很多同学写数据分析报告，最怕的就是建议部分。要么不知道建议该怎么写，要么就是简单的写两句“GMV下降了，建议搞高！”写完了还被业务嫌弃：“你要给出有价值建议！要有洞察！”到底该咋办呀，今天咱专门聊这个。
数据分析怎么给出有价值的建议
一、破题关键
破题的关键，得搞清楚：业务到底想要什么。并不是所有的业务部门都掌握了数据思维，有些部门对数据不上心，有的却对数据盯得很紧，说不定自己都做过很多分析。
数据分析怎么给出有价值的建议
发表评论
标签归档：数据分析
标签和数据指标体系，怎么才能分清楚
小红书数据中心怎么样？如何进行分析
数据分析师对业务到底要懂到什么程度
运营数据分析体系如何搭建？最全搭建攻略来了
找数据分析工作，自我评价该怎么写
在求职简历里，最容易作妖的部分，就是自我评价。和技能特长一起，并称作妖双雄。经常有求职者写得奇形怪状，看得面试官哭笑不得。今天我们就来会一会它。个人介绍一般出现在简历模板的这个位置（如下图）：
咦？为啥都垫底呢？因为这玩意真的不重要。不管老板们口头讲得怎么伟光正，仍然改不了国内招聘的基本思维：吃现成的。
一句：我干过，胜过一万句：我会干。我干过的人里边，干的次数多的胜过干的次数少的，干得业绩好的胜过干得业绩差的，就这么简单粗暴。所以个人介绍基本是陪衬。特别是工作经验2年以上的同学，理论上你不写，也没人在乎。
因此，个人介绍经常被拿来做边角补充，补充工作经验里缺掉的一些关键字。因为HR筛选简历往往是一目十行，关键字不突出，就很容易被筛掉。
很多HR自己不咋懂业务，比如数据算法、分析专题，可能HR也不懂是啥，就只能拿着关键字来对。所以增加关键字是可以提高简历通过概率的。有些关键字不适合在工作经历里出现，就塞到个人介绍里（如下图）：
有心的同学注意到了，上边所有的写法，都是数字+关键字的写法。这是一个非常好的习惯：不扯形容词，讲数字。
很多同学一写个人介绍，就是什么吃亏耐劳，勤学苦练，勇于担当，发奋进取……这种东西写了跟没写一样。还有同学一写个人介绍就是精通Java，python，C++……这种很容易惹到老鸟怼上来。所以就数字说话，又显得干货又踏实。
但是，不重要，不代表能瞎写。很多同学可能：
对上一家公司太不满
个人激情太充沛
对工作经验不自信
没啥求职经验
于是开始在个人介绍里花式作妖
比如：
▌作妖1：非诚勿扰流
▌作妖2：心路历程流
▌作妖3：激情澎湃流
▌作妖4：大吹大雷流
以上种种作死，均来自：没整明白到底求职是干啥的。求职就是买卖人的劳动力，所以与劳动力无关的东西不用扯。无关的东西扯得越多，就越显得心虚，越是破绽一地。如果讲劳动力，就带上数字，说的越具体别人越信服。
求职其实就是卖猪肉。对招聘企业而言：他不需要了解这只猪叫佩奇，那只猪叫乔治；他只要知道这块肉是他要买的就行了。对求职者而言：你也不需要向客人解释这只猪长得咋俊美，吸引多少配种的，你要关注客人想买的是啥肉，如果客人嫌弃你的肉太肥、皮太多，你可以咋解释，这样就足够了。
来源：接地气的陈老师
如何让数据分析在内容运营中发挥作用
内容运营，比内容本身更重要的是好的内容分发矩阵，运营需要了解各大平台的特点进行垂直化运营，同时结合数据分析，对内容进行有效推广。
本文主要分享如何建立内容分发矩阵，并对结合数据分析做好运营的方法进行总结，供大家一起参考学习。
在互联网企业中的内容运营，是一种运营手段，也是一种职能分工。主要通过原创、编辑、组织等手段，呈现产品内容，从而提高互联网产品的价值，让用户对产品产生一定的黏性。无论你的产品是何种形态，都是建立在内容的基础之上。
01 内容矩形阵是流量转化的轴承
