Architecture Phase1 Week13:HomeWork

关注
发布于: 2020 年 12 月 20 日
数据分析指标
1.  用户数据指标
﻿
日新增用户：衡量每天新增用户数，可分析不同渠道的新增用户数。
﻿
活跃率：指在一定时间段内，活跃用户与总用户数的占比，用活跃用户数除以总用户数。不同产品对于活跃的定义不一样。活跃用户数按时间又分为日活跃率、周活跃率（WAU）、月活跃率（MAU）。可分析产品对用户的黏性、是否解决了用户的刚需。
﻿
留存率：留存反映了不同时期获得新用户的流失情况，如果留存低，就要找到用户流失的具体原因。反映用户留存的指标，用留存率来表示。留存率=（第1天新增的用户中，在第N天还使用过产品的用户数）/第1天新增总用户数。对于“使用过产品”，不同的业务这块定义的不一样，要根据具体情况来确定。根据时间，留存率又分为次日留存率，第7日留存率，第30日留存率等。
﻿
用户行为指标
﻿
（1）PV和UV
﻿
PV(访问次数, Page View)： 页面浏览次数。不需要去重。
﻿
UV(访问人数, Unique Visitor)：是一定时间内访问网页的人数。需要去重。
﻿
（2）转发率
﻿
转发率=转发某功能的用户数 / 看到该功能的用户数。
﻿
（3）转化率
﻿
与具体业务有关，比如店铺转化率=购买商品的人数/到店铺的人数，广告转化率=点击广告的人数/看到广告的人数
﻿
（4）K因子
﻿
K因子：用来衡量推荐的效果，即一个发起推荐的用户可以带来多少新用户。
﻿
当K›1时，用户群就会像滚雪球一样增大。
﻿
当K‹1时，那么用户群到某个规模时就会停止通过自传播增长。
﻿
K因子=（平均每个用户向多少人发出邀请）*（接收到邀请的人转化为新用户的转化率）
﻿
业务指标
﻿
（1）衡量业务总量的指标
﻿
① 成交总额（GMV）也就是零售业说的“流水”。成交总额包括销售额、取消订单金额、拒收订单金额和退货订单金额。
﻿
② 成交数量，电商产品就是下单的商品数量。对于教育行业，就是下单课程的数量。
﻿
③ 访问时长，用户使用app，或者网站的总时长
﻿
（2）人均指标
﻿
① 人均付费=总收入/总用户数，人均付费在游戏行业也叫ARPU，在电商行业也叫客单价
﻿
② 付费用户人均付费=总收入/付费人数，这个指标用于统计付费用户的平均收入。
﻿
③ 人均访问时长=总时长/总用户数，用于统计每个人使用产品的平均时长。
﻿
付费率：是付费用户占活跃用户的比例。
﻿
复购率：是重复购买频率，用于反映用户的付费频率。复购率指一定时间内，消费两次以上的用户数 / 付费人数。
﻿
（4）推广付费指标
﻿
    展示位广告：按展示次数付费（cpm）搜索广告：按点击次数付费（cpc）信息流广告：按次数（cpc）或投放的实际效果（cpa）。（按APP的下载次数付费（cpd），按APP的激活数付费（cpi），按完成购买的用户数或销售额付费（cps））
﻿
PageRank算法
给每个网页一个PR值（下面用PR值指代PageRank值）
通过（投票）算法不断迭代，直至达到平稳分布为止。
﻿
假设一个由4个页面组成的小团体：A，B，C 和 D。如果所有页面都链向 A，那么 A 的
PR（PageRank）值将是 B，C 及 D 的 Pagerank 总和。
继续假设 B 也有链接到 C，并且 D 也有链接到包括 A 的3个页面。一个页面不能投票2
次。所以 B 给每个页面半票。以同样的逻辑，D 投出的票只有三分之一算到了 A 的
PageRank 上。
根据链出总数平分一个页面的 PR 值。
互联网中一个网页只有对自己的出链，或者几个网页的出链形成一个循环圈。那么在不
断地迭代过程中，这一个或几个网页的PR值将只增不减，显然不合理。如下图中的 C 网
页就是刚刚说的只有对自己的出链的网页：
为了解决这个问题。我们想象一个随机浏览网页的人，假定他有一个确定的概率会输入
网址直接跳转到一个随机的网页，并且跳转到每个网页的概率是一样的。于是则此图中A
的PR值可表示为：
﻿
﻿
PageRank 值是一个特殊矩阵中的特征向量。这个特征向量为
﻿
﻿