对一个互联网产品做数据分析包含了对哪些数据进行分析？

对一个互联网产品做数据分析包含了对哪些数据进行分析？

本文会涉及指标体系相关知识，并简单说一下实际工作的分析场景，顺便会打破你对指标体系问题的滤镜。
需要注意的是，互联网产品有很多种类，涉及不同业务，文章无法涵盖所有场景，仅选择一些通用的场景来分享。
<hr/>首先为什么这件事情和指标体系有关，因为当我面对一个互联网产品的时候，就像解剖一个病人。每解剖出一层，我都会在上面插一个小旗，这个东西就是指标。
当我解剖的足够深入的时候，整个人身上已经插满了各种指标，再经过经验的梳理，方便其它人一眼定位到问题，就成了指标体系。
把这两件事关联起来，并不是为了把一个日常的分析挂靠上一些专业术语，而是为了把很多人来问的专业术语，变成一个很普通的工作场景。很多人来问指标体系，osm方法什么的，但是只要搜一下就知道，很多是各抄各的。
<hr/>下面步入正题，别忘了，想象你在解剖一个东西
一个互联网产品，想象成一个虚拟空间的房间，用户从点击APP/网页开始，就会不断的产生数据。这些数据主要包括点击、曝光和动作（滑动、输入等）。

纯粹的数据统计可以产生：总订单数，总访问量（pv），总访问用户（uv）等，即把这些数据简单的聚合起来，区分好统计口径（例如访问推荐页面的用户总数）
根据实际产品设计的不同，统计量之间的关系也可以是指标，例如一开始只有一个主要的页面，然后需要增加购买页面，交易页面，售后页面。按钮的点击也有很多比如签到按钮，下单按钮，选择按钮。
就会产生诸如：每日活跃且购买的用户量，点击签到未交易的用户量。
把这些指标串联起来解读，一开始的初学者可能会说：今天总消费用户下降是因为总访问用户不变但是从主页到交易页面的用户减少，各按钮的转化率有所下降。
当时间长了，这些指标的解读或许会变成：今天首页上的商品都不好。
以上的，涉及用户在产品内的行为轨迹的数据，可以归类为：用户行为数据（敲重点），这类数据是互联网产品的分析重点。他在指标体系内对应访问量、用户数等指标，进而拆解用户访问轨迹，定位产品问题。
对这些指标的解读涉及渠道分析或者转化率分析，关联产品和运营部门（倒也不用在乎这些名词，我只是帮忙把这些知识点串起来）。用户从哪个渠道进来，做了什么，做了多久，关键是最后为什么没有付费，没有转化，会不会流失，都是公司极为关心的问题。

哪个渠道的用户最容易转化，不容易转化的渠道是没找到需求还是实在没需求
付费率下降的原因可能是什么，未来如何避免这些问题
用户在使用产品的时候有什么问题，是否有理解不到位的地方

以第一个问题为例，最简单的是看不同渠道用户最后的付费率差异。但是问题随之而来，好的本来就好，坏的本来就坏，更深一层的思考是好的为什么好。例如一个渠道转化率很高，是否能扩量，投入产出比是否能保证，进来的用户为什么喜欢购买，这样的渠道流量市场上还有多少。如果已经被榨干了，这条渠道再好也是放在厕所的花瓶，没有更多的作用。
甚至再深一层，我明白了这些用户转化率高，是因为用户特征和产品能力更匹配，如果另一个渠道的用户表现出互斥的用户特征，是否有必要新增或者优化产品的能力，来去开拓更大的市场。
而这些结论，都在小小的渠道分析里，用户行为数据中挖掘出来。

如果还有需要深入了解数据分析指标体系的小伙伴，建议大家看一下知乎知学堂旗下研职在线官方的数据分析实战教程，在实践中感受不同岗位的工作差异。
课程有完整的学习链路和实战作业，有专属的社群服务和就业指导，解决无项目经验的求职难题，并且有一对一的督学服务和职业交流群。
<hr/>除了用户行为数据外，互联网产品还涉及很多后端的结果数据，例如交易类数据。
用户在点击交易按钮会产生用户行为数据，但后台会记录真实的交易流水（可能会有时间差异），用于财务数据的统计。
收入的来源和计算方式很多样，老板看到的是：总收入，但是会下拆很多指标，例如：

