網際網路資料分析：指標體系建立
對網際網路的產品崗和運營崗的同學來說，資料分析能力在工作中是一項必備的技能，因為很多人對資料分析的理解僅僅停留在看統計的報表結果，並且做產品運營決策仍然依靠經驗而不是用業務資料分析得到的洞察結論。
本系列文章希望簡單講解為什麼要用到資料分析、以及用案例說明資料分析的全部工作流程。旨在向那些對網際網路業務資料分析感興趣的同學科普較簡單的概念常識和工作流程。
前言
在上篇中，我們介紹了資料的作用是①統計和評估②指導產品設計和運營策略設計③產品的日常監控。資料分析的工作流程分為明確需求→建立指標→獲取資料→分析資料並回歸業務這四步。（見下圖）
內容包括：
- ①常見的資料指標分為哪幾類，各是什麼？
- ②對於不同型別的產品或者業務如何對他們建立指標體系
1. 資料指標的分類
網際網路中的資料多種多樣，比如使用者的活躍數、留存數、消費金額、訂單量、頁面的PV/UV、轉化率等等，看起來比較繁雜，但大體可以用這樣一句話來將其分類——誰，幹了什麼，結果怎麼樣。分別對應使用者資料、行為資料、 業務資料。
1.1 使用者資料（誰？）
使用者資料包括使用者存量、增量、健康程度和來源。
- 存量 ：一般用活躍數來反映。日活、周活、月活分別表示一天、一週、一個月內在產品內活躍的使用者數（活躍的定義由產品來定義，一般為開啟APP，或者完成產品內某個關鍵行為動作）
- 增量 ：一般用新增數來反映。（對於新增的定義也有幾種：包括點選下載APP按鈕、下載成功、首次啟動APP、註冊為新使用者）
- 健康程度 ：一般用留存率來評判健康程度，表示新使用者在接下來的一定時間段內，再次活躍的比率。
其中，日留存和月留存的評判分析作用又有所不同：
日留存（如七日的日留存）可以評判某個渠道拉來新使用者的質量——假設某款社交產品，同時在微博、知乎、今日頭條、豆瓣APP內釋出其產品下載廣告，那麼可根據使用者的留存表現，來分析出從哪個渠道來的使用者質量更高（有更大比率是其目標使用者），從而優化其渠道廣告配置。
月留存（如次月的月留存）可以衡量產品的健康情況，觀察使用者在平臺上的粘性——比如某產品的次月月留存是20%，表示第一個月活躍的使用者中，只有20%的使用者在下一個月在APP內活躍，其他使用者則沒有活躍。因此可以以此指標來分析產品是否對使用者有長期的吸引力，使用者是否依賴此產品。也可以用對比分析某功能上線後，使用者的月留存率是否提升，來評判功能的效果。另外，除了觀看整體的留存（大盤留存），也可以給使用者分群和分類，觀看某個特定群體的使用者分群的留存率（精準留存），這部分內容將在下篇詳細介紹。
- 來源 ：表示使用者 從哪裡來 。
對於網頁：可以獲知使用者跳轉到此頁面的前向連結（使用者是從哪個頁面跳進來的）；或者使用者在哪個搜尋引擎搜尋了什麼關鍵詞，或者點選了哪個搜尋引擎的推廣連結進入的；
對於APP：可以獲知使用者是從什麼應用商店下載的；是自然搜尋還是從其他產品矩陣APP導流；是通過好友邀請來的還是自己直接下載的？
結合不同渠道來源的使用者在產品內的不同表現， 可以幫助更好地進行市場推廣、進行SEO（搜尋引擎優化）、為運營拉新活動提供思路和指導 。
1.2 行為資料（幹了什麼？）
使用者在使用產品時的一系列行為被記錄下來，形成了行為資料。大致也可以分為質（健康程度）和量（次、頻、時長）。