通常线上内容运营有三个基本任务：曝光率，转化率和用户黏性，也就是你发出去一个内容后，能够覆盖多少人群，这其中有多少是与你的目标人群所匹配的，并且在你所提供的产品或服务中体现出来的，以及在持续的新内容出来后，又有多少人在继续关注和继续参与到你所设定的消费中来。
在增长为王的时代下，谁能引流更多精准粉丝，谁能让流量像水泵一样源源不断注入企业的私域流量池，谁就更值钱。
从流量获取方向上我们大方向可以分为线上流量与线下流量，就线上流量而言又可以分为广告流量和内容流量，有效的建立企业的内容流量获取矩阵，能有效的提升线上流量的直接转化从而提升公司业绩。
企业的内容产生其实极为讲究，好的运营内容应该以产品或服务为核心结合热点，完成对粉丝和种子用户的维护。我们把内容运营分层建立，以“产品+品牌价值”为核心，依次完成内容运营的矩形阵地搭建。
内容生产分类如下：
产品+品牌相关：产品上线、产品功能、企业品牌大事记等等。
产品+行业资讯：产品服务、行业的资讯新闻、行业新事件等等。
产品+受众群体：产品本身、受众人群生活应用、场景应用、种子用户资讯内容等等。
辅助专题与热点的完成一虚一实的模型配合。
内容分发就是把内容推出去给目标群体去消费，这个消费不一定是真的掏钱付费增涨，而是包括阅读、转发、收藏、关注等行为。简单地说，就是让你的好内容被看到，让你在全网的阅读量上去。
02 多管齐下的内容分发战
好的内容除了好的生产还要有好的分发，一个企业要建立一套属于自己的内容分发矩阵，好的内容分发矩阵往往比内容本身更重要。
那么我们该如何建立自己的内容分发矩阵呢?
1.了解各大平台特点，给渠道进行分级
内容分发之前，要了解各大平台的特点给渠道进行分级，按照：钻石、黄金、白银、青铜、分为不同的等级。用户群体的相关性，流量的大小，平台主流性、平台的操作难度，成为了划定等级的指标。
内容分发的第一步是挑选适合自己的渠道。
适合别人的不一定适合你，比较简单的做法是先把主流内容发布平台逐个列出来，了解入驻政策、扶持政策、推送政策等，然后用一个月的时间去试，逐渐调整重视度，剔除投入产出不高的，再加入一些有潜力的垂直渠道，逐渐形成自己的内容分发矩阵。
当然你也可以参照你的竞品的内容分发渠道。
2.关注垂直行业的内容社区
垂直领域是企业内容营销的主战场，好的垂直领域带来的内容转化和粉丝转化特别的高，甚至高于大流量平台，那是因为群体标签足够细致，用户属性足够明确，往往这样的平台需要我们下大功夫运营与维护。
比如旅游商家要关注蚂蜂窝&飞猪&携程攻略等，这些地方比其他体量大但是泛行业的内容平台相比，离用户更近，离交易更近。
垂直内容社区的优势：
1)垂直且专业的内容，可以精准锁定目标用户
由于内容垂直于某一领域，准入门槛相对更高，提供的信息也更为专业、全面和权威，可以精准锁定有相关需求的目标用户。我们拿B站来说，用户想要成为B站会员可不是充钱这么简单，必须要先完成平台所出的题目，达到50分才能成为会员，从准入门槛上就已经过滤掉一部分与平台调性不那么契合的用户。
另一方面，移动互联网时代的用户随时有能力避开自己不感兴趣的内容，而垂直内容社区的内容是基于用户主动搜索行为而产生的，能够获取到的用户更为精准。而且垂直内容平台的用户不分化，大家关注的内容相对统一，品牌想要与他们互动难度也相对较低。
2)难以复制的社区氛围，更容易获取信任
为何keep健身达人推荐的速干裤用户更愿意下单?又是为何宝宝树社区医生辟谣的育儿误区，妈妈们总是深信不疑?其实就是因为这些垂直内容社区里驻扎着输出内容的人本身足够专业，足够权威。而这些原创内容作者通过平台与用户建立深度联系，营造出难以复制的社区氛围，这种氛围给人真实感，可以消解掉用户的不信任，并激发用户的群体意识，对社区进行主动维护。
03 你的内容运营策略里，数据分析缺席了吗?
