你會不會正在做無意義的數(shù)據(jù)分析？

并沒有符合你的預(yù)期，活躍度？

會不會指標(biāo)的邏輯有問題？

假設(shè)活躍度的口徑，是用戶當(dāng)天用過登錄app的記錄

問題1、登錄app的用戶真的就算是活躍了嗎？

問題2、后臺記錄的登錄條件上是否有限制？push頁進(jìn)來的也算登錄嗎，還是一定要首頁進(jìn)來的？

問題3、統(tǒng)計量下的活躍用戶真的是有價值的客戶，可以為后續(xù)的轉(zhuǎn)化提供基礎(chǔ)，沒有噪聲用戶的嗎？

一、關(guān)于指標(biāo)初認(rèn)識

1、常用的用戶數(shù)據(jù)指標(biāo)有哪些？

理解“日活/月活度數(shù)據(jù)指標(biāo)”-使用場景

到底活躍對我們意味著什么？

活躍用戶，是相對于“流失用戶”的一個概念，是指那些會時不時地光顧下app，并為app業(yè)務(wù)帶來一些價值的用戶。

活躍用戶是一個公司講故事的資本。針對的是小型的，有融資需求的公司，如果一個公司有百萬以上的日活用戶，即使沒有盈利，依然會受到投資人的青睞，變現(xiàn)是小事，有沒有用戶使用才是大事?，F(xiàn)在產(chǎn)品的變現(xiàn)方式已經(jīng)很成熟，有百萬用戶的產(chǎn)品通過接入廣告，也可以獲得一些收益。

在用戶活躍分析的時候，不是為了逼用戶天天來戳一下，而是為付費、或者其他轉(zhuǎn)化提供穩(wěn)定的支持，那么選擇活躍度指標(biāo)時需要考量公司的業(yè)務(wù)目標(biāo)。

理解“日活/月活度數(shù)據(jù)指標(biāo)”-日和月的定義

日：一般我們指一個自然日，即0:00–24:00

月：上個月的1號0點-當(dāng)月最后一天的23點59分

月活躍用戶的計算邏輯是什么？

A、每一天的活躍用戶的累加（或者取平均值）

B、這個月所有活躍用戶去重的總數(shù)

理解“日活/月活度數(shù)據(jù)指標(biāo)”--活躍的定義

活躍度的幾種口徑

A、檢測到用戶的登錄信息（一些強登錄的app，例如網(wǎng)銀、網(wǎng)游）

B、指定多個頁面的埋點數(shù)據(jù)上報

C、通過后臺帶用戶信息或者用戶ip的請求信息（無賬號APP）

D、停留指定頁面超過一定時長

理解“用戶日活/月活度數(shù)據(jù)指標(biāo)”--活躍的定義

理解“增量數(shù)據(jù)指標(biāo)”--新增用戶的使用場景

對“新增用戶”的定義實際上是通過用戶新增的后續(xù)行為進(jìn)行一個簡單的用戶分層，滿足當(dāng)前運營階段的“關(guān)鍵指標(biāo)”的用戶作為有效新增用戶，也是后續(xù)運營的重點用戶。

在定義好“新增用戶”的指標(biāo)后，拉新行為也就并不是只看重下載和打開，而是圍繞核心指標(biāo)進(jìn)行優(yōu)化，例如以注冊為指標(biāo)，需要通過觀察用戶的注冊行為路徑優(yōu)化注冊流程體驗。

理解“留存率”--留存率的含義

留存指的是：一批新增用戶中，在指定的時間段內(nèi)，沒有卸載的用戶（app場景）。

1.新增賬號第X日：某日新增的賬號中，在新增日后第X日有登錄行為記為留存

2.新增賬號X日內(nèi)：某日新增的賬號中，在新增日后的X日內(nèi)有登錄行為記為留存

3.活躍賬號第X日：某日活躍的賬號中，在新增日后第X日有登錄行為記為留存

4.活躍賬號X日內(nèi)：某日活躍的賬號中，在新增日后的X日內(nèi)有登錄行為記為留存

其他的基礎(chǔ)指標(biāo)的定義

其他的基礎(chǔ)指標(biāo)的定義

2、哪些指標(biāo)需要做指標(biāo)預(yù)警

A.指標(biāo)跟業(yè)務(wù)掛鉤?？梢宰鲋笜?biāo)的變量很多，但是可以拿來做預(yù)警的卻不多，選擇直接跟指標(biāo)掛鉤的。例如電商，直接就是銷售量，接口就是調(diào)用次數(shù)，產(chǎn)品就是環(huán)節(jié)轉(zhuǎn)化，運營就是用戶增長量

B.避免預(yù)警指標(biāo)過剩，造成指標(biāo)預(yù)警不重視，你設(shè)定報警的指標(biāo)，一定是要真的很嚴(yán)重，你才能推送的那種，不要設(shè)置不嚴(yán)重的，但是造成郵件泛濫，沒人理會預(yù)警就得不償失了。

