随着数据正式成为第五大生产要素,其在当今社会扮演的角色地位不言而喻。数据运营也已经不再局限于某一个岗位,而是每一位运营、市场等营销人员必备的思维和工作方式。

  1

  梳理数据指标

  这里以大家基本都熟知的AARRR模型(又称海盗模型)为例,来梳理一些「过程性指标」。

  根据AARRR模型,我们可以将数据指标分为五大类:拉新指标、活跃指标、留存指标、转化指标、传播指标。

  拉新指标:浏览量、下载量、新增用户、获取成本

  运营通过渠道投放让“用户”接触到产品,当“用户”觉得产品不错就会去下载它,打开产品发现里边的内容蛮适合自己,“用户”就会注册产品,最终成为产品真正的用户。

  1、浏览量:俗称曝光量,指的是产品的推广信息在朋友圈、搜索引擎、应用商店等渠道渠道中被多少用户看到。与浏览量相对应的是点击量,它们俩的比例在业内有一个专业词汇CTR(CTR=点击量/浏览量),很多广告平台会用CTR来评估广告质量;

  2、下载量:指的是APP的安装次数,是衡量拉新效果的结果指标;

  3、新增用户:下载并不是意味着就是用户,如果某个“用户”只下载了并没有注册,那它就是一个无效的用户。对于用户的界定,每个产品是不一样的,大部分的产品是用户注册了APP,就被定义为新增用户;

  4、获取成本:用户获取必然涉及成本,而这是运营新手最容易忽略的。目前常见的成本的计算方式有CPM(千次曝光成本)、CPC(单次点击成本)、CPA(单次获客成本)。

  活跃指标:活跃用户数、活跃率、在线时长、启动次数、页面浏览量

  相比于下载量和用户量而言,在人口红利消失后,大家开始更关注实实在在的东西了——你到底有多少活跃用户?

  1、活跃用户数:DAU指的是日活跃用户数量,一般指的是在24小时内活跃用户的总量;此外还有WAU、MAU等;

  2、活跃率:活跃用户数衡量的是产品的市场体量,活跃率看的则是产品的健康;

  3、在线时长:不同产品类型的访问时长不同,社交肯定长于工具类产品,内容平台肯定长于金融理财等;

  4、启动次数:它体现的是用户的使用频率,用户的日均启动次数越多,说明用户对产品的依赖性越高,活跃度也就越好;

  5、页面浏览量:PV(Page View)是页面浏览量,UV(Unique Visitor)是一定时间内访问网页的人数,用户在网页的一次访问请求可以看作一个PV,用户看了十个网页,则PV为10。

  留存指标:用户留存率、用户流失率

  如果说活跃数和活跃率是产品的市场大小和健康程度的话,那么用户留存衡量产品是否产品能够可持续发展,如果你是早期产品就更应该关注是留存指标。

  1、用户留存率:留存率=留存用户/当初的总用户量;

  2、用户流失率:流失率在一定程度能预测产品的发展,如果产品某阶段有用户10万,月流失率为20%,简单推测,5个月后产品将失去所有的用户。

  转化指标:GMV、成交额、销售收入、付费用户量、ARPU、复购率

  对运营而言,拉新和活跃、留存都只是手段,最终衡量你工作业绩的是你手上掌握了多少有价值的用户。

  1、GMV:它是一个虚荣指标,只要用户下单,生成订单号,便可以算在GMV里,不管用户是否真的购买了,京东在双十一对外发布的战报是GMV;

  2、成交额:成交金额指的是用户付款的实际流水,是用户购买后的消费金额;

  3、销售收入:它指的是成交金额减去退款后剩余的金额;

  4、付费用户量:在产品里边产生过交易行为的用户总量,同活跃用户一样,交易用户也可以区分为首单用户(第一次消费),忠诚消费用户(持续购买的用户),流失消费用户(流失后又回来的用户)等;

  5、ARPU:ARPU=总收入÷收费用户数;

  6、复购率:和新增用户一样,获得一个新付费用户的成本已经高于维护熟客的成本。复购率更多用在整体的重复购买次数统计,即单位时间内,消费两次以上的用户数占购买总用户数。

  传播指标:病毒K因子、传播周期

  现在产品都会内嵌分享功能,对内容型平台或者依赖传播做增长的产品,对病毒式增长的衡量就会变的至关重要。

  1、病毒K因子:K因子大于1时,每位用户能至少能带来一个新用户,用户量会像滚雪球般变大,最终达成自传播;

  2、传播周期:传播周期指的是用户完成从传播到转化新用户所需要的时间,通常传播周期越短,意味着用户裂变传播的效果越好。

  2

  定义指标口径

  在梳理完数据指标后,还有一项非常重要的工作——定义数据指标口径。在数据运营的过程中,我们如果没有统一的工具(例如易观方舟)管理数据指标口径,往往会出现以下问题:

  在不同的数据报表中,出现定义一致但名称不一样的数据指标

  在相同的数据报表中,出现定义不一致但名称一样的数据指标

  这将对我们跨部门协同开展运营工作、达成运营目标带来一定的困扰。如果在需求上线前事先没有做好数据指标口径的定义,导致某些数据对不上,又会给测试、技术等人员带去一定程度返工,大大降低工作效率。

  举个简单的例子。对于一个企业来说,活跃用户往往反映了产品的用户规模、所处发展阶段,通过活跃用户可以快速定位产品人群,为后续拉新、促活做充分研究。我们在衡量用户活跃时,常用的指标会有:

  每日活跃用户数(Daily Active User)

  每周活跃用户数(Weekly Active User)

  每月活跃用户数(Monthly Active User)

  分别指每日/周/月访问产品的不同用户数。但活跃用户数这个数据指标口径的定义,由于所处的行业、不同的业务等因素,很多企业会根据自身特点对活跃用户数有不同的定义,例如:

  每日登录用户数(过滤掉匿名用户)即为活跃用户数

  每日在线时长超过5分钟的用户数(过滤掉低质量用户)即为活跃用户数

  每日访问页面超过5个的用户数(过滤掉低质量用户)即为活跃用户数

  数据指标口径的定义应该尽量做到明确、清晰、易懂。并且需要我们逐步迭代建立起一套完整的数据指标口径字典,下发到各个协作部门,确保对数据指标的认知达成一致,避免在运营过程中出现歧义。

内容归原创者所有,如有侵权请联系删除!