数据分析指南

数据分析是产品经理必须具备的一项能力,在产品需求阶段可以通过数据分析对用户的需求去伪存真,在产品上线运营阶段,又可以通过数据验证产品的可行性并且进行迭代。这里给大家讲一讲数据分析的基础知识。

数据分析
思路
基于用户路径
操作
流失
停留时间
基于产品节点
转化率
占比
分析类型
定性
对事物性质的归纳
是什么-假设
定量
对事物数量的统计
有多少-验证
步骤
定义 Define
针对问题是什么
分析最终达到什么目的
对产品有何实际意义
确定分析范围
规划分析的进度和质量
测量 Measure
收集获取数据
数据预处理
分析 Analyze
数据统计描述
针对问题的归纳和总结
改进 Improve
找到最优的解决方案
问题描述或负面影响降低
控制 Control
持续监控和反馈
跟踪迭代
数据来源
自己产品的
用户反馈,调查数据
竞争产品的
网站流量
行业的
行业分析报告
热点大数据披露
关键指标
转化率 Conversion Rate
趋势分析
比较分析
细分分析
任务完成率 TaskcCompletion Rate
当前使用用户数
新用户数
流失用户数
回访用户数
活跃用户数
活跃用户数越高,网站或者产品当前拥有的价值越高
活跃用户与流失用户
活跃用户
衡量网站运营现状
流失用户
分析产品是否有能力留住新用户
是否存在被淘汰风险
新用户比例
反映产品发展状况的重要指标
进来
新用户与老用户
新用户
产品发展的动力
老用户
产品生存的根本
保持老用户数量的稳定增长的前提下,提升新用户的所占比例
用户流失率
反映产品保留用户的能力
离开
产品发展3个阶段
新用户比例大于用户流失率;产品处于发展成长阶段
新用户比例低于用户流失率;产品处于下滑衰退阶段
新用户比例与用户流失率持平;产品处于成熟稳重阶段
分析方法
时间序列趋势分析
AHP层次分析法
对定性问题进行定量分析的多准则决策分析
多目标决策,多个影响指标评价各方案优劣程度
前提条件
1、各层的要素必须是已知的,并且条理结构清晰,能够按层次区分排列;
2、同一层中的各要素的关系是平等的,而各要素间相互独立,不存在显著的相关性;
3、最底层的指标可以量化,并能够通过一定的方法测量;
4、需要明确各层次间要素的影响关系
用户忠诚度分析
用户使用频率
最近使用时间
平均使用时长
平均使用页面数
数据透视表
工作内容
主要专题分析-解决问题
购买周期分析
用户属性挖掘
用户变动模型
用户生命周期管理
用户市场占有率分析
预测的系统化流程
价格变动关联销售模型
产品生命周期主营销活动策略
用户终生价值研究:当前营业收入 风险偏向 忠诚度得分 其他竞品支出
四大报表:收入利润地图;流量转化地图;产品贡献地图;用户分布地图
数据报表体系搭建-提升效率
衡量业务成功的关键指标
业务转化关键路径/漏斗
业务基础单元及主要页面
产品销售成交分布
渠道运营效率
用户分层管理
营销活动效果
数据分析监控-发现问题
部门KPI监控预测报警
关键数据监控
部门经营分析
营销活动分析
数据产品-经验沉淀
点击流量地图
数据直播
经营看板
自主提取
行业市场分析-抬头看
商业新形态
行业风向标
竞品趋势
运营分析/需求调研/用户调研
GMV=UV*下单率*付款率*ARPU
商品侧表现
那些商品表现好
下单数
环比、周同比
付款率
环比、周同比
ARPU
环比、周同比
那些商品表现差
渠道测表现
那些渠道表现好
下单数
环比、周同比
付款率
环比、周同比
ARPU
环比、周同比
那些渠道表现差
活动侧表现
哪些活动表现好
下单率
环比、周同比
付款率
环比、周同比
ARPU
环比、周同比
哪些活动表现差
用户侧表现
那类用户利润贡献度高
那类用户利润率贡献率低
经营月报结构
KPI完成情况
