資料分析指標名詞解釋
資料分析指標名詞解釋
名詞解釋
維度
指人們分析事物的角度。比如,分析活躍使用者,可以從時間的維度,也可以從地域的維度去看,也可以時間、地域兩個維度組合去分析。 有層次關係的維度,就可以根據分析需求改變維的層次,變換分析的粒度鑽取,比如分析活躍使用者,從地域這個維度型別上,可以細分到省份、城市、縣、鄉鎮的使用者,也可以向上彙總。 不同維度有些是相互獨立的,比如時間維度和地域維度;但有些維度是有層次關係的,比如省份維度和城市維度。
維度也可以分為定性維度和定量維度(根據資料型別劃分)。資料型別為字元型即定性維度,如城市、性別等;資料型別為數值型資料的即定量維度,如收入、年齡、消費金額等,定量維度一般需要數值分組處理,比如年齡劃分為20歲以下,20~29歲,30~39歲等。
注:維度一定是有可以列舉的值,比如時間這個維度型別下有日、周、月、季、年這些維度,季的維度值是:Q1、Q2、Q3、Q4。
度量
量化的數值,通常會叫做“指標”,比如活躍使用者數、使用時長、開啟次數是最基礎的分析應用運營情況的三個指標。 除了被稱為指標外,還有一些分析場景中,會用度量A和度量B經過一些計算,得到一個新的度量C,通常稱之為“衍生指標”。
為了便於理解,在易觀方舟中將度量統稱為指標。
使用者
使用者即裝置,在易觀方舟產品中,一個獨立裝置被定義為一個使用者。
Android系統根據IMEI、IMSI、Android_ID等生成易觀ID,來標識一個獨立使用者,iOS系統根據IDFA、OpenUDID等生成易觀ID來標識一個獨立使用者。
使用者行為
是由使用者一系列的事件組成,包含5個基本要素:何人,何時,何地,通過何種方式,發生了何種行為。
Event要素 | 要素說明 | 採集的資料 | 示例 |
---|---|---|---|
Who | 參與事件的使用者 | 使用者唯一ID | H522a3bd525a2af |
When | 事件發生的時間 | 自動獲取 事件當時時間 | 11月11日00:02:03 |
Where | 事件發生的地理位置 | 自動獲取 IP、GPS資訊 | 114.242.249.113 |
How | 事件發生的方式 | 使用的環境 | 裝置品牌:Apple 裝置型號:iPhone 6s 作業系統:iOS 螢幕解析度:1920*1680 運營商:中國聯通 網路型別:Wifi …… |
What | 事件的內容 | 自定義採集的事件:EventID 事件屬性:Key-Value |
add_to_cart product_name:耳麥 product_price:666 |
事件
記錄使用者觸發的行為,例如 註冊、登入、支付等等
事件屬性
更精準的描述使用者行為,例如事件發生的位置、方式和內容
屬性值
屬性的具體值,不同的屬性,屬性值不同,例如,支付方式的屬性值,可以是微信支付,支付寶支付;裝置品牌的屬性值,可以是小米,錘子。
會話(Session)
使用者從開啟到關閉應用/網站,被視為一次會話。
著陸頁(LandingPage)
使用者進入目標網站的第一個頁面。使用者訪問的一般過程:站內著陸頁A → 後續受訪頁面B→ 後續受訪頁面……→ 站內出口頁X
跳出
使用者進入著陸頁就離開。使用者來到網站後,除了瀏覽LandingPage之外,沒有發生其他任何操作就離開了網站,被視為跳出。
退出
當用戶從某個頁面離開了網站,即視為退出。
基礎指標——APP
指標 | 指標定義 |
---|---|
新增使用者數 | 指安裝後首次啟動應用的使用者,解除安裝再安裝的裝置,不計入新增 |
活躍使用者數 | 指啟動應用的使用者(去重,即1臺裝置開啟多次會被計為1個活躍使用者) |
人均使用次數 | 指平均每人啟動應用的次數 |
X事件的觸發使用者數 | 指在應用上觸發X事件的使用者數 |
X事件的觸發次數 | 指在應用上觸發X事件的總次數 |
X事件的人均觸發次數 | 指在應用上對X事件的平均觸發次數,即觸發次數/觸發使用者數 |
X事件某屬性的去重數 | 指某屬性的去重數 |
X事件某屬性的最大值 | 指某數值型屬性的最大值 |
X事件某屬性的最小值 | 指某數值型屬性的最小值 |
