写点什么

Architecture Phase1 Week13:HomeWork

用户头像
phylony-lu
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。



  1. 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)



  1. 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

  1. 给每个网页一个PR值(下面用PR值指代PageRank值)

  2. 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





发布于: 2020 年 12 月 20 日阅读数: 16
用户头像

phylony-lu

关注

还未添加个人签名 2018.12.08 加入

还未添加个人简介

评论

发布
暂无评论
Architecture Phase1 Week13:HomeWork