行业差异：电商行业内，用户购买会产生退款，一定时期的总收入是随时变化的
产品差异：付费产品中可能存在月卡，年卡等收入，会产生类似均摊收入的口径
交易模式的差异：例如兑换代币，代币换取商品等方式，收入和实际消费场景不同

这些差异会产生不同的指标，例如行业差异内，总收入可能今天一个数明天一个数，老板可能就希望抹平这些差异，例如用近三十天移动平均处理，或者造一个已确认订单的收入汇总，或者调整统计周期等；
对于产品差异来说，不同的指标对应的业务场景不同。例如月卡购买，购买收入反映用户消费习惯，但是均摊收入反映长期经营的结果，是不同的指标。
交易类数据和成本、用户行为数据进行关联分析，用户行为如何引导购买，不同的收入统计方式反映了什么收入上的问题，都是很实际的场景。
进一步对收入数据进行建模，例如全生命周期价值，可以对企业长期的决策提供建议，也是很常见的方向。
<hr/>上述交易类和用户行为类数据，已经是数据分析师会接触到的90%的数据，但如果有机会，你或许可以看到供给类or成本类的数据，这两类数据通常互相绑定去看，用于企业内管理和资源配置工作。
供给类数据，举个例子，电商行业是商品和商家，本地生活里是商家，内容行业是作者，游戏行业无；
成本类数据包括供给端和营销端的费用支出，例如我花多少钱引入了商家，对商家和用户投入多少营销成本，为内容创作者提供多少激励，才能保持他们在平台上的活跃和商品的提供。
很多数据分析会忽略成本和供给端的数据，例如总成本，内容成本；商家数，商家留存率。一方面是财务相关的数据很难接触到，另一方面成本的数据在关联关系上比较弱。例如用户今天购买，产生阅读或者浏览行为，对应的商品和成本可能是几个月前投入或者未来才会记录成本的内容。
但是成本类的问题很重要，当用户和收入下降的时候，成本用于计算投入产出比来优化资源配置。例如内容行业，有些内容用户看的很多，数据很好，根据数据我要提供给作者很多钱，但是这批用户不产生购买行为，一方面我要去分析用户是否有购买需求我没满足，另一方面在面临成本压力时这块成本是否能优先砍掉，就是数据分析师或者经营分析能提供的建议。
成本、收入、供给、用户行为，在一张表里，通常就只会出现在老板的桌子上，例如：


从这个dashboard出发，就很容易引导出重点的项目，进而对其开展分析
<hr/>四类数据基本能囊括商业里的主要目标，基于目标拆解策略的到指标整理成体系就是OSM。所以很多人来问这玩意儿怎么做，就是根据业务场景造指标，然后像搭积木一样搭起来。
当实际做了之后你自然就知道怎么做，因为如果体系无法反映指标的变化，就存在有业务的目标和策略无法关联，比如有人在做A业务，但是他的功绩无法在指标内反映，那就是需要继续拆。所以不存在怎么做的问题，只要你遇到了，你自然知道怎么做。
当然，这是很多人无法接受的答案。事实上，指标体系因地制宜的变化，不存在像开发那样一套方法去套，很多指标需要实地去聊，然后基于简单的统计学知识就可以串联和计算。

如果还有需要深入了解数据分析指标体系的小伙伴，建议大家看一下知乎知学堂旗下研职在线官方的数据分析实战教程，在实践中感受不同岗位的工作差异。
课程有完整的学习链路和实战作业，有专属的社群服务和就业指导，解决无项目经验的求职难题，并且有一对一的督学服务和职业交流群。
<a href="http://zhuanlan.zhihu.com/p/648301503" class="internal">不知渭河：数据分析师如何面对数据治理工作-入门篇

以互联网产品（app）为例，数据分析涵盖的“数据”一般可以从以下几个方面展开：
一、同行业系统数据

在做产品市场和竞争分析的时候，第一步就是找同行业系统，比如参加同行业信息交流会。服装行业想要看一下美特斯邦威怎么做数据分析项目，要么找厂商，索取一些已经积累的分析经验；另一个就是找人事，要同行业IT部门的简历，通过人脉套取一些信息，这也是技巧。
二、用户数据