收入KPI完成率:当前完成率,全年完成率
收入趋势/月环比/月同比
关键指标趋势
访问用户趋势:区分免费渠道/付费渠道
购买转化率:区分不同渠道表现
ARPU值趋势:区分新老/区分渠道
买家数趋势:区分新老客户
流量结构
用户分析
用户构成
按产品
非核心产品
核心产品
按频次
1次
2-5次
5次以上
按贡献
80%收入贡献用户
20%收入贡献用户
新老买家构成:人数占比、收入占比、ARPU
用户留存率
次月留存率
三月留存率
6个月留存率
新增/流失情况
新增用户结构
流失用户结构
新增优质用户名单
流失优质用户名单
后续运营建议
类目渗透率
购买一个类目的用户
购买两个类目的用户
购买三个类目的用户
营销活动分析
营销活动KPI完成率
营销活动收入占比
营销活动对收入的提升
营销活动对访问量的提升
营销活动对用户忠诚度的提升
商品/类目状况
商品
商品KPI完成率
商品收入毛利情况
产品收入:重点看趋势
产品用户数:重点看趋势
产品渗透率:重点看趋势
类目
流量分析方法
整体趋势
UV
PV
流量健康度
人均PV
UV价值
注册转化率
购买转化率
停留时长分布
渠道价值
付费渠道
UV价值
成交人数
投入产出比
注册转化率’
购买转化率
带来成交金额
人均贡献金额
后续留存流失情况
免费渠道
收入异常分析流程
问题确认
原因分析:常规分析
流量
UV
UV价值
转化率
AUV/UV
商品详情页下转化率
付款率
人均贡献率
ASP
商品单价
商品数量
购买频率
购买种类
类目覆盖度
后续规划
不利因素尽量避让或有效转换
有力因素尽可能最大化,争取持续效应
原因分析:细分分析
行业占比
行业占比
行业变化
渠道贡献
流量变化
转化率
大/小用户
找出变动top5的厂家
新老买家
确认新老用户贡献率
营销活动
了解现网销活动
市场环境
了解行业趋势,如儿童节
竞争对手
了解竞争对手的变化,如机京东618
商业本质:商品
打开率
动销率
滞销率
转化率
款均贡献率
商品分布
流量分布
成交分布
用户分布
利润分布
携带率:关联购买
exce利器
类似于是好是坏这样的判断
多少比例的用户,多少比例的样本
是问卷呢?
还是后台的数据?等
比如,问卷里面,某个问卷有10道题,只回答了2道题。就剔除掉。要做这样的标准等,处理数据。
保证分析的数据质量。
统计:偏定量
描述:偏定性
最关键的:
拿出我们的结论
比如我们的日报,周报,月报。
这是一个持久性的工作。
当发出去给别人看的时候,不同人会有不同的想法,那么,怎么收集和获取到别人的想法和反馈,来完善自己的数据。
公司财报
第三方的数据报告-艾瑞、百度指数等。
和转化率很相似:
转化率是基于流程性的步骤。
任务完成率是基于每项任务的数据率。
是有个范围的定义:某个时间点上的用户数
比如UV:产品的登陆用户,或者是产品的使用用户
新用户数=总体用户-老用户数
有多少用户不在使用,或者是不在活跃了
用来分析我们的产品,当前留存的用户,保留的用户的能力的指标
没有流失的用户,叫留存用户
流失用户=总体用户数-留存用户
就是可能之前是我们的流失用户了,但是又重新的使用了我们的产品
这部分用户反映的是,我们的产品挽留的能力。
比如,一个app用户好久没用了,发一个推送
或者是,发送一条比较煽情的短信
或者是其他消息的提醒,来使用户再使用产品
这个要根据我们主要负责的产品,依据其中一些产品比较关键的功能,或者关键的用户操作行为,来定义。
比如电商网站,可能把支付成功,完成交易,作为活跃用户的指标。
比如某类工具产品,可能就是对某个功能的使用情况的定义。
往往是根据产品的KP去制走的。
要有数量指标和衡量。
比如以周为单位,月为单位等。看看我们的各个指标的情况。
(老用户流失,新用户增长,活跃用户怎么样...)