- 訪問深度 ：對於資訊流產品功能（如朋友圈、知乎首頁、各種新聞APP、帶動態timeline的產品），需要使用者下滑重新整理或者下滑後加載出更多新內容的產品，載入的新內容次數越多表示使用者訪問深度越深；對於電商產品，使用者從首頁到分類再到商品詳情頁，再到商品詳情頁內的大圖、討論區瀏覽，這個流程走的越深表示使用者對商品越來越感興趣。
- 路徑走通程度（轉化率） ：在某些步驟較長的過程，比如註冊，或者是一些輸入手機號獲得優惠券，填寫較長的表單，從發現到體驗到下單到支付，在探探上成功匹配陌生好友（我玩探探的時候就沒有成功匹配到一個好友，桑心，可能是我動機不純，只是想體驗一下產品功能和流程，沒有其他目的導致的~）等等。
- 次數 ：包括PV(page view)和UV（unique visitor），可以簡單地理解為次數和人數，如某個商品的詳情頁或者某篇文章某個活動頁面被多少不同的人瀏覽，被瀏覽多少次。（張小龍說每天有7.5億人進入朋友圈，閱覽總量為100億次左右）
- 頻率和訪問時長 ：頻率為使用者在一段時間內完成行為的次數（比如平均每人每天要看十幾次朋友圈）；訪問時長為使用者使用產品的時長（比如張小龍說每天使用者要平均刷上30分鐘左右的朋友圈，嗶哩嗶哩上市官方宣傳視訊中說使用者平均每天要使用76分鐘產品）
1.3 業務資料（結果怎麼樣？）
業務資料是使用者在產品內的行為，對於業務的結果貢獻程度是什麼樣的，以電商產品為例：有總量、消費人數、質量，另外可以分析被消費內容的資料。
- 總量 ：通常用總成交量（GMV，Gross Merchandise Volume）來衡量
- 消費人數 ：指有多少人購買商品。
- 質量 ：人均消費可分為人均消費金額（ARPU，Average Revenue Per User）和付費使用者人均消費金額（ARPPU，Average Revenue Per Paid User）。付費頻次指使用者多長時間購買一次物品。
- 被消費內容 ：可以分析被消費內容的特徵、分類、價格，來優化內容。
然而，並不是所有產品的目標都跟電商一樣希望賣出更多的商品（比如微博、嗶哩嗶哩、虎撲、貼吧、抖音、Faceu相機、有道詞典等產品，它們的業務並不像淘寶天貓等電商平臺那樣希望有更多的GMV），而業務資料要能夠準確衡量它們的業務目標。
因此，在接下來，我們要了解不同型別產品是如何選取不同的資料指標來進行衡量和分析，這也是為後面的監測和優化做準備。
2. 指標建模
市面上有很多種產品，每個產品內又不止一個模組（比如知乎有問答社群、動態想法、知乎大學等等；keep也有課程、電商、動態社群等不同模組），而每個模組所承擔的任務和責任不同，因此選取的資料指標也不同。
為不同型別的產品模組選取資料指標（指標建模）分為三步：
①明確業務的最終目的
②將產品拆分成模組，並判斷其分類
③根據模組選取合適指標
2.1 明確業務的最終目的：
產品都有各自的目的，並且為了達成目的而利用一些功能模組來作為其手段，有時還會有支援手段的工具。首先，我們就需要明確一個複雜產品各個部分：誰是目的、誰是手段。
目的：任何產品都有一個目的，比如賣出更多的實體和虛擬商品，讓更多的人消費、成為會員；讓更多的人瀏覽更多的廣告；更多人購買其APP或增值服務；而一些處於生命週期的成長期階段的產品可能更希望產品能夠對使用者產生粘性，希望更多的活躍度和留存率。
手段：為了達成目的，需要一些功能模組來作為“手段”。比如，今日頭條APP會提供更適合使用者閱讀偏好的內容，來讓使用者瀏覽更多內容從而瀏覽更多的廣告；滴答清單、印象筆記、百度雲網盤通過提供更好的工具服務來讓使用者使用並付費購買其增值服務。