C.預(yù)警指標(biāo)需要做重要性排序，先實現(xiàn)會經(jīng)常出現(xiàn)異常導(dǎo)致你經(jīng)常加班分析的指標(biāo)，先實現(xiàn)在業(yè)務(wù)層面的重要指標(biāo)，預(yù)警指標(biāo)推送時間不要擠在一起，不然你同時接受多個預(yù)警，你不會仔細(xì)去看，而且要是都是異常的話，一下子那么多異常出來，你會心慌，那么分析思路就不那么清晰了。

3、指標(biāo)預(yù)警的大類

（1）接口類的數(shù)據(jù)指標(biāo)預(yù)警（主要用于it部門監(jiān)控接口或者平臺功能穩(wěn)定），模型準(zhǔn)確率

（2）產(chǎn)品類指標(biāo)的數(shù)據(jù)指標(biāo)預(yù)警（主要是產(chǎn)品部門用于監(jiān)控產(chǎn)品功能的轉(zhuǎn)化，產(chǎn)品的訪問之類的）

（3）運營類指標(biāo)的數(shù)據(jù)預(yù)警（主要是運營部門用于監(jiān)控用戶的信息，例如用戶的激增，或者用戶的大幅度訪問下降。）

二、指標(biāo)構(gòu)建方法

1、比率占比法

其實就是看各個區(qū)間的占比是否跟之前的比較接近，但是這里需要注意的是，不要把“之前”拉的太長，一般是最近7天或者最近3天就可以了。那么這個時段之前的占比（或數(shù)據(jù)量），這個占比有以下幾種方法可以參考：

A.就是計算過去幾天的每個時段的平均占比（或數(shù)據(jù)量）。

B.過去7天，按照距離的時間越長，那么權(quán)重變少，例如最近往前推一天是0.5，最近往前推二天是0.3，這樣子的權(quán)重計算。

C.就是只用過去一天的數(shù)據(jù)做對比，但是這個不太實際，不過也要看你的業(yè)務(wù)是怎樣的。

2、統(tǒng)計方法

A.時間序列分析。數(shù)據(jù)量在時間序列上是可以有規(guī)律可以遵循的，所以可以利用時間序列分析的方法，預(yù)測當(dāng)天的數(shù)據(jù)量，若實際與預(yù)測的數(shù)據(jù)量作差值，相差太多則觸發(fā)指標(biāo)預(yù)警推送。（這種方法不推薦，在理論上可以過得去，但是實際的運用其實相對復(fù)雜并且效果也不一定好）

B.相關(guān)系數(shù)計算。第一點的占比法中，需要每個時段都去計算差別，產(chǎn)生的指標(biāo)就會多，一旦這種數(shù)據(jù)量的類型多起來，就會很復(fù)雜，所以可以將這些占比列成一個向量，計算今天與之前的數(shù)據(jù)量組成的向量的相關(guān)系數(shù)的大小，當(dāng)太小的時候，主動觸發(fā)預(yù)警。

3、差值&定值法

這個方法是最簡單的，這個在模型監(jiān)控中常用到，其實就是將原先的模型效果與現(xiàn)在的模型效果做比較，或者直接計算模型KS后者auc值看是否低于某值，則預(yù)警，但是這里注意的是，這種模型的預(yù)警一般沒辦法以天為周期計算，因為模型的y值往往是有滯后性的。

4、孤立點檢測

對比以上幾個在單一維度上的方法，孤立點檢測是基于多維度建立的向量來觀察異常數(shù)據(jù)點的方法。

三、指標(biāo)預(yù)警的方式

指標(biāo)預(yù)警的方式-釘釘機器人&企業(yè)微信機器人通知

釘釘機器人還有企業(yè)微信機器人都設(shè)置了群機器人的功能，大部分的開發(fā)會拿來檢測任務(wù)是否正常運行，或者定時任務(wù)是否完成運行的提醒，所以你也可以拿來作為你的指標(biāo)預(yù)警推送，網(wǎng)上都有響應(yīng)的教程可以作為參考，寫python即可實現(xiàn)。

指標(biāo)預(yù)警的方式-郵件通知

當(dāng)公司沒有第一點的軟件，或者機器不能鏈接外網(wǎng)的時候，可以借助郵件推送的方式，利用python中的smtplib包實現(xiàn)。

指標(biāo)預(yù)警的方式-平臺推送

到了特地為每個分析師都開發(fā)了這個預(yù)警平臺或者自研的bi平臺可以滿足預(yù)警推送的功能化，也可以通過平臺推送，這個話可能涉及的東西相對多一些，如果你會寫接口，借助django框架寫接口之后吐給前端去幫你展示也是可以的。

四、指標(biāo)預(yù)警平臺