一、数据分析的意义

数据分析是伴随产品全部生命周期的重要分析行为之一，通过对数据的详细研究和概括总结以提取用户信息和形成结论。

二、数据的获取

获取数据的方式：分两类，

一类是第三方提供，例如友盟，百度统计，TalkingData

一类是数据埋点，尤其是设计私密性较高的，与开发沟通，由开发提供爬取数据

埋点的目的是观测用户的行为，当某些数据指标出现异常时，可通过埋点去验证自己的判断。

三、数据统计的指标

常见的数据指标

PV（Page View）:即页面浏览量或者点击量，用户每刷新一次即被刷新一次。

UV（Unique View）:独立访客，访问您电脑的一台电脑客户端为一个访客。

新增用户数：又被称为激活用户数或者安装用户数。

活跃用户：指一段时间内启动或登录过应用的用户。包括：日活（DAU）；周活（WAU）；月活（MAU）。

启动次数：用户对产品的一次使用即为一次启动。有日平均启动次数：该日平均每用户启动应用的次数。

最高用户在线数（PCU）,它是衡量系统运行压力的重要指标，以及衡量产品在运营期间受欢迎程度，大多数以游戏产品为主。

平均付费（ARUP）=总收入/付费用户数，它一般从某个程度上是衡量产品的盈利能力，也是从某个方面衡量产品的发展活力。

转化率：网站转化率=进行了相应动作的访问量/总访问量。它是衡量网站内容对访问者的吸引程度以及网站的宣传效果。

不同的行业的数据指标存在差异：

1、电商平台关注数据指标

核心指标：成交金额（GMV）,交易数量（Transations）,均价（ARUP）,用户的复购率，购买频次，年度复购率。

指标维度：用户交易数据，用户行为数据，用户来源数据

2、内容型平台关注数据指标

基本指标：页面浏览量，访问量，独立访客数，跳出率，页面停留时长，网站停留时长，退出率，转化率，页面退出率

指标维度：

（1）内容热度：分享次数，推荐次数，点赞次数，评论数

（2）用户情况：新用户，活跃用户，沉寂用户占比的变化，增长的趋势等

3、网站分析基本指标

访问：一个用户到网站的整个使用过程。

访客：根据账户名、IP、Cookie等确定的用户身份。

网页停留时间：用户在网页上浏览的有效时间。

网站停留时间：智能判定用户在网站内浏览的有效时间。

跳出率：网站上单个页面访问所占的比率，分为一跳二跳三跳等。

退出率：用离开的网站的网页中的占比，需要关注一些重要页面的退出率。

转化率：目标产出数量占总访问量的占比。

参与度：参与时长，访问深度等。

4、游戏行业指标

四、漏斗分析模型-----以AARRR模型为例

AARRR是Acquisition、Activation、Retention、Revenue、Refer，这个五个单词的缩写，分别对应用户生命周期中的5个重要环节：获取用户、提高用户活跃度、提高用户留存率、获取收入、自传播。

一.获取（Acquisition）：用户如何发现（并来到）你的产品？

关键词：激活量

相关指标：

1）日新登用户数（DNU）

定义：每日注册并登录游戏的用户数。

解决问题：

渠道贡献的用户份额。

宏观走势，确定投放策略。

是否存在大量垃圾用户。

注册转化率分析。

二.激活（Activation）：用户的第一次使用体验如何？

关键词：活跃

相关指标：

1）日活跃用户数（DAU）

定义：每日登录过游戏的用户数。

对于某些APP而言，启动就是一个活跃用户，而另一些则要通过账号注册，形成一个网络账号，才算作一个活跃用户。活跃用户的计算是排重的。

解决问题：

核心用户规模。

产品生命周期分析。

产品活跃用户流失，分解活跃用户。

用户活跃率，活跃用户计用户量。

2）周活跃用户数（WAU）

定义：最近7日（含当日）登录过APP的用户数，一般按照自然周计算。

解决问题：

周期性用户规模。

周期性变化趋势，主要是推广期和非推广期的比较。

3）月活跃用户数(MAU)

