜著大量Python開發的知識點，花了很多時間卻始終雲裡霧裡，不知道哪些知識才是真正有用的。本來以為上手就能寫爬蟲出圖，卻在看基礎的過程中消耗了一周又一周，以至於很多勵志學習Python的小夥伴犧牲在了入門的前一步。
  • 「女孩子學什麼數據分析」,「呵呵」!
    數據不是數字，數據除了數字本身之外，還必須包含數字的來源、度量方式、單位、代表的業務場景。分析的過程就是歸納總結的過程，並且從這些數據中得出有用的信息，也就是數據背後的故事。 2）  相比男生，女生往往更坐得住，可以一整天耐心地碼一堆SQL不煩躁，也可以細細地把Excel摳得比PPT還美觀。 數據分析師是一群用數據來觀察和感知世界的人，一組組枯燥無味的數字，在他們眼中總能變成活生生的現實；而現實中的一切又在頭腦中抽象成一組組有序的數據。
  • 無人便利店:大數據配餐,機器人做飯
    眼下，華南農業大學這家2 4小時機器人智能便利店儼然成了校園「網紅」。10名華農在校生籌資開了全國高校第一家2 4小時無人便利店。在這裡，他們或將收穫人生第一桶金。為什麼選擇無人便利店？19歲的無人商店聯合創辦人之一李錦昭說「挺酷的」。
  • 鴕鳥便利店為你分析為什麼有些便利店失敗的原因
    就以便利店行業來做分析，為什麼有些便利店在經營過程中越變越好，而一些便利店卻開業不到半年就倒閉收場呢？接下來由鴕鳥便利店為你分析一下為什麼有些便利店的經營會失敗呢？有一些便利店的開展失敗的原因就是選址的不好，選的地址一般都會有點偏僻，人流量也不算多、交通也不便利、租金也比較貴，這是開便利店的大忌，這就已經代表著守業困難。在開便利店時選址是重要的一部分，一定要對周圍環境做好調研，然後再根據自己的實際情況來量力而行就一定會成功的。
  • 便利店貨架尺寸要怎麼選擇?
    最近便利店的數量越來越多了不僅新型的品牌連鎖店忙著開店很多夫妻小店也開始升級為便利店那麼在升級店鋪的時候，要怎麼選購貨架尺寸呢？下面時尚小編就詳細為您分析分析！小店改造，主要用到的就是單面靠牆貨架和中島貨架以時尚貨架的規格來舉例貨架的固定尺寸是多少？
  • 用Smartbi做疫情數據分析,多維度解析疫情趨勢
    小麥在上一期的文章裡分析了幾個指標的情況，對於這些指標，每天觀察變化，判斷可能的發展趨勢，例如：　　　　從右圖可以看到日新增追蹤接觸者數據在2月3日至2月7日構建了一個平臺後，近幾日人數都在平臺之下，這說明了兩點：一是政府部門前期的積極工作，使得可追蹤密切接觸對象逐步減少了;二是因為前期減少流動、減少接觸的政策使得每一個可能感染源的接觸者也減少了。
  • 籤約| 數據驅動便利店行業持續增長,觀遠數據為「新佳宜」打造決策...
    近日，湖南省數量最多的連鎖便利店品牌新佳宜與觀遠數據達成合作，希望通過觀遠數據在零售數據分析領域的經驗和技術能力，提升其運營效率和精細化水平，賦能終端，實現持續增長。關於「新佳宜便利店」在CCFA公布的《2018年中國便利店TOP70》中，新佳宜位居全國第16位，而排在其前面的便利店品牌中有13家是由外資、國企或者國企轉制而來。截止到目前，新佳宜已經完成了1140家店的布局，成為湖南第一，其門店數量和銷售規模是湖南第二大便利店品牌的近五倍。
  • 籤約|數據驅動便利店行業持續增長,觀遠數據為「新佳宜」打造決策...
    近日，湖南省數量最多的連鎖便利店品牌新佳宜與觀遠數據達成合作，希望通過觀遠數據在零售數據分析領域的經驗和技術能力，提升其運營效率和精細化水平，賦能終端，實現持續增長。關於「新佳宜便利店」新佳宜成立於2007年，是以連鎖便利店特許經營加盟為主，集設計裝修、物流配送於一體的連鎖便利店品牌。在CCFA公布的《2018年中國便利店TOP70》中，新佳宜位居全國第16位，而排在其前面的便利店品牌中有13家是由外資、國企或者國企轉制而來。
  • 英語四級怎麼學?這2點必須知道!