“不做数据分析的运营不是好运营!”可能很多人都听过这句话，但能做到的却很少。传统的内容制作人是不愿意承担各种数据转化指标的，但作为互联网人就不得不凡事以数据为核心评估工作效果。
我们产出了优秀的运营内容，又利用内容分发矩形阵完成了对内容的分发宣传，有些公司发出去就完了，但这个时候对内容的传播量、打开量、阅读量、转发量及转化量是我们评估整体内容运营好坏的指标，它应该是系统化的，具备数据思维图的模型展现。
想发挥内容运营的最大价值，就必须学会数据分析，掌握数据采集，数据分析，数据反馈!
1.数据采集：了解目标用户和竞争对手
只有准确理解目标用户，我们才能输出贴近用户需求，引起用户共鸣的内容。
为了理解用户，我们要尽可能地采集更多用户信息，包括用户线上、线下行为。例如，用户在线上搜索了哪些问题、在社交媒体的哪个话题上比较活跃、喜欢点击哪些内容等等这些线上行为都是我们了解用户所需要采集的信息。用户行为数据采集是为了让我们了解用户的兴趣爱好，以及用户共同的行为特征。之后我们就能按照用户共同的兴趣爱好和行为特征将用户进行分组，并针对不同的用户群体产出针对性的内容。
除了采集用户行为数据外，我们还要采集竞争对手的行为数据，例如，他们开发了什么内容;在什么渠道推广;这些内容给他们带来了多少新用户，多少转化等等。通过了解竞争对手的表现，我们可以推测哪些关键词或者主题能够引起用户更多的关注、用户对哪些内容毫无兴趣并且尝试创新，找到突破口，创造一些新鲜的内容来赢得用户的心。
数据采集的目的是为了让我们更好地理解目标用户和竞争对手。我们可以根据这些数据来思考如何给自己的品牌增值，如何产出差异化的内容吸引用户。
2.数据分析：辨别最有效的内容推广渠道
在我们产出了针对性内容之后，接着就是如何通过最有效、影响力最大的渠道去推广这些内容。在官网博客分享远远不够，不管我们产出的内容多么符合用户需求，如果用户从来没有看到过这些内容，那么我们纯粹是在浪费时间和精力。
推广渠道很多，例如邮件推送、投放付费的展示广告、与对目标用户影响力较大的大V合作或者简单的重复营销等。不管是哪个推广渠道，我们需要通过分析目标用户行为数据和竞争对手行为数据来确定。
数据分析能让我们杜绝盲目的推广。我们可以通过分析不同内容发布渠道的不同表现，找到用户反馈最好的发布渠道。
3.数据反馈：证明内容的价值
在内容产出并推广之后，我们要评估我们产出的内容，同时证明我们的付出所产生的价值。
用户是如何与我们的内容互动的?我们的内容有没有引起大量的讨论?用户在接触我们的内容后有哪些行为?······诸如此类的分析可以让我们对内容价值有清晰的了解。
对于一些品牌来说，设置内容投资回报率很困难，但是我们可以通过代理指标来描述内容产生的影响。我们可以使用不同的评分系统给不同阶段的参与度做评估，并对比不同的内容模块产生的效果。
例如，点击浏览内容1分，更进一步的参与如点赞2分，收藏内容3分，分享内容4分，然后评估不同评分级别的增涨习惯。最终，我们可以得出这些评分数据和销量数据之间的关系。销量越高，可以证明我们产出的内容价值越大。
4.6个魔法指标
即便你的团队在数字方面不强，也可以用下列6个魔法指标来评估你的努力。
消费量—网页浏览数、视频浏览数、文章浏览数、下载量和社会化媒体提及率。
分享—喜欢数、分享数，微博数，转发数、外部链接数。技巧：确保所有内容是可分享的。
销路拓展—完成填表并下载，email、博客订阅，博客评论以及你的转化率。
销售—通过内容影响线上和线下销售。
思想领导力—成为特约博客的请求数量。
忠诚度—主张、推荐和口碑。
如果你只是追踪，并没有搭建任何评估体系，最好花点时间，让一些重要的东西到位，这样你可以准确地看见你在哪里，并且评估你的进步和演进。