X事件某屬性的均值 | 指某數值型屬性的均值 |
X事件某屬性的累加值 | 指某數值型屬性的累加值 |
X事件某屬性的人均值 | 指某數值型屬性的人均值 |
各應用版本 | 指應用的版本分佈 |
各裝置品牌 | 指使用者使用的裝置品牌分佈 |
各裝置型號 | 指使用者使用的裝置型號分佈 |
各作業系統 | 指使用者使用的裝置作業系統分佈 |
各作業系統版本 | 指使用者使用的裝置作業系統型號分佈 |
各螢幕解析度 | 指使用者使用的裝置解析度分佈 |
各運營商 | 指使用者使用的裝置運營商分佈 |
各網路型別 | 指使用者使用的網路型別分佈 |
各國家 | 指使用者的國家分佈 |
各省份 | 指使用者的省份分佈 |
各城市 | 指使用者的城市分佈 |
各城市等級 | 指使用者的城市等級分佈 |
使用者的領域偏好TGI | 指使用者使用某領域的偏好係數/該領域所有使用者的平均偏好係數*100% |
使用者的APP偏好TGI | 指使用者使用某APP的偏好係數/該APP所有使用者的平均偏好係數*100% |
新增使用者留存/留存率 | 指首次啟動的使用者經過一段時間後,再次啟動了的使用者。例如選擇條件:初始行為=首次啟動,回訪行為=啟動,4月1日首次啟動使用者200人,這200人中4月2日仍活躍的使用者有100人,4月4日仍活躍的使用者有50人,4月8日仍活躍的使用者有20人,則第1日留存使用者為100,第3日留存使用者為50,第7日留存使用者為20 |
活躍使用者留存/留存率 | 指啟動的使用者經過一段時間後,再次啟動了的使用者 |
自定義留存/留存率 | 指發生初始行為的使用者經過一段時間後,發生了回訪行為的使用者。例如選擇條件:初始行為=點選購買,回訪行為=點選購買,4月1日發生購買的使用者200人,這200人中4月2日再次購買的使用者有100人,4月4日再次購買的使用者有50人,則第1日自定義留存使用者為100,第3日留存使用者為50 |
N日/周/月留存概況 | 指各日/周/月的留存率加權平均,衡量選定日期內總體的留存情況 |
各步驟轉化使用者數 | 指在一定的視窗期內有序觸發了自定義行為事件的使用者 |
各步驟轉化率 | 第n步轉化率=第n+1步驟轉化使用者數/第n步轉化使用者數 |
總體轉化率 | 總體轉化率=最後1步驟轉化使用者數/第1步使用者數 |
各步驟流失使用者數 | 指在一定的視窗期內觸發了上一步事件但下一步事件未有序觸發的使用者 |
各步驟流失率 | 第n步流失率=(第n步轉化使用者數-第n+1步驟轉化使用者數)/第n步轉化使用者數 |
基礎指標——H5/Web
指標 | 指標定義 |
---|---|
瀏覽量(PV) | PageView,指使用者瀏覽某個頁面或某個頁面組的總次數。 |
訪問使用者數(UV) | Unique Visitor, 訪問使用者的去重數。以根據cookie生成的ID為判斷標準。 |
訪問次數 | 使用者訪問網站的總次數,即Session數。 |
人均訪問次數 | 人均訪問次數=Session數/UV |
人均瀏覽量 | 人均瀏覽量=PV/UV |
人均訪問時長 | 人均訪問時長=Session時長之和/UV |
單次訪問瀏覽量 | 單次訪問瀏覽量=PV/Session數 |
單次訪問時長 | 單次訪問時長=Session時長之和/Session數 |
單次訪問深度 | 單次訪問深度=Session事件之和/Session數 |
跳出率 | 跳出率=訪問了一個頁面的Session數/總的Session數。使用者進入著陸頁就離開。使用者來到網站後,除了瀏覽LandingPage之外,沒有發生其他任何操作就離開了網站,被視為跳出。用來衡量landingpage的質量。 |
退出率 | x頁面退出率=從x頁面離開網站的次數/該頁面瀏覽總次數。當用戶從某個頁面離開了網站,即視為退出。退出率只能用來分析特定流程中的某些頁面能不能滿足使用者的需求的問題。 |
X事件的觸發使用者數 | 指在網站上觸發X事件的使用者數 |
X事件的觸發次數 | 指在網站上觸發X事件的總次數 |
X事件的人均觸發次數 | 指在網站上對X事件的平均觸發次數,即觸發次數/觸發使用者數 |