整体趋势
近3个月用户存量数据
近3月新增用户数量
近3月用户留存情况
按收入
付费
赠送
免费
按品类
只购买一个品类
购买N个品类
分层级展现
漏斗图转化模型
用户模型(黑客增长模型〕
用户性别分布占比
页面跳失率计算
订单数、订单数额、金额分布
平均页面停留时间
页面问深度(柱状+文字描述切换)
支付方式占比(扇形图)
一页访问人数
二页访问人数
访问页面的总人数计算
商品销售排行
分享访问人数
用户留存率
次日留存
周留存
月留存
排名
商品名称
成交数量
成交金额
商品访问人数(单品的UV)
商品访问量(单品的UV)
商品加购数量(具体到单个商品)
商品购买转化率=购买人数/访问人数
市场
产品
运营
渠道质量评估
活动效果监测
渠道拉新-流量指标
渠道转化-转化指标
渠道留存-留存指标
落地页浏览量
落地页访问人数
落地页跳出率
注册用户数
注册转化率
付费用户数
付费转化率
留存率
复购率
ROI
活动页访问量
活动页交互点击量
活动页访问人数
活动转化漏斗
功能点击量/使用率/用频次
功能留存率
功能转化率
重要流程优化
产品改版效果评估
现有功能效果评估
查看用户完整行为轨迹
用户指标
用户付费情况
产品传播情况
用户分层运营
活跃用户数
新增注份用户数
流失用户数
付费用户数
客单价
支付成功金额用户数
复购率
推送打开情况
回流率
数据埋点
内部埋点
市场埋点
各大市场下载量
消美用户主要分布城市
各时间段用户使用产品时常
...
主于埋点
分支埋点
日注册人数
付费量
订单量
付费用户量
...
注册各页面转化率
某页面链接日跳转量
某页面日PV/UV
...
分析框架
业务理解
数据理解
数据准备
建立模型
模型评估
应用
理解业务背景
评估分析业务需求
数据分析的本质是服务于业务需求,如果没有业务理解,缺乏业务指导会导致分析无法落地。
判断分析需求是否可以转换为数据分析项目,某些需求是不能有效转换为数据分析项目的,比如不符商业逻辑、数据不足、数据质量极差等
数据收集
数据清洗
抽取的数据必须能够正确反映业务需求,否则分析结论会对业务将造成误导。
原始数据中存在数据缺失和坏数据,如果不处理会导致模型失效,因此对数据通过过滤“去嗓”从而提取出有效数据
运用统计方法对数据进行探索,发现数据内部规律
数据转换
为了达到模型的输入数据要求,需要对数据进行转换,包括生成衍生变量、一致化、标准化等。
探索数据
选择方法、工具,建立模型
综合考虑业务需求精度、数据情况、花费成本等因素,选择最合适的模型。
在实践中对于一个分析目的,往往运用多个模型然后通过后续的模型评估,进行优化、训整,以寻求最合适的模型
建模过程评估
模型结果评估
对模型的精度、准确性、效率和通用性进行评估。
评估是否有遗漏的业务,模型结果是否回答了当初的业务问题,需要结合业务专家进行评估。
分析结果应用
分析模型改进
将模型应用于业务实践,才能实现数据分析的真正价值:产生商业价值和解决业务问题
对模型应用效果的及时跟踪和反馈,以便后期的模型谰整和优化。
特征描述
分布特性
结构分析
...
模型分类
分类与回归
聚类分析
关联分析
时序模型
结构优化
KNN算法
SVM算法
贝叶斯
神经网络
C4.5决策树
...
K均值算法
...
FP-growth算法
Apriori算法
...
指数平滑
支持向量机
灰色理论
...
灰色理论
遗传算法
...
模型检验
均方根误差
均方误差
正概率统计
群间差异度
群内相似度
业务符合度
支持度
置信度
均方根误差
均方误差
正概率统计
...