你能更好地了解将你的营销内容放在哪里，比如，哪种内容对你而言的效果最好?哪些关键词?哪些平台?，对于你的公司来说，你将能创建更多工作来帮助驱动底线。
seo网站流量分析怎么做
数据分析是seoer必备技能，它包括了最初的行业数据分析，关键词统计分析，当然还有后来的网站流量分析等等。今天笔者要跟大家讲的便是seo网站流量分析如何做，需要注意的是，seo网站流量分析是基于网站已经有了部分流量。
一、拆分数据
这是网站流量分析得第一步（任何数据分析都会用到），利用网站上安装的统计工具（百度统计或者cnzz等）将数据下载下来。这里需要提醒，流量分析尽量按时间段分析，比如说按月或者是按周，将分析好的数据进行对比，这更能体现出数据的重要性。
下载数据很简单，如何合理拆分就相对复杂了，这需要根据具体情况分出不同的多个维度，就seo而言，包括不同的搜索引擎来源、关键词数据、PV和UV值、平均访问时长、平局访问深度、受访页面、访问轨迹、跳出率等等。
二、分析数据
根据前面提到的维度，笔者逐一介绍，最后可综合分析，得出更全面的分析报告。
1.搜索引擎来源。
区别百度、360、搜狗等具体搜索引擎的来源流量，看看网站在哪个搜索引擎山更受欢迎，获取的流量最多。
2.关键词数据。
这里有两种方式可以供选择，一是按搜索引擎（区分搜索引擎），二是按指标（包含了来访次数、UV、IP、独立访客、跳出率等）。关键词分析可以直观的看到有哪些关键词是有流量的，我们可以根据关键词流量和具体排名做出更有效的seo调整。
比如说关键词A在百度排名第5位，平均每天贡献10个IP，那么我们就可以通过站内链接及外链等来提高A的自然排名，排名上去后，获得的流量自然也会跟着增加，这是很直观的。
3.PV和UV值，平局访问深度，平局访问深度，跳出率。
这几个指标可以拿到一起来解释，PV和UV的比值越高说明页面越受欢迎，同时跳出率也会越低。这对调整页面结构及内容建设有知道作用。
这几个指标的意义在于给网站架构、内链建设、内容调整等提供参考，举个简单的例子：比如说跳出率高。为什么跳出率会高，答案很明显，那就是用户对页面内容不感兴趣，这时候如何提供对用户有价值的内容就值得深深研究了。
4.受访页面。
这个指标应该至少能说明两个问题：① 作为入口页面哪些被访问得最多，访问得越多则说明用户需求越大；② 有没有重要的页面被访问的次数极少？如果是就需要考虑该页面的入口链接是不是太少，用户找不到该页面，这就需要调整内链布局了。
5.访问轨迹。
用户在访问某一页面后点击了哪些链接去到了哪些页面，这就是访问轨迹，作为seoer，我们应该敏锐的觉察到用户更多的搜索需求，增加页面相关内容。
三、调整seo策略
数据分析的目的是给优化调整提供依据，通过网站流量分析，我们就能看到网站的问题所在，好的地方继续保持，不够理想的地方则优化调整。
四、网站流量分析报告
这里笔者不多说，大家可以根据具体要求做出报告。
本文针对seo网站流量分析如何做这个问题给大家做了简短的介绍，讲的都是点，没有给出具体的实例。
事实上，网站流量分析的形式不尽相同，大家可参考本文，对自己的网站做具体的适合的流量数据分析。
怎样做好运营数据分析报告
如何做好运营数据分析报告？作为运营狗来说，我们都把每个活动当做自己的孩子，每次都要为一个所谓的“小活动”付出巨多的心血：上线前的活动策划、沟通安排、开发测试、活动预热、投放渠道等；上线时的各种监测，唯恐出现一个bug；活动收尾时如何通知用户、如何派奖等，一堆事情，简直忙到爆！
活动结束了，你的工作并没有结束，老板随即就会问你：”这次活动效果怎么样？来了多少新用户？转化了多少订单……”。其实，活动结束了，你的工作才刚刚开始，那就是“活动效果分析报告”。