X事件某屬性的去重數 | 指某屬性的去重數 |
X事件某屬性的最大值 | 指某數值型屬性的最大值 |
X事件某屬性的最小值 | 指某數值型屬性的最小值 |
X事件某屬性的均值 | 指某數值型屬性的均值 |
X事件某屬性的累加值 | 指某數值型屬性的累加值 |
X事件某屬性的人均值 | 指某數值型屬性的人均值 |
各裝置型別 | 指使用者使用的裝置型別分佈 |
各裝置品牌 | 指使用者使用的裝置品牌分佈 |
各裝置型號 | 指使用者使用的裝置型號分佈 |
各作業系統 | 指使用者使用的裝置作業系統分佈 |
各作業系統版本 | 指使用者使用的裝置作業系統型號分佈 |
各瀏覽器 | 指使用者使用的裝置瀏覽器分佈 |
各瀏覽器版本 | 指使用者使用的裝置瀏覽器版本分佈 |
各螢幕解析度 | 指使用者使用的裝置解析度分佈 |
各運營商 | 指使用者使用的裝置運營商分佈 |
各國家 | 指使用者的國家分佈 |
各省份 | 指使用者的省份分佈 |
各城市 | 指使用者的城市分佈 |
各城市等級 | 指使用者的城市等級分佈 |
各步驟轉化使用者數 | 指在一定的視窗期內有序觸發了自定義行為事件的使用者 |
各步驟轉化率 | 第n步轉化率=第n+1步驟轉化使用者數/第n步轉化使用者數 |
總體轉化率 | 總體轉化率=最後1步驟轉化使用者數/第1步使用者數 |
各步驟流失使用者數 | 指在一定的視窗期內觸發了上一步事件但下一步事件未有序觸發的使用者 |
各步驟流失率 | 第n步流失率=(第n步轉化使用者數-第n+1步驟轉化使用者數)/第n步轉化使用者數 |
新增使用者留存/留存率 | 指首次啟動的使用者經過一段時間後,再次啟動了的使用者。例如選擇條件:初始行為=首次啟動,回訪行為=啟動,4月1日首次啟動使用者200人,這200人中4月2日仍活躍的使用者有100人,4月4日仍活躍的使用者有50人,4月8日仍活躍的使用者有20人,則第1日留存使用者為100,第3日留存使用者為50,第7日留存使用者為20 |
活躍使用者留存/留存率 | 指啟動的使用者經過一段時間後,再次啟動了的使用者 |
自定義留存/留存率 | 指發生初始行為的使用者經過一段時間後,發生了回訪行為的使用者。例如選擇條件:初始行為=點選購買,回訪行為=點選購買,4月1日發生購買的使用者200人,這200人中4月2日再次購買的使用者有100人,4月4日再次購買的使用者有50人,則第1日自定義留存使用者為100,第3日留存使用者為50 |
N日/周/月留存概況 | 指各日/周/月的留存率加權平均,衡量選定日期內總體的留存情況 |
基礎指標——微信小程式
指標 | 指標定義 |
---|---|
瀏覽量(PV) | PageView,指使用者瀏覽某個頁面或某個頁面組的總次數。 |
訪問使用者數(UV) | Unique Visitor, 訪問使用者的去重數。以根據cookie生成的ID為判斷標準。 |
訪問次數 | 使用者訪問小程式的總次數,即Session數。(session是指使用者開啟小程式至關閉,一次開啟到關閉記為1次session)。 |
人均訪問次數 | 人均訪問次數=Session數/UV |
人均瀏覽量 | 人均瀏覽量=PV/UV |
訪問時長 | 使用者訪問小程式所有頁面停留的總時長 |
人均訪問時長 | 人均訪問時長=Session時長之和/UV |
單次訪問瀏覽量 | 單次訪問瀏覽量=PV/Session數 |
單次訪問時長 | 單次訪問時長=Session時長之和/Session數 |
單次訪問深度 | 單次訪問深度=Session事件之和/Session數 |
跳出率 | 跳出率=訪問了一個頁面的Session數/總的Session數。使用者進入著陸頁就離開,即使用者來到小程式後,除了瀏覽LandingPage之外,沒有發生其他任何操作就離開了小程式,被視為跳出。用來衡量landingpage的質量。 |
退出率 | x頁面退出率=從x頁面離開網站的次數/該頁面瀏覽總次數。當用戶從某個頁面離開了網站,即視為退出。退出率只能用來分析特定流程中的某些頁面能不能滿足使用者的需求的問題。 |
