BtoC网站用户数据指标体系.pptVIP

BtoC网站用户数据指标体系 九九房 产品经理 周波 2010年8月 概念和目标 什么是数据指标 衡量事物的单位或方法 Index：对数组array或者变量variables的衡量 为什么要整理数据指标 接触的数据太多，做一个梳理 弄清楚指标的含义和关系 区分指标的重要性 更好地利用数据 数据中的维（Dimensions）和度（Metrics） 影响因素 衡量因素 流量来源 查看内容频道 商品种类 地域分布：省市 时间：年月日 PV UV 订单数 销售额 利润率 注册用户数 数字 类别 一、网站分析指标 维 流量来源：来源网站、搜索引擎、关键字、广告渠道 内容：进入页、退出页、频道、商品详情页等 用户端：地域、客户端、登录还是非登录 度 基本指标：PV、Visit、UV、Time on Site 延伸指标：跳出率、退出率、新访问比例 高级指标：目标转化率、目标价值、站内搜索比例 数据获取方式：网站分析系统 二、商业指标 维 商品品类：大类、小类、型号款式颜色 销售渠道：促销活动、新品、打折、合作 支付方式、用户级别、是否退单 时间期间、区域 度 订单：订单数、订单金额、订单成本、订单利润、退单比率 财务：收入、成本、利润 数据获取方式：ERP系统 三、其它用户指标 维 会员：级别、商品类别、用户类型 人口统计：省市、职业、性别、年龄 度 注册：新增用户数、激活用户数 网站行为：登录次数、评论次数、收藏次数 消费行为：累积订单数、积分、退款次数、投诉次数、返修次数 数据获取方式：产品和用户数据库 指标体系的注意事项 本指标体系以用户为中心，尤其注重用户行为 指标最好集成统一 参考数据仓库的架构 不同数据库中的维和度的定义最好一致 数据如果能打通能产生更大的价值 多重共线性 许多指标之间有很强的线性相关关系 如果出现异常则很有细分分析价值 如果构建线性回归模型需要消除变量的共线性 数据指标体系的利用 评估与分析 营销推广效果、赢利能力、用户细分 构建分析模型 设置衍生指标 通过数学运算得出的 平均订单金额=总销售额/订单数 退货率=退货订单数/订单数 数据挖掘：多维联机分析处理 多元统计分析 聚类分析、因子分析、相关分析、回归分析 延伸知识：推荐阅读 网站分析、数据挖掘、统计学方面的书籍 周波的联系方式 QQEmail：bornde@ * * * * * * * * * * * * * * * * * *