互联网运营，应该分析哪些数据和指标？
很多人都从PV/UV/用户数这些数据来切入分析，但是分析之后，做什么措施？以什么样的目标来驱动？
我也做过这样的分析，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。
1. 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。
图表皆由FineReport搭建的数据报表产生
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，肯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。
2. 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。
3. 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。
4. 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。
5. 流失
流失是无法避免的，但也有可以挽留的。
流失可以分为：
- 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
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。
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。
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
- 采购管理：包括供应商数据分析、采购匹配度分析等。
- 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）。
- 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。
- 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。
- 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
- 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。
- 用户价值分析：根据RMF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。
- 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。
作者：李启方，公众号：数据分析不是个事儿
本文作者 @李启方
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