做用户分析，这里有两个关键点：

• 进行定量分析
  

定量分析，画一个树状结构，把用户分一下类，比如有一些用户是关注数据的，有些用户从来不关注数据，关注数据的有些人喜欢自己动手去做。自己动手的人里面，还要细分，有没有数据处理能力。通过把人群进行分类，分类之后，可以进行一个用户画像，给他贴上标签，接着就可以填充其他的特征，比如性别、部门、职位、数据行为等，可以决定我们要做哪一些功能或服务。

• 需求分析
  

物理场景和任务场景的需求分析。比如有一个场景，我要上交周报，我没有必要半夜起来，用邮件发给领导。我可以定时的发送周报功能，晚上12点自动把报表数据发送给领导，开月度经营会，没有必要每个人都做个PPT，因为数据可能造假，办公室进行数据打通，打开某个部门相关的报表，直接投影到大屏上，就可以开月度经营会。需求分析注重两个原则，一个是一定要基于场景的需求，才是真实的需求。比如有人跟你说，我要在火车上进行离线的移动分析查看，其实这个场景对于现在的移动互联网来说，已经不存在了，我可以用4G网络直接查看分析。还有不确定需求用快速MVP原则验证。


三、运营数据

运营涵盖的数据很多，也很泛，很广。但其实看这张图就够了：


1、总体运营指标：

• UV、
  
• PV、
  
• 转化率、
  
• 订单数、
  
• 平均订单金额、
  
• 销售金额、
  
• 销售毛利、
  
• 毛利率
  

2、市场营销活动指标：

• 每周推广活动销售量和销售金额、
  
• 活动广告来的UV、
  
• 广告订单数、
  
• 转化率、
  
• 投资回报率
  
• 用户浏览量周分布
  
• 推广渠道流量分布
  
• 各月份指标对比走势
  
• 访问深度用户群体分布
  

3、产品供应指标：

• 产品总数、
  
• 优质产品数量增加、
  
• 优质产品集中度、
  
• 各类产品销售比率
  
• 毛利率
  

4、客户营销指标：

• 新增用户数、
  
• 用户转化率、
  
• CRM活动客户启动人数、
  
• CRM活动客户转化率、
  
• 当前新增购买用户数、
  
• 累计购买用户数、
  
• 重复购买率
  

5、财务绩效指标：

• 现金回款数、
  
• 期间现金收入与支出
  

6、网站内容运营指标：

• SEO参考指标：Alexa排名及三个月变化曲线、PR值、收录页面数、反向链接数量、关键词排名
  
• 合作推广：媒体报道数量，合作网站媒体数量和质量
  
• 社区营销：博客传播数量、网站收录数、RSS订阅量
  
• 网站内容：内容更新熟练、核心内容更新数量
  
• 社区互动：UV、在线人数、会员数
  

7、转化指标

• 会员注册转化率
  
• 商品收藏转化率
  
• 购物车添加转化率
  
• 品牌/单品转化率
  
• 付款转化率
  
• 定向营销转化率
  
• 营销渠道转化率
  
• 店铺流量转化率
  
• 关联商品推广转化率
  
• 公共事件转化率
  
• 客服咨询率
  
• 咨询下单转化率
  
• 退货率
  

8、留存指标

• 产品版本迭代更新优化
  
• 竞品对比分析
  
• 产品教程/文档
  
• 产品成功案例
  
• 平台促销活动
  
• 社区生态/用户生态
  
• 流失用户召回
  
• 平台新增用户数
  
• 平台新增用户营销渠道
  

运营分很多类，流量运营、用户运营、内容运营…每一个环节都有特别关注的数据和指标。
回答中很多都从PVUV用户数这些数据来切入分析，但是分析之后呢，做什么措施？以什么样的目标来驱动？我也分析做过这样的分析，这些常规的数据大多只是绑定着个人的KPI，反应这个人工作成绩的好坏，并不是一场完整的数据分析。这里我想从更全面的角度来总结互联网企业的运营体系，精益数据分析。
数据分析的目的应该是为了公司的发展，粗暴一点讲，是为了公司的盈利和持续的盈利。
而互联网的盈利模式不同，数据指标也不同，大抵可分为三种：一是向用户出售商品或服务，以电商、社交和o2o平台为代表；二是靠广告来进行盈利，典型的例如google、百度以及其他平台类互联网公司；三是直接向用户收取费用，各大游戏公司。
以分析体系最为复杂的互联网电商公司为例，来逐一分解，哪些数据需要分析，怎样分析，分析的价值是什么。
电商类公司的收入是由一个个订单堆出来，由用户购买相关的商品或服务产生，可以说用户和商品或服务为订单的两大基本元素，公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将收入相关的数据拆解为三大类：用户、商品和订单。
一、运营模块