支援手段的工具：手段的底層可能還有支援。比如，今日頭條的大資料推薦演算法為其智慧推送提供支援；抖音內豐富多樣的視訊編輯功能和海量的背景音樂為使用者創作優質短視訊內容提供支援。
2.2 將產品拆分成模組，並判斷其分類：
如上文所述，一個複雜的產品有很多不同的業務模組，有的是目的，有的是手段，那麼明確二者之後，需要將其拆開。
儘管市面上有很多種不同的產品功能模組，但為了簡化分析，可以根據2個維度將功能模組大致分為4種：工具、交易、社群、內容瀏覽。（遊戲產品不在本文分析範圍內）
有一些產品對使用者的價值來自其自身，按照幫助使用者省時間和幫助使用者消磨時間可分為：
- 工具類 ：比如抖音的拍攝視訊工具、美顏相機、查詞工具、筆記工具、地圖等等
- 內容瀏覽類 ：抖音內的內容、新聞文章、視訊網站（部分社群如大眾點評的攻略、微博、知乎問答在某種程度上也是內容瀏覽性質）
另一些產品對使用者的價值來自其幫助使用者連線其他資源（本身不產生價值，有點像“平臺”），按照幫助使用者省時間和消磨時間可分為：
- 交易類 ：比如電商板塊、會員付費板塊、直播打賞充值板塊等
- 社群類 ：比如百度貼吧等論壇；大眾點評、小紅書等釋出個人內容平臺；各大APP內部的個人動態（知乎想法、keep社群、QQ空間、微信朋友圈、即刻社群、嗶哩嗶哩動態、微博等等）
2.3 根據模組選取合適指標：
將產品內的模組大致分為4類後，可以將模組根據其地位（是目的還是手段）和性質（4類中的哪類），為它設定指標體系。
下面對4種分類的功能模組，分別介紹如何選取指標體系：
- 工具類 ：工具模組更希望使用者能夠利用此產品達成其目的，並養成固定的習慣，儘可能地多使用，形成依賴。因此主要選取目標達成率、使用量、頻次作為指標。（舉例：高德地圖的導航功能）
- 交易類：交易模組更希望使用者能夠更大比例地完成付費轉化、並且更多次地反覆地購買更高金額的商品和服務。因此主要選取詳情頁轉化率、購買人數、頻次和復購率等作為指標。（舉例：直播APP內的打賞禮物充值功能）
- 內容瀏覽類 ：內容瀏覽模組更希望能夠讓使用者在模組內獲得更優質的內容，從而投入更多的時間瀏覽更多的內容，並與內容產生互動。因此主要選取瀏覽數、瀏覽廣度、瀏覽時長和與點贊評論收藏分享人次數等作為指標。（舉例：愛奇藝優酷的電視劇、新浪網的新聞）
- 社群類 ：社群模組希望使用者釋出更多的內容，並且與更多的內容產生評論點贊等互動，讓社群內的發帖發言釋出人數越來越多，內容越來越多，內容內部的評論點贊等行為越來越多，從而營造一個非常活躍的社群。因此主要選取釋出量、互動量、使用者間關係密度等作為指標（舉例：小紅書的筆記社群、虎撲步行街社群帖子）
總結
在本篇中介紹了資料按照「誰-幹了什麼-結果怎麼樣」而分為三類，以及如何拆分產品內的不同功能模組併為其選取合適的指標建立資料體系。
本文的工作是為後續的分析打下基礎，明確重點關注的指標後，才能更好地做針對性的優化和改進，為產品運營的決策提供指導。
文：魏楚時 / CTSA實驗室( CTSA_lab )
首席增長官CGO薦讀：
更多精彩，關注：增長黑客（GrowthHK.cn）
增長黑客（Growth Hacker）是依靠技術和資料來達成各種營銷目標的新型團隊角色。從單線思維者時常忽略的角度和高度，梳理整合產品發展的因素，實現低成本甚至零成本帶來的有效增長…