包括我们的定性、定量的数据。 和其他的。
第三方的数据报告。 艾瑞。百度指数等。
比如,网站的系统文件,数据库的数据
数据库的信息:用户信息,账号,注册时间,注册的联系信息。比如手机号,就可以看地域
本身的产品信息:产品库存,单价多少。
行为数据:用户什么时间买的什么产品,多少钱,买了多少,什么时间支付的等等还有我们的服务器日志:我们可以从服务器日志里获取很多有价值的行为。
用户的行为页面或者是功能的U、PV关键节点等。
本文由MindMaster用户 Assistants 发布,不代表亿图软件立场,如转载,请注明出处:https://mm.edrawsoft.cn/community/
立即使用
分享 |
收藏
|
0

相关模板推荐

产品经理如何做好项目管理 根据网络整理的产品经理如何做好项目管理。
产品经理如何做好项目管理
1101 0
IssenLo 1.00元
产品经理与众不同的思维方式 关于产品经理与众不同的思维方式
产品经理与众不同的思维方式
1108 0
(*^▽^*) 免费
查看全部模板专题
  • 数据分析 —— 作品大纲

    • 思路
      • 基于用户路径
        • 操作
        • 流失
        • 停留时间
      • 基于产品节点
        • 转化率
        • 占比
    • 分析类型
      • 定性
        • 对事物性质的归纳
          • 类似于是好是坏这样的判断
        • 是什么-假设
      • 定量
        • 对事物数量的统计
          • 多少比例的用户,多少比例的样本
        • 有多少-验证
    • 步骤
      • 定义 Define
        • 针对问题是什么
        • 分析最终达到什么目的
        • 对产品有何实际意义
        • 确定分析范围
        • 规划分析的进度和质量
      • 测量 Measure
        • 收集获取数据
          • 是问卷呢?
          • 还是后台的数据?等
        • 数据预处理
          • 比如,问卷里面,某个问卷有10道题,只回答了2道题。就剔除掉。要做这样的标准等,处理数据。
          • 保证分析的数据质量。
      • 分析 Analyze
        • 数据统计描述
          • 统计:偏定量
          • 描述:偏定性
        • 针对问题的归纳和总结
          • 最关键的:
            • 拿出我们的结论
      • 改进 Improve
        • 找到最优的解决方案
        • 问题描述或负面影响降低
      • 控制 Control
        • 持续监控和反馈
          • 比如我们的日报,周报,月报。
          • 这是一个持久性的工作。
          • 当发出去给别人看的时候,不同人会有不同的想法,那么,怎么收集和获取到别人的想法和反馈,来完善自己的数据。
        • 跟踪迭代
    • 数据来源
      • 自己产品的
        • 包括我们的定性、定量的数据。 和其他的。
        • 市场
          • 渠道质量评估
            • 渠道拉新-流量指标
              • 落地页浏览量
              • 落地页访问人数
              • 落地页跳出率
            • 渠道转化-转化指标
              • 注册用户数
              • 注册转化率
              • 付费用户数
              • 付费转化率
            • 渠道留存-留存指标
              • 留存率
              • 复购率
              • ROI
          • 活动效果监测
            • 活动页访问量
            • 活动页交互点击量
            • 活动页访问人数
            • 活动转化漏斗
        • 产品
          • 功能点击量/使用率/用频次
          • 功能留存率
          • 功能转化率
          • 重要流程优化
          • 产品改版效果评估
          • 现有功能效果评估
          • 查看用户完整行为轨迹
            • 漏斗图转化模型
            • 用户模型(黑客增长模型〕
            • 用户性别分布占比
            • 平均页面停留时间
            • 页面跳失率计算
            • 页面问深度(柱状+文字描述切换)
              • 一页访问人数
              • 二页访问人数
              • 访问页面的总人数计算
        • 运营
          • 比如,网站的系统文件,数据库的数据数据库的信息:用户信息,账号,注册时间,注册的联系信息。比如手机号,就可以看地域本身的产品信息:产品库存,单价多少。行为数据:用户什么时间买的什么产品,多少钱,买了多少,什么时间支付的等等还有我们的服务器日志:我们可以从服务器日志里获取很多有价值的行为。用户的行为页面或者是功能的U、PV关键节点等。
          • 用户指标
            • 活跃用户数
            • 新增注份用户数
            • 用户留存率
              • 次日留存
              • 周留存
              • 月留存
            • 流失用户数
            • 付费用户数
          • 用户付费情况
            • 客单价
            • 支付成功金额用户数
              • 支付方式占比(扇形图)
            • 复购率
          • 产品传播情况
            • 推送打开情况
            • 回流率
            • 分享访问人数
          • 用户分层运营
          • 商品销售排行
            • 排名
            • 商品名称
            • 成交数量
            • 成交金额
            • 商品访问人数(单品的UV)
            • 商品访问量(单品的UV)
            • 商品加购数量(具体到单个商品)
            • 商品购买转化率=购买人数/访问人数
          • 订单数、订单数额、金额分布
          • 用户反馈,调查数据
        • 数据埋点
          • 内部埋点
            • 主于埋点
              • 日注册人数
              • 付费量
              • 订单量
              • 付费用户量
              • ...
