关于移动互联网产品的指标分析初探

简介: 版权声明:本文为半吊子子全栈工匠(wireless_com,同公众号)原创文章,未经允许不得转载。
版权声明:本文为半吊子子全栈工匠(wireless_com,同公众号)原创文章,未经允许不得转载。 https://blog.csdn.net/wireless_com/article/details/50757046

移动互联网产品的本质是信息与数据的传输和交换,其商业模式与数据流量息息相关(可参见 http://blog.csdn.net/wireless_com/article/details/50467071),因而会产生面向运营的产品设计等诸多方法。

流量统计是指对产品使用的相关指标进行统计。运营分析是指在获得流量统计的基本数据前提下,对有关数据进行统计、分析,从中发现用户访问和使用的规律,并将这些规律与营销策略等相结合,从而发现目前经营活动中可能存在的问题,并为进一步修正或重新制定运营策略提供依据。

互联网和移动互联网的运营分析指标是基本类似的,但移动互联网产品用着自己的特点。

1.常用指标

1.1. 数据流量KPI

数据流量统计的KPI是最常用来对移动互联网产品的效果进行评价的,主要的统计指标包括:

1)访问量(PV):即应用打开或页面浏览量及点击量,用户每次访问均被记录1次。用户对同一页面的多次访问,访问量值累计。需要注意的是,产品中有的页面是从服务端获取的,有的是客户端本地的,注意数据的获取和融合。
2) 日均访问量:指对应时间范围内,所有用户每日的平均访问量。
3)最高日访问量:指对应时间范围内,某一天获得最高访问量。
4)PV 百分比:指选择时间范围内,某个类别的PV占总PV的比例。
5) 独立设备:指在一天之内(00:00-24:00),访问产品的独立设备总数。互联网中一般使用IP,相同IP地址只被计算1次。但是移动互联网中不能用IP区分,而是使用移动设备标识进行区分。
6) 独立用户(UV):产品中的用户可能有不同的类型,注册用户想对容易统计,但对于非注册用户,一般将每台独立设备视为一位用户,指一天之内(00:00-24:00)访问和使用的用户数量。一天之内相同设备的访问只被计算1次。
7) UV百分比:指选择时间范围内,某个类别的UV占总UV的比例。
8) 活跃用户:某个用户或移动设备再次访问计为一个活跃用户,它的数目即为活跃用户数量。
9)活跃用户百分比:活跃用户占全部用户的比例。
10)活跃用户使用数量:是指某个用户或移动设备除第一次访问之后,又访问或使用产品的次数。
11) 人均使用页面数:指对应时间范围内,每个用户使用产品的平均页面数。

1.2. 用户行为KPI

用户行为KPI主要反映用户是如何访问产品、在服务上停留了多长时间、访问了哪些页面等,主要的统计指标包括:
12) 访问深度(Depth of Visit):在一次完整的产品使用过程中,用户所访问的页面数。访问页面越多,深度越高,访问深度可以理解为是平均页面访问数的另一种形式,也是衡量网站粘度的指标。
13) 新增用户数:某个移动设备的首次访问作为一个新用户,新增注册用户的价值更大。
14) 最近使用的用户数:最新用户统计,最近一段时间内使用产品的独立用户数,按“进入时间”倒序排列。
15)同时在线人数:在一定时间范围在线使用的UV数,例如1分钟,对于有长链接服务的产品,可以通过某个时间或时段的长链接个数判定。
16) 最高小时在线人数:指对应时间范围内,在某一小时内最高同时在线的唯一用户数。注:“天”以24小时(00:00-24:00)为单位。
17) 使用入口的页面占比:每次产品使用过程中,用户从首页进入的第一个页面
18) 使用出口的页面占比:每次产品使用过程中,用户结束使用时的最后一个页面。
19) 点击密度分析:直接反应用户在产品的页面上点击了哪里。
20) 用户停留时间:用户使用产品的持续时间。
21) 平均停留时间:所有用户的使用过程持续时间的平均值。
22) 来源分析:分析用户的来源类型,来源页面统计。可以关注用户在产品内部的页面之间进行跳转而产生的流量。
23) 总数据:产品自上线之日起至今的各数据量总和。
24)使用量变化率:指对应数据项在当前时间段,与上一个时间段相比较,使用产品的同比变化率。例如,上周的访问量变化率为 ↓21.1% ,表示上周的访问量比上上周的访问量下降了21.1%。又如,今日10:00-11:00的访问量变化率为 ↑1.3% ,表示今日10:00-11:00比昨日10:00-11:00的访问量上升了1.3%。
25)被访页面:分析产品中除首页和登录页外各个页面的流量分布,以及其随时间的变化趋势。
26) 访问路径:每个用户从进入首页开始,一直到最后离开,整个过程中先后浏览的页面称为访问路径。
27) 访问频度:指用户每日访问的频率,用于揭示产品对用户的吸引程度。
28) 点击次数:是指用户点击页面上功能按钮的交互次数。

