数据统计工具：百度统计
百度统计思维导图
百度统计是一个强大的网站数据统计和分析工具，从六大维度进行分析——趋势分析、来源分析、页面分析、访客分析、定制分析、优化分析，帮助网站优化、用户定位、营销推广，打通网站与用户的完美锲合。
百度统计价值价值维度
趋势分析，可以了解到网站的基本状态、用户活跃度；
访客分析、自定义变量，可以了解到网站的访客构成和各类属性，帮助我们明确用户的定位；
页面分析、转化路径、事件跟踪，可以了解到用户操作行为，帮助我们合理安排页面布局、页面层次，优化网站设计，提高转化；
来源分析、优化分析、指定广告跟踪，可以了解到网站的营销推广状态，监控各种网络媒介推广效果，优化SEO。
适用于web的数据统计工具：
国外：GA 、Clicky、W3Counter、Woopra、W3Perl 、Piwik、TraceWatch、Snoop、goingup、JAWStats、Crazyegg
国内： 百度统计、CNZZ、国双统计、51la、量子统计、小艾统计、科捷统计、好耶iDigger 、gostats
外部分析工具：Alexa 、IUT、adplanner、quantcast
适用于APP的数据统计工具：
国外：Flurry,google analytics mobile，Mixpanel
国内：友盟,机锋统计,TalkingData,百度移动统计,CNZZ移动数据平台，imofan
开源：cobub
网站的后台也可以进行一些基本的数据统计，比如注册数、会员数、互动数等。
常用的核心数据指标
除了上述思维导图中提到的数据指标外，还包括根据思维导图中的数据指标延伸出的活跃度、流失率、留存率等。
活跃度：
主要衡量产品的粘性、用户的稳定性以及核心用户的规模，观察产品在线的周期性变化。
AU（Active Users）活跃用户：用户登陆产品记为一次登录
DAU（Daily Active Users）日活跃用户：每日登陆过的用户数，一般从后台抓取
WAU（Weekly Active Users）周活跃用户：七天内登陆过的用户数
MAU（Monthly Active Users）月活跃用户：30天内登陆过的用户数
AT（Daily Avg. Online Time）日均使用时长：活跃用户平均每日在线时长
AT=日总在线时长 / DAU
DNU（Daily New Users）每日注册并登陆的用户数：直接从后台抓取即可
PCU（Peak Concurrent Users）最高同时在线用户人数：统计周期内，同一时点（通常精确至分）的最高在线人数
ACU（Average Concurrent Users）平均同时在线用户人数：统计周期内，每个时点（通常精确到分）的平均在线人数
ACU=DAU * AT / 时间精度
EC（Engagement Count）用户登录频率：统计周期内平均每用户登录的总次数
根据统计周期不同，通常每日登录频率统计的是登录次数；周及月的登录频率统计的是登录天次（一天登录多次记为一次）
对于不同产品，活跃度的标准不一样，可以根据需要细分定位——轻度用户、中度用户、重度用户、忠诚用户等。
流失、留存：
观察流失用户的状态、流失前行为来判断产品可能存在的问题。
ULR（Users Leave Rate）用户流失率：统计当日登录过产品的用户，但在随后N日内未登录的用户数/统计日DAU
日流失率：统计当日登陆过产品的用户，次日未登陆的用户数/统计日DAU
周流失率：统计当周登陆过产品，之后下一周未登陆的用户数/WAU
月流失率：统计当月登陆过产品，下一月未登陆的用户数/MAU
OSUR（One Session User Rate）一次会话用户占比：新登录用户中只有一次会话的用户占比，主要衡量新用户的质量
DRR（Daily Retention Rate）日留存率：统计当日登录过产品的用户，在之后N日内至少登录一次的用户数/统计日DAU
WRR（Weekly Retention Rate）周留存率：统计当周登录过产品的用户，且下一周至少登录一次的用户数/WAU
MRR（Monthly Retention Rate）月留存率：统计当月登录过产品的用户，且下一月至少登录一次的用户数/MAU
次日留存率：统计当日登录过产品的用户，次日依旧登录的用户数/统计日DAU
回归率：曾经流失，重新登录产品的用户数占流失用户的比例
回归用户：曾经流失，重新登录产品的用户数
流失用户池：过去一段时间内流失的用户数
回归率 = 回归用户 / 流失用户池
收益：
产品盈利能力的综合评价。
PUR（Pay User Rate）付费比率：统计周期内，付费账号数占活跃账号数的比例，一般以自然月或自然周为单位进行统计
广度，更多的人付费
PUR = APA / AU
APA（Active Payment Account）活跃付费账用户数：统计周期内，成功付费的用户数
APA = AU * PUR
ARPU（Average Revenue Per User）平均每用户收入：统计周期内，活跃用户对产品产生的平均收入
ARPU = Revenue / AU
ARPU = ARPPU * PUR
ARPPU (Average Revenue Per Paying User)平均每付费用户收入：统计周期内，付费用户对产品产生的平均收入
深度，付更多的钱
ARPPU = Revenue / APA
LTV（Lift Time Value）生命周期价值：平均一个新增用户在其生命周期内（第一次登录到最后一次登录），为该产品创造的收入总计
LTV_N ： 统计周期内，一批新增用户在其首次登入后N天内产生的累计收入/ NU（新用户）
用于衡量渠道导入用户的回本周期，回本率=LTV_N/CPL（导入成本）
以上数据可以根据需要进行拆解、合并，比如流失付费用户数、回归付费用户数、新增付费用户数、新增活跃用户数等等。
同时，不同的产品类型，需要关注的数据指标也不一样，道生万物。
推荐：大数据工具导航 (http://hao.199it.com)
via：甜心
更多阅读：
- TalkingData：移动游戏运营数据分析指标白皮书
- 游戏数据分析核心数据和算法公式详解
- 如何做好手机游戏运营工作运营数据价值如何发掘？
- 未來十年含金量最高的職業 — 成長駭客的秘密
- 数字化移动互联网运营里的商业秘密
- 对于关卡类游戏的数据分析方式
- 挑战网站分析中的大众智慧（2）——热图
- 电子商务网站数据分析常用指标
- 详解互联网第一大报赫芬顿邮报的SEO策略
- 浅谈网站路径分析
- 网站分析：网络营销效果衡量的核心指标及我们用什么样的逻辑思考（2）
- 网站分析：基于用户细分的比较分析
- 网站分析高级细分连载之新老访客细分
- 网站分析高级细分之内容分组细分
- 网站分析高级细分之新老访客细分
2021-06-01 17:06:50