            • 分支埋点
              • 注册各页面转化率
              • 某页面链接日跳转量
              • 某页面日PV/UV
              • ...
          • 市场埋点
            • 各大市场下载量
            • 消美用户主要分布城市
            • 各时间段用户使用产品时常
            • ...
      • 竞争产品的
        • 第三方的数据报告。 艾瑞。百度指数等。
        • 网站流量
        • 公司财报
        • 第三方的数据报告-艾瑞、百度指数等。
      • 行业的
        • 行业分析报告
        • 热点大数据披露
    • 关键指标
      • 转化率 Conversion Rate
        • 趋势分析
        • 比较分析
        • 细分分析
      • 任务完成率 TaskcCompletion Rate
        • 和转化率很相似:
        • 转化率是基于流程性的步骤。
        • 任务完成率是基于每项任务的数据率。
      • 当前使用用户数
        • 是有个范围的定义:某个时间点上的用户数
        • 比如UV:产品的登陆用户,或者是产品的使用用户
      • 新用户数
        • 新用户数=总体用户-老用户数
      • 流失用户数
        • 有多少用户不在使用,或者是不在活跃了
        • 用来分析我们的产品,当前留存的用户,保留的用户的能力的指标
        • 没有流失的用户,叫留存用户
        • 流失用户=总体用户数-留存用户
      • 回访用户数
        • 就是可能之前是我们的流失用户了,但是又重新的使用了我们的产品
        • 这部分用户反映的是,我们的产品挽留的能力。
        • 比如,一个app用户好久没用了,发一个推送
        • 或者是,发送一条比较煽情的短信
        • 或者是其他消息的提醒,来使用户再使用产品
      • 活跃用户数
        • 活跃用户数越高,网站或者产品当前拥有的价值越高
        • 活跃用户与流失用户
          • 活跃用户
            • 衡量网站运营现状
          • 流失用户
            • 分析产品是否有能力留住新用户
            • 是否存在被淘汰风险
        • 这个要根据我们主要负责的产品,依据其中一些产品比较关键的功能,或者关键的用户操作行为,来定义。比如电商网站,可能把支付成功,完成交易,作为活跃用户的指标。比如某类工具产品,可能就是对某个功能的使用情况的定义。往往是根据产品的KP去制走的。
      • 新用户比例
        • 反映产品发展状况的重要指标
        • 进来
        • 新用户与老用户
          • 新用户
            • 产品发展的动力
          • 老用户
            • 产品生存的根本
          • 保持老用户数量的稳定增长的前提下,提升新用户的所占比例
            • 要有数量指标和衡量。
            • 比如以周为单位,月为单位等。看看我们的各个指标的情况。
            • (老用户流失,新用户增长,活跃用户怎么样...)