活动效果分析报告，其实主要分成：本期活动分析总结、下期活动计划&预期；
总结：无非就是分析本次活动的数据效果怎么样；要是曾经有做过类似的活动，还要需要了解环比情况呗，我们一个一个说；
注：每个网站，每个活动可能关注的数据都不一样，我简单从几个常见数据入手，仅供大家参考哈！
1、访客数据：PV、UV
怎么看这些数据，不是傻傻得把活动期间每天的PV、UV都告诉给领导，没用的！
（1）活动期间 VS 非活动期间
两者相比，才能知道因为活动网站多了多少的流量，才能体现活动的价值啊！才能体现你的“辛苦”啊，��。我主要看两个期间的日均，如下。
另外，可以对比活动期间& 非活动期间的人均访问次数，看看访问次数是变多or变少，或许能有一些意外发现哦！
（2）活动期较长的话，还要对比下每周的数据。
比如这是活动两周的数据对比，10/19-10/25这周的PV、UV都有所上升（这张图中，两周数据差别不算大，我们假设两周差别较大的情况），那就思考是什么原因：是不是随之时间推进用户对活动越来越感兴趣（研究活动的周期波动规则，比如竞赛排名的活动一般都是最后时刻参与的用户较多，大家都想最后博下拿奖）？还是活动产品新上了什么小功能（比如，我们之前的活动中后期就多加了一个分享的功能，数据就有不错的反馈）？或者是10/19-10/25这周是不是进行了新的运营（比如短信推送、微信号推送等）？
（3）环比同比
若活动不是第一次弄，那肯定要和往期活动进行一个对比，即环比情况；“同比环比”这个指标应该对于运营童鞋一点都不陌生，经常看有木有。在这数据工具里面，直接找环比增长值或者环比增长率，一般是看环比增长率，不过看你自己的需求；要是这个活动是每年定期某个时间点的活动（比如双十一、过年固定活动），那完全可以选择“上年同比值、上年同比率”，马上就可以知道今年活动相比去年数据到底是高了还是低了。哈哈，数据要是高了都好说，要是低了估计领导得请你喝咖啡咯！！��
2、网站注册人数：（或者有的网站可直接统计活动注册人数）
（1）活动期间 VS 非活动期间
同上分析，了解活动期间到底每天能带来多少新的用户？一周内每日的注册变动趋势是否跟非活动期间是一样的（比如，是周末高于工作日）？
（2）活动期较长的话，还要对比下每周的数据。
同上分析，分析下各周的注册人数趋势有没有什么规则可言。
（3）同比环比
同上分析即可。
（4）注册人数方面，重点强调一点：是不是都为有效用户，换言之有没有存在刷单用户，这个很重要，问题也很严重。之前，我们做了一个活动，第一期结束，马上从数据中发现刷单的用户特别多，立马在第二期上了防刷机制。当然大部分判断刷单用户的机制在之前的活动方案的风险中应该提前考虑到，但活动中可能会有一些意料不到的事情，比如我们之前的活动，没有考虑到某些风险确实是问题，但是若能及时发现、解决，并作为之后活动的经验，这未尝不是进步呢？
3、活动参与人数、活动页面登录人数
这个数据每个活动都要看，主要了解本期多少人参与了活动，每天参与的情况是怎样的一个走向？其他数据可参看以上维度进行分析！！！
这里多加一个分析维度：即参与人数中新老用户的分布情况，了解你们网站新老用户的价值，当然大部分网站必然是老用户价值大！老用户中，还可以了解他们的活动积极性（即除了这次，还参与了哪些活动，贡献大不大）
——这个分析维度适用于参与人数、转化情况、优惠券等。。。
4、活动转化情况（转化人数、转化金额）
转化情况多指：交易（电商增涨、O2O下单等等），充值情况等；当然这个数据不是每个活动都需要了解，比如一些互动活动；其他数据可参看以上维度进行分析！！！交易转化数据还要记得分析：访问、下单、真正增涨漏斗情况（这个之前说过，可参考我的另一篇文章《作为运营，你知道你的用户”流失“了多少吗？》）；还有分析人均增涨额、人均增涨次数等等；（这些你们应该都懂，不多说）
