据运营到底是做什么的? 数据运营工作内容( 四 )


(3)活泼方面须要关注:
DAU(daily active user)即 日活泼用户量 。
MAU(monthly active user)即 月活泼用户量 。
相干的,还可以有周活泼用户量、年活泼用户量等等 。
(4)转化方面须要关注:(这里的转化,单指电商运营方面 。与上文转化率做区分)
成单量:用户共成了多少单
付费金额:用户共付费多少元
客单价:付费金额/成单量=客单价 。这里须要的是,每单平均多少钱的数据
付费率:走到付费这一步的转化率
APP运营:
(1)新增:新增的装备数(按手机型号分);新注册的装备数(注册新用户 。)
(2)活泼:活泼的装备数;活泼的用户数
(3)留存:
次日留存率:例如,第一天新增300人,第二天还登录的有150.那么次日的留存率就是50%(=150/300) 。以此类推,还有三日留存率(第三日登录数/第一天新增数)……n日留存率等等 。
TAD:比如,7日TAD=第一天留存量+第二天仍在留存的数目……+第七天仍在留存的数目
用于盘算七天内,一台装备活泼过几天 。
(4)转化:这里也特指电商,同上文网站运营里的转化 。
依据运营的行业来划分:
内容型行业:关注PV,UV,V V,帖子数,页面停留时光,分享数等等
社交类行业:关注发帖量,发言数,PV,UV,活泼占比等等
电商类行业:关注出售收入,成单量,客单价等等
游戏类行业:关注活泼用户量,付费率,收入,ARPU(每用户平均收入)等等
除了运营平台和运营行业两个划分角度外,还有很多划分角度,其中用户运营所要关注的数据指标都是有不同着重的 。
三、如何进行数据剖析
1、数据采集
好的数据源重要有两个根本的原则,一个是全,一个是细 。
全:就是说我们要拿多种数据源,不能说只拿一个客户端的数据源,服务端的数据源没有拿,数据库的数据源没有拿,做剖析的时候没有这些数据你可能是搞不了的 。另外,大数据里面讲的是全量,而不是抽样 。不能说只抽了某些省的数据,然后就开端说全国事怎么样 。可能有些省非常特别,比如新疆、西藏这些处所它客户端跟内地可能有很大差别的 。
细:其实就是强调多维度,在采集数据的时候尽量把每一个的维度、属性、字段都给它采集过来 。比如:像where、who、how这些东西给它采集下来,后面剖析的时候就跳不出这些能够所选的这个维度,而不是说开端的时候也围着需求 。依据这个需求肯定了发生某些数据,到了后面真正有一个新的需求来的时候,又要采集新的数据,这个时候全部迭代周期就会慢很多,效力就会差很多,尽量从源头抓的数据去做好采集 。
2、数据建模
有了数据之后,就要对数据进行加工,不能把原始的数据直接裸露给上面的业务剖析人员,它可能本身是混乱的,没有经过很好的逻辑抽象的 。这里就牵扯到数据建模 。首先,提一个概念就是数据模型 。许多人可能对数据模型这个词发生一种害怕感,认为模型这个东西是什么精深的东西,很庞杂,但其实这个事情非常简略 。
在数据剖析范畴范畴范畴,特殊是针对用户行动剖析方面,目前比拟有效的一个模型就是多维数据模型,“在线剖析处置”这个模型 。它里面有这个症结的概念,一个是维度,一个是指标 。
维度比如城市,然后北京、上海这些一个维度,维度西面一些属性,然后操作体系,还有iOS、安卓这些就是一些维度,然后维度里面的属性 。通过维度交叉,就可以看一些指标问题,比如用户量、出售额,这些就是指标 。比如,通过这个模型就可以看来自北京,应用iOS的,他们的整体出售额是怎么样的 。
3、数据剖析办法
数据剖析办法是有多种的,比如多维度事件剖析、漏斗剖析(文章前面已经做了简略剖析)、回访剖析、交叉剖析等,在这里我们就挑一个交叉剖析来做个案例剖析 。
交叉剖析法:通常是把纵向比较和横向比较综合起来,对数据进行多角度的联合剖析 。举个例子:
a. 交叉剖析角度:客户端+时光

据运营到底是做什么的? 数据运营工作内容

文章插图


从这个数据中,可以看出iOS端每个月的用户数在增长,而Android端在下降,总体数据没有增加的重要原因在于Android端数据降低所导致的 。
那接下来要剖析下为什么Android端二季度新增用户数据在降低呢?一般这个时候,会参加渠道维度 。
b. 交叉剖析角度:客户端+时光+渠道

推荐阅读