1.3. 用户访问方式KPI

用户访问方式KPI主要反映用户使用的地域、设备、操作系统版本,软件版本、操作系统等,主要的统计指标包括:
29) 地理位置:用户来源于哪个省、市、自治区或国外。
30) 网络服务提供商:用户所使用的网络,是移动,电信,联通 还是WIFI。
31) IP段:用户所在的IP段。
32)移动设备类型:用户所使用的移动设备类型。
33)屏幕分辨率:用户所使用设备的各种屏幕分辨率。
34)操作系统:用户所使用的操作系统类型及版本。
35)软件版本:用户所使用的产品软件版本。

2. 重要指标

用户数据是最为重要的参考指标,分为如下两类:

2.1. 用户和流量增长KPI

36)用户增长百分比:即UV的增长百分比(一般是同上个月或上一周来比较)。
37)流量增长百分比:即PV的增长百分比(同上)。
38)渠道推广用户占比:从各个应用商店或渠道获得用户的占比。
39)新用户占比:新用户占全部用户的比例。

2.2. 功能及内容效率KPI

40) 每次使用的平均页面数:总访问量/访问人次。平均页面访问数代表了产品的粘度,粘度越高,用户看的页面越多,平均页面访问数也就越高。
41) 每个独立用户的平均使用次数
42) 回访率:活跃用户占所有用户的比例,用于揭示用户的忠诚度。
43) 新用户与老用户的比例
44)用户在不同逗留时间(0—30秒,30秒—2分钟等)的数量
45)不同访问深度的用户数量
46)首页跳出率(Main Page Bounce Rate):指仅浏览了首页就离开产品的用户比例。

3. 特殊指标

如果产品有搜索或推送功能,会用得到这些指标:

3.1. 搜索效率KPI

47) 使用搜索的用户百分比
48)每次访问的平均搜索次数
49)得到”0结果”的搜索百分比
50)从搜索结果中得到”0点击”的百分比

3.2 推送效率KPI

51) 消息推送的到达率
52) 消息推送的及时到达率
53) 消息推送的打开率
54)消息推送的有效转化率

4. 营销类指标

4.1. 营销效率的KPI

55)每个用户获取的平均成本
56)每个用户的平均收益
57)新用户和老用户的收益比较
58)新用户对老客户的收益百分比

4.2. 对于移动电商而言,购物车的KPI

59)每个购物车的平均商品数量
60)每个购物车的平均商品数量
61)每次转换的订单平均价值和平均成本
62)购物车放弃率:指在购物过程中途放弃的比例。
63) 开始购物率:指添加第一个商品到购物车的用户数量除以总的用户数量。
64)开始结帐率:指点击了结帐按钮的用户数除以总的用户数。
65)完成结帐率:总的完成付款购物的用户数目/点击了结帐按钮的用户总数。

4.3. 转化率KPI

66) 活动转化率(Activity Conversions Rates):进行了相应的动作的访问量/总访问量。
67) 注册用户的转化率
68) 活跃用户的转化率
69) K-因子: 每个用户平均发生邀请的数量/收到邀请转化为新增用户的比例

头有点晕,撇开移动电商,也有63个统计指标,这还只是自己的初探而已,还可以进一步拓展,如果进行数据的时序分析,就大概是大数据分析的范畴了。

你的产品能够获得这些数据么?你如何看待这些数据呢?在产品设计上,你是否考虑过这些运营层面的非功能性需求吗?

