
數(shù)據(jù)分析中值得關(guān)注的用戶指標(biāo)
最近最常被問(wèn)到的就是一些用戶的統(tǒng)計(jì)指標(biāo),無(wú)論是決策層還是產(chǎn)品部門,所以這篇文章重點(diǎn)說(shuō)下用戶指標(biāo)的一些內(nèi)容。
假設(shè)你想用盡量簡(jiǎn)潔有效的數(shù)據(jù)了解一個(gè)網(wǎng)站或產(chǎn)品的用戶情況,你會(huì)問(wèn)哪幾個(gè)用戶數(shù)據(jù)?其實(shí)一個(gè)聰明的提問(wèn)者永遠(yuǎn)不會(huì)問(wèn)網(wǎng)站的累計(jì)用戶數(shù)有多少,甚至不會(huì)問(wèn)網(wǎng)站的UV是多少,因?yàn)檫@些指標(biāo)都不能從真正意義上去反映網(wǎng)站的價(jià)值和發(fā)展?fàn)顩r。
舉個(gè)簡(jiǎn)單的例子——網(wǎng)秦,累計(jì)用戶數(shù)應(yīng)該不下千萬(wàn),但這個(gè)數(shù)字真的能夠體現(xiàn)網(wǎng)秦所具備的價(jià)值嗎?按照網(wǎng)秦的這種運(yùn)營(yíng)推廣模式,真正的活躍用戶有多少,所占比例如何?3·15之后,流失用戶又有多少,這個(gè)流失率是不是足以讓網(wǎng)秦先前辛辛苦苦培養(yǎng)起來(lái)的用戶基礎(chǔ)毀于一旦?所以網(wǎng)秦的發(fā)展前景又如何?其實(shí)我們可以使用一些更有說(shuō)服力的用戶指標(biāo)來(lái)反映這些情況。
用戶的細(xì)分方式
我不建議把用戶細(xì)分成許許多多的類型,目前為止見(jiàn)過(guò)的用戶細(xì)分的類別也不在少數(shù),羅列出來(lái)應(yīng)該有一大串:當(dāng)前用戶、新老用戶、活躍用戶、流失用戶、留存用戶、回訪用戶、誤闖用戶、休眠用戶、常駐用戶、忠誠(chéng)用戶……其實(shí)很多的定義或含義是相近的,在分析層面也扮演著類似的指標(biāo)角色。所以不建議將用戶這樣混亂無(wú)章地分成N個(gè)類別,用戶的細(xì)分關(guān)鍵在于以合理的體系將用戶細(xì)分成幾個(gè)類別,并且每個(gè)類別都能發(fā)揮其在用戶分析上的功效,不存在累贅和混淆。
所以這里想介紹下我認(rèn)為比較合理的用戶細(xì)分方式。我將用戶分成以下幾類:當(dāng)前使用用戶、新用戶、活躍用戶、流失用戶、回訪用戶,下面來(lái)簡(jiǎn)單的解釋下。
當(dāng)前使用用戶:即我們平常所說(shuō)的UV,也就是網(wǎng)站的登錄或者使用用戶數(shù)。用于體現(xiàn)網(wǎng)站的當(dāng)前運(yùn)營(yíng)狀況。
新用戶:首次訪問(wèn)或者剛剛注冊(cè)的用戶;那么那些不是首次來(lái)訪的用戶就是老用戶,于是同時(shí)也獲得了老用戶的統(tǒng)計(jì)。用于分析網(wǎng)站的推廣效果或者成長(zhǎng)空間。
活躍用戶數(shù):活躍用戶的定義千差萬(wàn)別,一般定義有關(guān)鍵動(dòng)作或者行為達(dá)到某個(gè)要求時(shí)的用戶為活躍用戶;每個(gè)網(wǎng)站應(yīng)該根據(jù)自身的產(chǎn)品特定定義活躍用戶?;钴S用戶用于分析網(wǎng)站真正掌握了多少有價(jià)值用戶。
流失用戶:網(wǎng)站的活躍用戶與流失用戶中已經(jīng)做了定義和介紹,用于分析網(wǎng)站保留用戶的能力。我們將那些未流失的用戶叫做留存用戶,可以通過(guò)總使用用戶數(shù)減去流失用戶數(shù)計(jì)算得到。
回訪用戶:是指那些之前已經(jīng)流失,但之后又重新訪問(wèn)你的網(wǎng)站的用戶。用于分析網(wǎng)站對(duì)挽回流失用戶的能力(常常會(huì)受到那些很久沒(méi)有登錄的網(wǎng)站給你發(fā)的郵件吧,讓你回去看看,這些措施就是他們?cè)谕炝裟切┝魇в脩簦?。除非近期?nèi)執(zhí)行了一些挽留流失用戶的手段,正常情況下回訪用戶的比例應(yīng)該是比較低的,否則就是你對(duì)流失用戶的定義不夠準(zhǔn)確,應(yīng)該適當(dāng)延長(zhǎng)定義流失的時(shí)間間隔。