    今天，小編又給大家帶來一個問題:英語四級怎麼學？小編想告訴大家的是:方法不是公式，不能隨便套用。在這裡，小編也只能針對性地提一些小小的建議。下面這兩點，你們必須知道。（1）認識你自己。佛法裡面有一個詞叫「覺悟」，什麼是覺悟呢？
  • 鄭州7-11是怎麼破世界紀錄的?開業玩法大解析
    擴大門店知名度新開了一家店，你不說，人家怎麼知道你是新開的呢？一排排的這麼多商鋪，不來點行動行人怎麼會注意到你呢？開業活動就像是一個「大喇叭」，用開業氛圍和商品折扣告訴消費者：「我家新開業了，在搞活動，快來買！」
  • 用數據講故事:5個方法提升數據思維,掌握用故事說服他人的能力
    這本書指出，必須具備兩種技能：一種是查詢、分析與理解數據的能力，另一種是利用從數據中提煉的見解來講述故事從而說服他人的能力。本書針對「如何用數據講好故事」提出了簡單而有效的六大原則，可以幫助每個人講出更有說服力的、基於事實證據的故事：保持簡單，篩選並使用正確的數據，避免假陽性，警惕知識的詛咒，了解你的聽眾，人性化的交流。這本書對需要從事說服與溝通工作的個人、企業、政府部門和組織機構都有一定的啟發。
  • 開便利店遇難題,收銀系統要怎麼選擇?避免掉坑
    開便利店遇難題，收銀系統要怎麼選擇？便利店的進銷存數據不明晰，沒辦法進行數據分析，著實讓人頭疼。因此，選擇好系統真的挺重要。二、新手朋友如何選擇收銀系統？1. 系統運行穩不穩定系統運行穩不穩定真心重要。
  • 數據分析,結構分析法解析
    答：因為光有數據，沒用配解讀數據的方法！ 數字要讀出含義才有價值。結構分析法，就是解讀數據的一種簡單、快捷的方法，也是數據分析師的祖傳手藝，今天我們系統講解一下。人們天生討厭平均數，總覺得用平均數很扯淡，有種：「我和姚明平均身高，有毛用」的感覺。
  • 技巧 | 驚奇隊長豆瓣評分7.1, 我怎麼用數據分析看出貓膩?
    學過數據分析的同學笑了零基礎的職場人和小白文科生哭了今天Uni醬就用一個豆瓣的數據案例告訴你數據分析沒那麼難👇比如：怎樣用數據分析判斷為用戶推薦什麼電影——其實是通過數據分析預測豆瓣用戶對不同電影的評分，進而推薦預測評分高的電影。再比如：打車APP如何給用戶安排周邊最近的、又能拼車的路線？大眾點評分析北京各區什麼菜系最受歡迎？定義問題是數據分析的大前提。
  • 以「蘇寧小店」為例,三維度解析社區便利店O2O線上運營
    本文以蘇寧小店為例，從商業邏輯、用戶特徵、產品特性三個維度解析了社區便利店O2O的線上運營。希望能夠給大家帶來啟發。根據統計局數據，2015年全年，社會消費品零售總額超30萬億元，其中網上零售總額38773  億元，佔比12.8%。馬雲在雲棲大會上所提的「新零售」便是利用網際網路的思想和技術去把剩餘87.2%超26萬億線下零售市場進行效率的提升和需求的滿足。而基於社區便利店的O2O項目則是「新零售」離消費者最近的實踐點。
  • ChIP-Seq數據挖掘系列-2: Motif 分析(2) - HOMER Motif 分析基本步驟
    1.2 背景選擇 (findMotifs.pl/findMotifsGenome.pl)未指定背景序列時，HOMER 會自動選擇。對基因組某些區域進行分析時，從基因組隨機選擇GC含量一致的序列作為背景序列。對啟動子進行分析時，除用來分析外的所有啟動子將被作為背景。自定義背景使用參數"-bg <file>"。
  • 五十米就有一個便利店,這麼密集還能賺錢嗎,看便利店老闆怎麼說
    便利店整體發展趨勢 根據中國連鎖經營協會的數據顯示，2017年中國連鎖便利店共有10.6萬家，2018年的數據顯示便利店數量達到12.2萬家，行業增速達到19%。其實，開便利店銷售香菸的利潤才是佔很大一部分比列的。很多便利店都開在人流量多的路口，甚至工廠集中的區域，很多人下班後都會去買一些吃的及香菸，大家都知道中國的菸民是很多的。以上是採訪的店主的情況。下面從數據的角度進行分析。