      • 用户流失率
        • 反映产品保留用户的能力
        • 离开
      • 产品发展3个阶段
        • 新用户比例大于用户流失率;产品处于发展成长阶段
        • 新用户比例低于用户流失率;产品处于下滑衰退阶段
        • 新用户比例与用户流失率持平;产品处于成熟稳重阶段
    • 分析方法
      • 时间序列趋势分析
      • AHP层次分析法
        • 对定性问题进行定量分析的多准则决策分析
        • 多目标决策,多个影响指标评价各方案优劣程度
        • 前提条件
          • 1、各层的要素必须是已知的,并且条理结构清晰,能够按层次区分排列;
          • 2、同一层中的各要素的关系是平等的,而各要素间相互独立,不存在显著的相关性;
          • 3、最底层的指标可以量化,并能够通过一定的方法测量;
          • 4、需要明确各层次间要素的影响关系
        • 用户忠诚度分析
          • 用户使用频率
          • 最近使用时间
          • 平均使用时长
          • 平均使用页面数
      • 数据透视表
        • exce利器
    • 分析框架
      • 业务理解
        • 理解业务背景
          • 数据分析的本质是服务于业务需求,如果没有业务理解,缺乏业务指导会导致分析无法落地。
        • 评估分析业务需求
          • 判断分析需求是否可以转换为数据分析项目,某些需求是不能有效转换为数据分析项目的,比如不符商业逻辑、数据不足、数据质量极差等
      • 数据理解
        • 数据收集
          • 抽取的数据必须能够正确反映业务需求,否则分析结论会对业务将造成误导。
        • 数据清洗
          • 原始数据中存在数据缺失和坏数据,如果不处理会导致模型失效,因此对数据通过过滤“去嗓”从而提取出有效数据
      • 数据准备
        • 探索数据
          • 运用统计方法对数据进行探索,发现数据内部规律
            • 特征描述
            • 分布特性
            • 结构分析
            • ...
        • 数据转换
          • 为了达到模型的输入数据要求,需要对数据进行转换,包括生成衍生变量、一致化、标准化等。
      • 建立模型
        • 选择方法、工具,建立模型
          • 综合考虑业务需求精度、数据情况、花费成本等因素,选择最合适的模型。
          • 在实践中对于一个分析目的,往往运用多个模型然后通过后续的模型评估,进行优化、训整,以寻求最合适的模型
        • 模型分类
          • 分类与回归
            • KNN算法
            • SVM算法
            • 贝叶斯
            • 神经网络
            • C4.5决策树
            • ...
          • 聚类分析
            • K均值算法
            • ...
          • 关联分析
            • FP-growth算法
            • Apriori算法
            • ...
          • 时序模型
            • 指数平滑
            • 支持向量机
            • 灰色理论
            • ...
          • 结构优化
            • 灰色理论
            • 遗传算法
            • ...
      • 模型评估
        • 建模过程评估
          • 对模型的精度、准确性、效率和通用性进行评估。
        • 模型结果评估
          • 评估是否有遗漏的业务,模型结果是否回答了当初的业务问题,需要结合业务专家进行评估。
        • 模型检验
          • 均方根误差
          • 均方误差
          • 正概率统计
          • 群间差异度
          • 群内相似度
          • 业务符合度
          • 支持度
          • 置信度
          • 均方根误差
          • 均方误差
          • 正概率统计
          • ...
      • 应用
        • 分析结果应用
          • 将模型应用于业务实践,才能实现数据分析的真正价值:产生商业价值和解决业务问题
        • 分析模型改进
          • 对模型应用效果的及时跟踪和反馈,以便后期的模型谰整和优化。
    • 工作内容
      • 主要专题分析-解决问题
        • 购买周期分析
        • 用户属性挖掘
        • 用户变动模型
        • 用户生命周期管理
        • 用户市场占有率分析
        • 预测的系统化流程
        • 价格变动关联销售模型
        • 产品生命周期主营销活动策略
        • 用户终生价值研究:当前营业收入 风险偏向 忠诚度得分 其他竞品支出
        • 四大报表:收入利润地图;流量转化地图;产品贡献地图;用户分布地图
      • 数据报表体系搭建-提升效率
        • 衡量业务成功的关键指标
        • 业务转化关键路径/漏斗
        • 业务基础单元及主要页面
        • 产品销售成交分布
        • 渠道运营效率
        • 用户分层管理
        • 营销活动效果
      • 数据分析监控-发现问题
        • 部门KPI监控预测报警
        • 关键数据监控
        • 部门经营分析
        • 营销活动分析
      • 数据产品-经验沉淀
        • 点击流量地图
        • 数据直播
        • 经营看板
        • 自主提取
      • 行业市场分析-抬头看
        • 商业新形态
        • 行业风向标
        • 竞品趋势
      • 运营分析/需求调研/用户调研
      • GMV=UV*下单率*付款率*ARPU
        • 商品侧表现
          • 那些商品表现好
            • 下单数
              • 环比、周同比
            • 付款率
              • 环比、周同比