5、优惠券数据
优惠券发放、使用等数据，这个很重要勒，这关乎到活动的回报率，换言之关乎到这个活动到底是赚了（多少）还是赔了（多少）（当然评估赔赚的指标不止这个，但是这个很重要，尤其对那些狂补贴的活动）。这个一定得好好分析，不然下次活动可能领导不给批了，啦啦啦！其他数据可参看以上维度进行分析，你懂得！！
6、不同玩法的对比
每期活动可能有不同的玩法，记得要对比下那个玩法更吸引人哈！
7、分享情况
这个比较简单，主要评估下分享功能是否在活动中受到大家的喜爱，互动效果如何！
8、各个平台对比、各个渠道对比
这个也不多说了，分析每个平台、渠道的效果，评估每个平台、渠道的质量，这个尤其对你们网站的渠道投放还是很重要的。这个数据分析维度可以包括以上7点！哈哈，这数据就多啦……
我只是提了几个常见的数据指标，大家可以对比自己的活动选取部分的数据维度，或者根据需求增加一些数据分析的维度，因“活”而异哈！
最后补一句，那些数据做出来不是傻傻看的，一定要记得从数据中发现问题，发现规律，总结经验，在下次活动要尽量优化、避免。发现好的方面，也要继续延续下去啦……
怎么做好互联网用户行为分析？6大方法汇总
如何做好互联网用户行为数据分析？用户分析能够更好地了解用户的行为习惯，发现产品在推广、拉新、用户留存、转化等方面存在的问题，有助于发掘高质量的推广拉新渠道、发现高转化率的方法，使产品的营销更加精准、有效。
1、行为事件分析
行为事件分析法主要用于研究某行为事件的发生对产品的影响及影响程度，一般来说，事件通过埋点来获取。
对于一具体的行为，首先要对其进行定义，将人物（Who）、时间（When）、地点（Where）、交互（How）、交互内容（What）进行聚合，构成一个完整的用户行为事件。
- Who：事件的参与主体，如用户id，设备id等；
- When：事件发生的时间；
- Where：事件发生的地点，如通过ip地址解析，GPS获取；
- How：用户从事行为的方式，如使用的设备、app版本、渠道等；
- What：用户在事件中所做行为的具体内容，如对于增涨行为事件，可能包含增涨商品名称、类型、数量、金额、付款方式等。
定义完成后，需要进行多维度的下钻分析，进行细分，确认导致该行为的原因，针对存在的现象，找出产生这一现象的行为。如登录页面下，点击登录和跳过登录的新用户有什么行为差别。通过对用户行为事件的定义，然后进行多维度（如位置、事件、app版本等）拆分，找到原因。
2、页面点击分析
页面点击分析主要用于显示页面或页面组（结构相同的页面，如商品详情页、官网首页等）区域中不同元素点击密度的图示，如某元素（如按钮）的点击次数、占比、哪些用户做了点击行为等。
页面点击分析主要解决三种问题：
- 精准评估用户与产品交互背后的深层关系；
- 实现产品的跳转路径分析，完成产品页面之间深层次的关系需求挖掘；
- 与其他分析模型配合，全面视角探索数据价值，深度感知用户体验，实现科学决策。
页面点击分析模型主要用于对官网首页、活动页面、产品首页或详情页等存在交互的页面分析。
可以通过用户的页面浏览次数、浏览人数、点击次数、点击人数、点击人数/浏览人数、浏览时长等来判断用户的浏览喜好，也可以通过用户的浏览行为对用户进行分群，以便之后进行针对性的分析与优化。
3、用户行为路径分析
通过对用户的行为路径进行分析，可以发现路径中存在的问题，如转化率问题，在发现具体问题的基础上，可以结合业务场景进行相应的优化提高。
这其中可包含转化漏斗和用户路径（行为轨迹）：