从用户的消费流程来看，可以划分为引流-转化-消费-存留。我们一般将用户分为新老用户，无论新老用户，都会关注两块内容，一个是引流（拉新），一个是转化，最终以数据的形式体现出来，就是流量与转化率。


引流
通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。目的是保证流量的稳定性，并通过调整，尝试提高流量。


进一步，按照流量结构还可分为渠道结构、业务结构、地区结构。
在渠道中，流量可来自于自主访问、搜索引擎、淘宝付费、京东付费等等。按设备可分为PC渠道和APP渠道；按照付费与否可分为免费流量和付费流量。有人会通过渠道流量占比来分析各渠道的质量。下面的折线图可以对各渠道的流量情况进行追踪，分析占比不合理是短期内出现的，还是长期存在的，辅助问题的分析。仅仅根据流量情况来衡量质量是不全面的，需要配合转化率和roi.


按地区划分，这个很好理解。
按照业务结构，最典型的比如举办一场活动，例如双十一，可定要对活动的流量追踪。观察活动前、活动中、活动后的变化情况，评估活动效果。
转化
完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面->注册成为用户->登陆->添加购物车->下单->付款->完成交易。每一个环节中都会有用户流失，提高各个环节的转化率，是这一块工作的最核心，转化率的提升，意味着更低的成本，更高的利润。
转化的分析：

• 观察各环节转化率，分析其合理性，针对转化率异常环节进行调整
  
• 追踪转化率变化，用于异常定位和策略调整效果验证
  
• 观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略
  
• 分析各环节转化周期，分析用户习惯，为制定运营策略提供依据
  

最直接的分析成果就是转化漏斗。
留存
通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。关于留存，这里要关注的就是日活和留存率。
关于留存，无非就是：

• 日活监控，观察用户活跃数据，分析日活健康度
  
• 观察存留规律，定位存留阶段，辅助市场活动、市场策略定位等
  
• 对比不同用户、产品功能的存留情况，分析产品价值、辅助产品调整
  

复购
有调查数据显示，一个满意的用户会带来8笔潜在生意，不满意的用户可能会影响25个人的购买意愿，可见回头客多么重要。
复购率可以分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与复购率相似，也在此范围内。

用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数
订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数
用户回购率＝单位时间内：有购买行为的老用户数/有购买行为的总用户数

分析复购率的目的：

• 综合指标展示，分析用户黏性，辅助发现复购率问题，制定运营策略。
  
• 横向维度(商品、用户、渠道)对比分析，细化复购率，辅助问题定位。
  

流失
流失是无法避免的，但也有可以挽留的。流失可以分为三个方面：
刚性流失：可以进一步分为新用户水土不服型和老用户兴趣转移型，这部分流失用户是无法挽留的，缘尽于此，花再多的钱也没什么用。
体验流失：可能是应用体验、服务体验、交易体验、商品体验等等，总之就是在使用产品服务的过程中，感到了一丝不爽，正所谓一言不合就流失。
竞争流失：也就是用户已经转粉了。可能是竞争对手的体验更好，可能竞争对手推出了什么优惠的政策。我们也需要抓住行业的动态，针对竞争对手的抢粉行为做出相应的行动。
关于流失的定义，各公司定义不同，可能是7天内没有登陆行为，也可以是几个月之内没有交易行为。（回流率＝时间周期内流失的再回访的人数/时间周期内流失的人数）
关于流失的常规数据监控，一般都是和存留一起的，本身两者也是分不开的。单独针对流失的，最多看到如下图样式的监控：


再者，流失率结合存留率也可以评估渠道的价值。


二、销售模块

1、指标跟踪：销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等，可以从人、货、场三个视角进行分析跟踪。
2、店铺分析：具有小b级用户，或者入驻平台式，需要针对各店铺经营指标进行分析，包括各店铺效率指标、完成率指标、业绩指标、客单价等，实现店铺价值评定分析。
3、销售活动管理：线上销售中，活动是非常重要的一块，从事前、事中、事后三个层面实现销售活动的闭环分析，其中包括事前投入分析、目标预测；事中用户参与度、客流分析、销售单分析；事后目标完成情况、活动对比、费销比、活动衰减度、活动爆发度等.