            • ARPU
              • 环比、周同比
          • 那些商品表现差
          • 渠道测表现
          • 那些渠道表现好
            • 下单数
              • 环比、周同比
            • 付款率
              • 环比、周同比
            • ARPU
              • 环比、周同比
          • 那些渠道表现差
        • 活动侧表现
          • 哪些活动表现好
            • 下单率
              • 环比、周同比
            • 付款率
              • 环比、周同比
            • ARPU
              • 环比、周同比
          • 哪些活动表现差
        • 用户侧表现
          • 那类用户利润贡献度高
          • 那类用户利润率贡献率低
      • 经营月报结构
        • KPI完成情况
          • 收入KPI完成率:当前完成率,全年完成率
          • 收入趋势/月环比/月同比
        • 关键指标趋势
          • 访问用户趋势:区分免费渠道/付费渠道
          • 购买转化率:区分不同渠道表现
          • ARPU值趋势:区分新老/区分渠道
          • 买家数趋势:区分新老客户
        • 流量结构
      • 用户分析
        • 整体趋势
          • 近3个月用户存量数据
          • 近3月新增用户数量
          • 近3月用户留存情况
        • 用户构成
          • 按产品
            • 非核心产品
            • 核心产品
          • 按频次
            • 1次
            • 2-5次
            • 5次以上
          • 按收入
            • 付费
            • 赠送
            • 免费
          • 按贡献
            • 80%收入贡献用户
            • 20%收入贡献用户
            • 分层级展现
          • 按品类
            • 只购买一个品类
            • 购买N个品类
          • 新老买家构成:人数占比、收入占比、ARPU
        • 用户留存率
          • 次月留存率
          • 三月留存率
          • 6个月留存率
        • 新增/流失情况
          • 新增用户结构
          • 流失用户结构
          • 新增优质用户名单
          • 流失优质用户名单
          • 后续运营建议
        • 类目渗透率
          • 购买一个类目的用户
          • 购买两个类目的用户
          • 购买三个类目的用户
      • 营销活动分析
        • 营销活动KPI完成率
        • 营销活动收入占比
        • 营销活动对收入的提升
        • 营销活动对访问量的提升
        • 营销活动对用户忠诚度的提升
      • 商品/类目状况
        • 商品
          • 商品KPI完成率
          • 商品收入毛利情况
          • 产品收入:重点看趋势
          • 产品用户数:重点看趋势
          • 产品渗透率:重点看趋势
        • 类目
      • 流量分析方法
      • 整体趋势
        • UV
        • PV
      • 流量健康度
        • 人均PV
        • UV价值
        • 注册转化率
        • 购买转化率
        • 停留时长分布
      • 渠道价值
        • 付费渠道
          • UV价值
          • 成交人数
          • 投入产出比
          • 注册转化率’
          • 购买转化率
          • 带来成交金额
          • 人均贡献金额
          • 后续留存流失情况
        • 免费渠道
      • 收入异常分析流程
        • 问题确认
        • 原因分析:常规分析
          • 流量
            • UV
            • UV价值
          • 转化率
            • AUV/UV
            • 商品详情页下转化率
            • 付款率
          • 人均贡献率
            • ASP
              • 商品单价
              • 商品数量
            • 购买频率
              • 购买种类
              • 类目覆盖度
        • 后续规划
          • 不利因素尽量避让或有效转换
          • 有力因素尽可能最大化,争取持续效应
        • 原因分析:细分分析
          • 行业占比
            • 行业占比
            • 行业变化
          • 渠道贡献
            • 流量变化
            • 转化率
          • 大/小用户
            • 找出变动top5的厂家
          • 新老买家
            • 确认新老用户贡献率
          • 营销活动
            • 了解现网销活动
          • 市场环境
            • 了解行业趋势,如儿童节
          • 竞争对手
            • 了解竞争对手的变化,如机京东618
          • 商业本质:商品
            • 打开率
            • 动销率
            • 滞销率
            • 转化率
            • 款均贡献率
            • 商品分布
              • 流量分布
              • 成交分布
              • 用户分布
              • 利润分布
              • 携带率:关联购买