转化漏斗是一种特殊的路径分析情况，多针对少数人为特定模块与事件节点进行路径分析，是预先设好的路径，主要用于提升转化效果。适用于对产品运营中关键环节进行分析和监控，发现其中的薄弱转化环节，通过用户引导或产品迭代进行优化，以此提高转化效果。
用户路径不需要预先设置漏斗，而是计算用户使用产品（app或网站）时的每个第一步，然后依次计算每一步的流向和转化。通过数据再现用户的整个行为轨迹。以此发现哪条路径用户访问最多，哪条路径用户容易流失。
4、用户健康度分析
用户健康度是基于用户的行为数据进行综合考虑得到的核心指标，用以体现产品的运营情况，为产品的发展进行预警。包括：产品基础指标、流量质量指标和产品营收指标。
- 产品基础指标：用于评价产品本身运行状态，如uv，pv，dau，新用户数等。
- 流量质量指标：用于评价用户流量质量的高低，如人均浏览时长、人均浏览次数、留存率、跳出率、回访率等。
- 产品营收指标：用于评价产品的盈利能力和可持续性，如用户支付金额（GMV）、客单价（ARPU）、订单转化率等。
uv是用来衡量产品量级最重要的指标；新用户数不仅可以看出拉新的效果，也可以看到新用户到老用户的一个转变过程。
跳出率是指浏览单页即退出的次数/访问次数，可用来衡量用户的访问质量，跳出率高时可能表示内容对用户无吸引性；人均停留时长能反映出产品对用户的吸引程度；留存率能从侧面反映一个渠道的质量，如付费、粘性，价值量，CAC成本等；用户回访率指用户在使用某产品后的N天/周/月之后，再次使用该产品的比例。
用户支付金额（产品某段时间的流水）、客单价（支付有效金额/支付用户数）、订单转化率（有效订单用户数/uv）都与产品的营收相关，产品营收存在以下恒等式：
销售额 = 访客数成交转化率客单价
销售额= 曝光次数点击率成交转化率*客单价
5、漏斗模型分析
漏斗模型是一套流程式的数据分析模型，能够反映出用户行为状态以及从开始到最终各阶段的转化率及总体转化率情况。最常用的两个指标为：转化率和流失率。
举个栗子：
上图是共包括三步的注册流程，整个注册流程的总体转化率为46.5%，即1000个访问了注册页的用户中，有465个成功完成了注册。关注到每一步的转化率，发现第二步的转化率为65.3%，明显低于第一步的85.3%和第三步的83.5%，由此可推测，这一步骤可能存在问题。可针对这一注册步骤去发现问题，再进行转化率的提高，以提高整体的转化率。
经典漏斗模型为AARRR，包括五个阶段：获客（Acquisition）、激活（Activation）、留存（Retention）、营收（Revenue）、自传播（Referral）。
AARRR模型是围绕增长建立的，主要关注拉新获客。而当今时代，对绝大多数产品而言，拉新成本剧增，dau流失率剧增，流量红利时代一去不复返。因此，以拉新获客为中心的增长模式变得没有意义，获客不再是增长的王道，或许可以说已经过时了。当下流行的多为RARRA模型：留存（Retention）、激活（Activation）、自传播（Referral）、营收（Revenue）、获客（Acquisition），即AARRR模型的优化，此模型突出了用户留存的重要性，通过用户留存来关注增长。
6、用户画像分析
用户画像是根据用户特征、网络浏览内容、网络社交活动和消费行为等信息抽象得到的一个标签化的用户模型。通过对数据进行挖掘和分析，给用户“贴标签”，“标签”用来表示用户某一维度特征的标识，可用于业务运营和数据分析。
用户画像的主要内容可包含：性别、年龄、职业、位置（城市、居住区域）、兴趣爱好（增涨、订阅、阅读等）、设备属性（安卓、iOS）、行为数据（浏览时长、路径、点赞、收藏、评论、活跃度）、社交方式等等。不同的行业和产品对用户的特征关注点不一样，一般都具有自己的用户标签体系。