所以其實(shí)在我們獲得某些用戶統(tǒng)計(jì)指標(biāo)之后,通過(guò)計(jì)算同時(shí)也獲得了諸如老用戶、留存用戶這些指標(biāo)。
值得關(guān)注的用戶指標(biāo)
文章的開(kāi)頭已經(jīng)提到過(guò),如果你想了解一個(gè)網(wǎng)站或者一個(gè)產(chǎn)品的用戶情況,請(qǐng)盡量抓住那些最為關(guān)鍵的用戶指標(biāo)。如果是我來(lái)問(wèn),我只會(huì)問(wèn)3個(gè)指標(biāo):活躍用戶數(shù)、新用戶比例和用戶流失率。
顯而易見(jiàn),活躍用戶數(shù)直接反映了網(wǎng)站或者產(chǎn)品真正掌握著多少用戶,這些用戶并不是因?yàn)槟承V告或者鏈接誤點(diǎn)進(jìn)來(lái)的,而是真正對(duì)這個(gè)網(wǎng)站或者產(chǎn)品感興趣,有意向去使用或者持續(xù)關(guān)注的?;钴S用戶數(shù)越高,網(wǎng)站或者產(chǎn)品當(dāng)前擁有的價(jià)值越高。但這里有一點(diǎn)需要格外注意,那就是活躍用戶的定義,活躍用戶跟新用戶不一樣,活躍用戶可能催生各種形形色色的定義,之前的文章——用Engagement衡量用戶活躍度對(duì)于如何定義用戶活躍做過(guò)介紹,活躍用戶的定義也類似,可以有各種方法。寬松的定義可以讓活躍用戶“變多”,比如只要訪問(wèn)頁(yè)面數(shù)超過(guò)2頁(yè)或者停留時(shí)間超過(guò)30秒;而嚴(yán)謹(jǐn)?shù)亩x可能會(huì)導(dǎo)致活躍用戶“減少”,比如微博網(wǎng)站定義平均每天發(fā)送微博數(shù)量超過(guò)2條的才是活躍用戶。所以,不同的定義影響著活躍用戶的數(shù)量,當(dāng)你問(wèn)到活躍用戶時(shí),一定要了解對(duì)方是如何定義活躍用戶的。我更偏向于嚴(yán)謹(jǐn)?shù)亩x,雖然這會(huì)讓活躍用戶“減少”,但嚴(yán)謹(jǐn)?shù)亩x讓數(shù)據(jù)顯得更加真實(shí),可以說(shuō)根據(jù)這個(gè)定義統(tǒng)計(jì)到的用戶是那些真正在為網(wǎng)站創(chuàng)造價(jià)值的用戶。
新用戶比例反映著網(wǎng)站或產(chǎn)品的推廣能力,渠道的鋪設(shè)和帶來(lái)的效果。新用戶比例不僅是評(píng)估市場(chǎng)部門績(jī)效的一個(gè)關(guān)鍵指標(biāo),同時(shí)也是反映網(wǎng)站和產(chǎn)品發(fā)展?fàn)顩r的重要指標(biāo)。
但只看新用戶比例是不夠的,需要結(jié)合著用戶流失率一起看。我見(jiàn)過(guò)流失率98%的網(wǎng)站,也見(jiàn)過(guò)流失率20%左右的產(chǎn)品,流失率會(huì)根據(jù)產(chǎn)品對(duì)用戶黏性的不同而顯得參差不齊。用戶流失率反映了網(wǎng)站或者產(chǎn)品保留用戶的能力,即新用戶比例反映的是用戶“進(jìn)來(lái)”的情況,用戶流失率反映的是用戶“離開(kāi)”的情況,結(jié)合這兩個(gè)指標(biāo)會(huì)有下面3類情況,代表了3種不同的產(chǎn)品發(fā)展階段:
新用戶比例大于用戶流失率:產(chǎn)品處于發(fā)展成長(zhǎng)階段;
新用戶比例與用戶流失率持平:產(chǎn)品處于成熟穩(wěn)定階段;
新用戶比例低于用戶流失率:產(chǎn)品處于下滑衰退階段。
下面附上一張反映活躍用戶數(shù)、新用戶比例和用戶流失率的圖表,你能從這張圖中看出些什么,假如你是這個(gè)網(wǎng)站的CEO,你接下來(lái)需要從哪個(gè)角度重點(diǎn)著手來(lái)改善網(wǎng)站的運(yùn)營(yíng)狀況?
這篇文章可能沒(méi)有涉及任何的數(shù)據(jù)和分析,這里只想理清楚用戶的細(xì)分和指標(biāo),當(dāng)這套用戶的細(xì)分和指標(biāo)體系規(guī)范化了以后,能夠讓用戶分析變得游刃有余。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11