很多人都从PV/UV/用户数这些数据来切入分析，但是分析之后，做什么措施？以什么样的目标来驱动？

我也做过这样的分析，这些常规的数据大多只是绑定着个人的KPI，反应这个人工作成绩的好坏，并不是一场完整的数据分析。

这里我想从更全面的角度来总结互联网企业的运营体系，精益数据分析。

数据分析的目的应该是为了公司的发展，粗暴一点讲：是为了公司的盈利和持续的盈利。

而互联网的盈利模式不同，数据指标也不同，大抵可分为三种：

以分析体系最为复杂的互联网电商公司为例，来逐一分解，哪些数据需要分析？怎样分析？分析的价值是什么？

电商类公司的收入是由一个个订单堆出来，由用户购买相关的商品或服务产生。

可以说用户和商品或服务为订单的两大基本元素，公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。

这样我们将收入相关的数据拆解为三大类：用户、商品和订单。

一、运营模块

从用户的消费流程来看，可以划分为引流—转化—消费—存留。

我们一般将用户分为新老用户，无论新老用户，都会关注两块内容：一个是引流（拉新），一个是转化；最终以数据的形式体现出来，就是流量与转化率。

1. 引流

通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。

目的是保证流量的稳定性，并通过调整，尝试提高流量。

图表皆由FineReport搭建的数据报表产生

进一步，按照流量结构还可分为渠道结构、业务结构、地区结构。

在渠道中，流量可来自于自主访问、搜索引擎、淘宝付费、京东付费等等。

按设备可分为PC渠道和APP渠道，按照付费与否可分为免费流量和付费流量。

有人会通过渠道流量占比来分析各渠道的质量。

下面的折线图可以对各渠道的流量情况进行追踪，分析占比不合理是短期内出现的，还是长期存在的，辅助问题的分析。仅仅根据流量情况来衡量质量是不全面的，需要配合转化率和ROI。

按地区划分，这个很好理解。

按照业务结构，最典型的比如举办一场活动，例如双十一，肯定要对活动的流量追踪，观察活动前、活动中、活动后的变化情况，评估活动效果。

2. 转化

完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面—注册成为用户—登陆—添加购物车—下单—付款—完成交易。

每一个环节中都会有用户流失，提高各个环节的转化率是这一块工作的最核心——转化率的提升，意味着更低的成本，更高的利润。

转化的分析：

观察各环节转化率，分析其合理性互联网运营数据分析，针对转化率异常环节进行调整；追踪转化率变化，用于异常定位和策略调整效果验证；观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略；分析各环节转化周期，分析用户习惯，为制定运营策略提供依据。

最直接的分析成果就是转化漏斗。

3. 留存

通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。

关于留存，这里要关注的就是日活和留存率。

关于留存，无非就是：

日活监控，观察用户活跃数据，分析日活健康度；观察存留规律，定位存留阶段，辅助市场活动、市场策略定位等；对比不同用户、产品功能的存留情况，分析产品价值、辅助产品调整。4. 复购

有调查数据显示：一个满意的用户会带来8笔潜在生意，不满意的用户可能会影响25个人的购买意愿，可见回头客多么重要。

复购率可以分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与复购率相似，也在此范围内。

分析复购率的目的：

综合指标展示，分析用户黏性，辅助发现复购率问题，制定运营策略。横向维度(商品、用户、渠道)对比分析，细化复购率，辅助问题定位。5. 流失

流失是无

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！