目录
相关文章
|
2月前
|
监控 搜索推荐 数据可视化
增长分析系列一:社交行业指标体系设计与运营策略探究
社交行业作为一个快速发展且竞争激烈的领域,企业需要不断探索创新的增长路径以保持竞争力。在这个数字化时代,数据驱动的增长分析成为实现目标的关键。本文旨在探讨社交行业增长分析的关键要素,包括指标体系设计、运营策略和用户分群,旨在帮助读者深入了解如何利用数据驱动的方法来优化业务表现、提升用户体验,以及实现可持续增长。通过深入挖掘这些关键方面,我们将揭示社交行业增长的内在机制,为读者提供实用的指导和启示。
增长分析系列一:社交行业指标体系设计与运营策略探究
|
2月前
|
自然语言处理 供应链 数据可视化
大数据在市场营销中的应用案例:精准洞察,驱动增长
【8月更文挑战第25天】大数据在市场营销中的应用案例不胜枚举,它们共同展示了大数据技术在精准营销、市场预测、用户行为分析等方面的巨大潜力。通过深度挖掘和分析数据,企业能够更加精准地洞察市场需求,优化营销策略,提升市场竞争力。未来,随着大数据技术的不断发展和普及,其在市场营销领域的应用将更加广泛和深入。
|
BI 开发者
《中国开发者画像洞察报告2022》——04 基于开发者人群的趋势预测(上)
《中国开发者画像洞察报告2022》——04 基于开发者人群的趋势预测(上)
161 0
|
存储 Kubernetes 架构师
《中国开发者画像洞察报告2022》——04 基于开发者人群的趋势预测(下)
《中国开发者画像洞察报告2022》——04 基于开发者人群的趋势预测(下)
158 0
|
开发者
《中国开发者画像洞察报告2022》——03 开发者人群特征洞察——3.1 学习驱动
《中国开发者画像洞察报告2022》——03 开发者人群特征洞察——3.1 学习驱动
|
SQL 数据采集 运维
《实时数仓助力互联网实时决策和精准营销》|学习笔记
快速学习《实时数仓助力互联网实时决策和精准营销》
241 0
|
供应链 前端开发 物联网
解决方案应用实例 |借助阿里云数据智能,李宁实现全域精准营销
李宁借助阿里云数据智能,实现了与用户全新互动方式,大数据精准触达消费者支持业务快速创新,从而实现全链路数据拉通,全域精准营销。
929 0
解决方案应用实例 |借助阿里云数据智能,李宁实现全域精准营销
|
存储 Serverless
基因分析平台产品全新上线
阿里云推出全新的基因分析平台产品,提供支持WDL标准的Serverless基因计算引擎,以及包括Sentieon,赛乐,人和未来在内的众多第三方分析工具流程。用户能够实现30x全基因组分析,1小时完成且成本降低5倍以上。借助基因分析平台,企业客户可以提供无限制的存储和计算能力,稳定可靠的性能保证,满足业务连续性和交付周期的要求。
634 0
基因分析平台产品全新上线
|
SQL 存储 机器学习/深度学习
云,数据和分析趋势
  公司可以访问比以往任何时候更多的数据,但都在努力获得其全部收益。 工具不足和开发策略不完善使他们无法获得所需的改变游戏规则的结果。   为了帮助组织充分利用最新创新技术和最有影响力的数据见解,本文确定了2022年的前8大数据,分析和云趋势。   在数据仓库和分析领域,这是令人振奋的时刻。 越来越多的提供商在云中提供了每个级别的数据堆栈。 借助云分析,您的公司可以以可承受且可扩展的方式使用数据与大型企业竞争。   阅读本文可深入了解未来十年的最大趋势,以及可付诸实践的技巧,以使您的公司始终处于最前沿。   涵盖的趋势包括:   · JSON和半结构化数据成为主流   · ELT超
150 0
|
数据采集 弹性计算 运维
实时数仓助力互联网实时决策和精准营销|学习笔记
快速学习 实时数仓助力互联网实时决策和精准营销
222 0