定义：最近一个月即30日（含当日）登录过APP的用户数，一般按照自然月计算。

MAU变化幅度较小，产品用户规模稳定性来说，MAU是风向标。但在推广时期，版本更新、运营活动的调整，对于MAU的冲击则更加明显。

此外，产品的生命周期阶段不同，MAU的趋势变化也不同。

解决问题：

用户规模稳定性。

推广效果评估。

总体用户规模变化。

4）日均使用时长(DAOT)

定义：每日总计在线时长/日活跃用户数。

关于使用时长，可以分为单次使用时长、日使用时长和周使用时长等指标，通过对这些指标做区间分布和平均计算，了解参与黏性。

解决问题：

分析产品的质量问题。

观察不同时间维度的平均使用时长，了解不同用户群的习惯。

渠道质量衡量标准之一。

留存即流失分析的依据。

三.留存（Retention）：用户是否还会回到产品

关键词：留存

相关指标：

留存率：某段时间的新增用户数，记为A，经过一段时间后，仍然使用的用户占新增用户A的比例即为留存率。

1）次日留存率（Day 1Retention Ratio）

定义：日新增用户在+1日登录的用户数占新增用户的比例。

2）三日留存率（Day 3Retention Ratio）

定义：日新增用户在+3日登录的用户数占新增用户的比例。

3）七日留存率（Day 7Retention Ratio）

定义：日新增用户在+7日登录的用户数占新增用户的比例。

留存率逐渐演变为评判产品质量的重要标准。

四.收入（Revenue）：产品怎样（通过用户）赚钱？

关键词：付费

相关指标：

1）付费率(PR或者PUR)

定义：付费用户数占活跃用户的比例。

通俗地说，付费率也称作付费渗透率，在移动APP市场，多数只关心日付费率——即Daily Payment Ratio。

付费率的高低不代表产品的付费用户增加或减少付费率在不同APP类型的产品中表现也是不同的。

解决问题：

产品的收益转化能力标准。

用户付费关键点和转化周期。

付费转化效果评估。

2）活跃付费用户数(APA)

定义：在统计时间区间内，成功付费的用户数。一般按照月计，在国际市场也称作MPU（Monthly Paying Users）。

在数据分析中，更加切实地关注日付费用户和周付费用户，主要原因是用户的生命周期短暂，短期付费成为关注焦点。

活跃付费用户数的计算公式如下：

APA＝MAU×MPR

解决问题：

产品的付费用户规模。

APA的构成情况，鲸鱼用户、海豚用户、小鱼用户的比例以及收益能力。

付费群体的价值即整体稳定性分析。

3）平均每用户收入(ARPU)

定义：在统计时间内，活跃用户产生的平均收入。一般以月计。

平均每个用户收入的计算公式如下：

ARPU＝Revenue/User

Monthly ARPU＝Revenue/MAU

即总收入除以总活跃用户数，一般按照月计。

严格定义的ARPU不同于国内所认识的ARPU，国内的ARPU=总收入/付费用户数。所以，很多时候会强调付费ARPU，此处有专门的术语叫作ARPPU。

ARPU用于产品定位初期的不同规模下的收入估计，也是LTV的重要参考依据。

解决问题：

不同渠道用户质量的判断。

产品收益贡献分析。

活跃用户人均收入与投放成本的关系。

4）平均每付费用户收入(ARPPU)

定义：在统计时间内，付费用户产生的平均收入。一般以月计。

平均每付费用户收入的计算公式如下：

ARPPU＝Revenue/Payment User

Monthly ARPPU＝Revenue/APA

即总收入除以总付费用户数，一般以月计。

ARPPU容易受到鲸鱼用户和小鱼用户的影响，分析时需谨慎。

ARPPU与APA、MPR的结合可以分析付费用户的留存情况，对特定付费群体的流失进行深度分析，保证付费质量和规模。

解决问题：

付费用户的付费能力和梯度变化。

付费用户的整体付费趋势和不同付费阶层差异。

对鲸鱼用户的价值挖掘。

五.传播（Refer）：用户是否愿意告诉其他用户？

关键词：K因子

K＝（每个用户向他的朋友们发出的邀请的数量）×（接收到邀请的人转化为新用户的转化率）。

假设平均每个用户会向20个朋友发出邀请，而平均的转化率为10%，则K＝20×10%＝2。

当K＞1时，用户群就会像滚雪球一样增大。

当K＜1时，用户群到某个规模时就会停止通过自传播增长。