X事件的觸發使用者數 | 指在小程式上觸發X事件的使用者數。(事件:使用者在小程式上的行為,比如使用者在某電商小程式上查看了商品詳情,則[檢視商品詳情]可記為事件。) |
X事件的觸發次數 | 指在小程式上觸發X事件的總次數 |
X事件的人均觸發次數 | 指在小程式上對X事件的平均觸發次數,即觸發次數/觸發使用者數 |
X事件某屬性的去重數 | 指某屬性的去重數(屬性去重數:在選定時間範圍內,該屬性出現的獨立去重個數) |
X事件某屬性的最大值 | 指某數值型屬性的最大值(如購買事件的金額屬性,在所選時間內最大購買金額為10000元,則金額屬性最大值為10000) |
X事件某屬性的最小值 | 指某數值型屬性的最小值(如購買事件的金額屬性,在所選時間內最小購買金額為10元,則金額屬性最大值為10) |
X事件某屬性的均值 | 指某數值型屬性的均值 |
X事件某屬性的累加值 | 指某數值型屬性的累加值 |
X事件某屬性的人均值 | 指某數值型屬性的人均值 |
各裝置型別 | 指使用者使用的裝置型別分佈(裝置型別如:智慧手機、平板電腦等) |
各裝置品牌 | 指使用者使用的裝置品牌分佈(裝置品牌如:iPhone、小米、OPPO、華為、三星等) |
各裝置型號 | 指使用者使用的裝置型號分佈(裝置型號如:iPhone 6s、iPhone 7 plus、OPPO R9m、OPPO A57、華為mate9等) |
各作業系統 | 指使用者使用的裝置作業系統分佈(裝置作業系統如:Android、iOS等) |
各作業系統版本 | 指使用者使用的裝置作業系統版本分佈(裝置作業系統版本如:Android5.0.2、Android7.0、iOS10.1.1、iOS10.2等) |
各瀏覽器 | 指使用者使用的裝置瀏覽器分佈(裝置瀏覽器如:微信內建瀏覽器等) |
各瀏覽器版本 | 指使用者使用的裝置瀏覽器版本分佈(裝置瀏覽器版本如:微信內建瀏覽器6.6.0、微信內建瀏覽器6.6.1等) |
各螢幕解析度 | 指使用者使用的裝置解析度分佈(裝置解析度如:375*667等) |
各運營商 | 指使用者使用的裝置運營商分佈(裝置運營商如:中國移動、中國聯通、中國電信等) |
各國家 | 指使用者的國家分佈(國家如:中國、印度尼西亞等) |
各省份 | 指使用者的省份分佈(省份如:浙江、湖南等) |
各城市 | 指使用者的城市分佈(城市如:北京、杭州、上海、長沙等) |
各城市等級 | 指使用者的城市等級分佈(城市等級如超一線城市、一線城市、二線城市、三線城市等) |
各步驟轉化使用者數 | 指在一定的視窗期內有序觸發了自定義行為事件的使用者 |
各步驟轉化率 | 第n步轉化率=第n+1步驟轉化使用者數/第n步轉化使用者數 |
總體轉化率 | 總體轉化率=最後1步驟轉化使用者數/第1步使用者數 |
各步驟流失使用者數 | 指在一定的視窗期內觸發了上一步事件但下一步事件未有序觸發的使用者 |
各步驟流失率 | 第n步流失率=(第n步轉化使用者數-第n+1步驟轉化使用者數)/第n步轉化使用者數 |
新增使用者留存/留存率 | 指首次啟動的使用者經過一段時間後,再次啟動了的使用者(如果計算日留存,就是一日內啟動過;如果計算月留存,就是一月內啟動過)。例如選擇條件:初始行為=首次啟動,回訪行為=啟動,4月1日首次啟動使用者200人,這200人中4月2日仍活躍的使用者有100人,4月4日仍活躍的使用者有50人,4月8日仍活躍的使用者有20人,則第1日留存使用者為100,第3日留存使用者為50,第7日留存使用者為20。 |
活躍使用者留存/留存率 | 指啟動的使用者經過一段時間後,再次啟動了的使用者 |
自定義留存/留存率 | 指發生初始行為的使用者經過一段時間後,發生了回訪行為的使用者。例如選擇條件:初始行為=點選購買,回訪行為=點選購買,4月1日發生購買的使用者200人,這200人中4月2日再次購買的使用者有100人,4月4日再次購買的使用者有50人,則第1日自定義留存使用者為100,第3日留存使用者為50 |
N日/周/月留存概況 | 指各日/周/月的留存率加權平均,衡量選定日期內總體的留存情況 |
摘自:易觀方舟