学习打卡D1 互联网常见的数据指标

1.AARRR模型

AARRR模型


AARRR思维导图


2.获取用户

获取用户思维导图

① UV,独立访客

Unique Visitor:有多少人来过。指通过互联网访问同一个网页或产品的独立触发用户数。

举个栗子:

一个人通过三个账号访问一个网站,这里的UV=3。

② PV,被浏览的总次数

Page View:页面被看过多少次,浏览量或点击量,用户每刷新一次即被计算一次。

举个栗子:

 一个人一天登陆了同一个账号三次,此时UV=1,PV=3。

③  IP,互联网协议地址

Internet Protocols,简单来说有多少台电脑、手机设备通过一个IP在访问网站。一天内相同 IP 地址只被计算一次。

举个例子:

a.一个人用一台电脑登陆了三个账号,此时IP=1,UV=3。

RV,重复访客

Repeat Visitors:回头客。指网页或产品的重复触发用户数。

重复访客越多可以体现出用户粘度越高,实际运营更多会比较UV与PV的关系占比。

举个栗子:

昨天这个访客来我们网站了,今天他又来了,那么他就是一个RV。

TS,流量来源渠道

Traffic Sources,

举个栗子:一个产品的流量情况:

a.流量入口A带来100个UV,

b.流量入口B带来10个UV,

c.流量入口C给来500个UV......

分析来源渠道,对于做增长广告推广很重要和有效。

ROI,投入产出比

投入产出比ROI=(总收入-总成本)/总成本,反映投入和产出的关系,衡量活动运营是否值得,能得到多少价值。

需要注意:收入减去成本,不等于利润。它表示去除成本后的剩余金额,更准确的可以理解为销售收入。

举个栗子:

a. A同学花10万块做活动,7天带来100万注册用户。

b. B同学100万做活动,7天带来了10万注册用户。

很明显,A的ROI更好。

3.提高活跃度


提高活跃度

1.DAU,指当日打开应用

举个栗子:

听歌类App的日活定义可能是:播放歌曲XX分钟的用户,而不是打开了APP的用户。

2.MAU,月活跃用户指单月某产品或者网页的活跃用户数,反应产品长时间内用户活跃度。

举个栗子:

A同学最喜欢看新闻,他每天看新闻频道10分钟。

如果想知道用户喜欢什么内容,那么重点研究TP就好。


提高留存率

次日留存率,就是前一天登录网站的会员,第二天仍然继续登录网站使用。

一周时间内用户通常会经历一个完整的使用和体验周期,如果在这个阶段用户能够留下来,就有可能成为忠诚度较高的用户。

月留存是能够反映出一个版本的用户留存情况。一个版本的更新,总是会或多或少的影响用户的体验,所以通过比较月留存率能够判断出每个版本更新是否对用户有影响。

跳出量:访客打开受访页面后没有点击任何链接,直接关闭页面,记为1次跳出。

跳出率=访问一个页面后,离开网站的次数/总访问次数

跳出率越低,说明页面内容比较吸引访客关注,访客没有直接关闭页面,而是继续浏览。

二跳率的概念是当网站页面展开后,用户在页面上产生的首次点击被称为“二跳”,二跳的次数即为“二跳量”。

访客打开受访页面后点击1次页面中的任意链接记为1次二跳,点击2次,记为2次二跳......以此类推。

二跳率=二跳次数/页面浏览量。

二跳率越高说明页面受关注的内容越多,效果越好。


获取收入

有多少人来到网站,与有多少成功达到目标(付费/填写问卷/点击网站等)的比率。

销售额GMV指用户在某网站或产品的成交额。

GMV更多广泛应用于电商平台,它更多反映出整个产品或者商家的销售额,但是实际对于电商平台本身并无太大的价值。(没有刨除成本)

Average Revenue Per User,业务收入的指标。

一般按照月来计算,即ARPU=月总收入/月活跃用户数(MAU)

传统行业使用客单价(总收入/订单数),互联网行业不仅用户基数较大,而且更关注对用户的运营,所以每个用户对产品的利益价值更高,故采用ARPU的计算方式。ARPU值并不反映利润情况,只反映收入情况。

Average Revenue per Paying User,平均每付费用户收入,它反映的是每个付费用户的平均付费额度。

一般来说,ARPPU=周期付费总额/周期付费人数。

Pay User Rate,月付费用户数/月登陆用户数。叫好不叫座,变现率较低、免费用户占比较大,这是各家目前的普遍状况。

Life Time Value,是公司从用户所有的互动中所得到的全部经济收益的总和。即平均一个用户在首次登录到最后一次登录,创造的收入总计。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,076评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,658评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,732评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,493评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,591评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,598评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,601评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,348评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,797评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,114评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,278评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,953评论 5 339
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,585评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,202评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,442评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,180评论 2 367
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,139评论 2 352

推荐阅读更多精彩内容