三、商品模块

1、采购管理：包括供应商数据分析、采购匹配度分析等。
2、供应链环节管理：供应链服务情况分析（响应周期、交货及时率、订单执行率）、管理指标分析（物资成本占比、客户投诉率等）。
3、库存管理：商品库存天数、存销比、有效库存比、库存周转率等数据分析。
4、重要指标分析：分析包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、、畅滞销等分析指标，评判商品价值，辅助调整商品策略。
5、异常商品分析：包括对退货率、残损率、异常商品等数据进行分析，发现异常商品，及时处理。
四、用户模块

1、重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。
2、用户价值分析：根据rfm模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。
3、用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据
最后分享一下我整理的一份数据分析流程知识图谱，需要可自取。内含数据分析12个常见分析模型、18个理论分支、136个详细知识要点和60多个实际分析场景案例，不懂或不记得的知识点拿出地图就能查，数据人必备！高清电子版获取方式↓↓
数据分析全流程图谱（高清电子版）

每个网站分析的重点都不一样，电商网站偏向流量和成交，资讯网站偏向阅读，工具产品偏向使用频次等，产品的差异性决定了所要分析的数据肯定也是大不同的。但是，运营一个网站总的分析维度有这些：
1、网站流量
主要是指PV/UV等最常见的数据指标，肯定是每个网站都要关注的指标，单单关注这个指标还不够，重要的是要关注访客最终的转化的情况，新访客是否注册了、是否下载了、最终是否购买了；老访客来干嘛了，参加活动了还是购买了......转化率是最重要的标准哦



2、订单数据
订单肯定都是每个必然、肯定关注的指标，因为订单的多少决定了网站的商务盈利模式，订单总量、优惠券补贴、订单来源、订单全国地域分布等，这些都要了解的，涉及推广、渠道、盈利等重要问题。
订单模板：
https://me.bdp.cn/share/index.html?shareId=sdo_ec43665084d4e2d90d36f066b892093a3、用户数据
对于网站来说，用户是上帝，用户的一切行为决定了网站的运营情况，用户注册、登录、购买等行为必须要研究分析。
用户模板：
https://me.bdp.cn/share/index.html?shareId=sdo_a77fa6b9e48a19e02cc2923f466183444、推广数据
每个网站或多或少都要进行推广，或付费或免费，但是不能白白进行推广工作啊，肯定要统计渠道效果的啊，不然白白投钱啊。
推广模板：
https://me.bdp.cn/share/index.html?shareId=sdo_1aca4cbbcad96dc7559d0ba1ad2be5a15、APP渠道数据
现在大部分网站都有APP，那肯定还要分析APP渠道数据啊。
https://me.bdp.cn/share/index.html?shareId=sdo_58740e7b1b7ffcc193443fe7535200d16、营销活动数据
每个网站都要经常做一些活动，so活动分析也很常见咯！
https://me.bdp.cn/share/index.html?shareId=sdo_049b5e54855b2b40c205ee93bd84982b
这6个方向是很常见的分析方向，还要很多其他的，比如微信公众号分析、商品数据分析、微博数据分析、营销短信数据分析等等，其他可以按照以上的思路和分析方法去自定义分析！

互联网的分析少不了流量，少不了用户的分析。这两个拓展了就是流量多少，流量从哪儿来的，哪些搜索关键词带来的流量。访客的分析那就是多少人过来访问，新增了多少人，多少人是来客户。
除了这些就是结合具体的互联网产品做的分析，来你的网站的用户是带着需求来的，是买东西？是得到某种服务？那就看这项服务有没有完成和实现，转化是不是顺利？这个叫转化的分析。
如果是搜索引擎，视频这种服务，服务是没有成本的。如果是电商，你卖的东西有成本，你要分析哪些商品赚钱多，哪些东西赚钱少，哪些东西好卖，哪些东西如何定价，哪些东西怎么采用打折的方式更吸引用户。这个就不是电商分析了，就有点像零售和销售的分析了
除此之外有些网站靠广告挣钱，要看你家的广告被点了多少次。这个结合用户，广告的类型，位置几个维度分析吧
大体就这些，总之你做什么业务，分析什么……
为了分析而分析也没什么意义