《数据分析思维》阅读笔记

第一章业务指标

数据分类

用户数据：我是谁
行为数据：我做了什么
产品数据：卖什么

常见指标

用户数据指标

对于新增用户使用的指标：日新增用户数
对于活跃用户使用的指标：活跃率，日活跃用户数，周活跃用户数，月活跃用户数
对于留存用户使用的指标：留存率，评价用户粘性；次日留存率，第3日留存率，第7日留存率，第30日留存率等

行为数据指标

行为相关的数据指标包括：PV（访问次数）和UV（访问人数）、转发率、转化率、K因子等。

PV（访问次数，Page View），一定时间内打开某个页面的浏览次数；
UV（访问人数，Unique Visitor），一定时间内访问某个页面的人数
转发率=转发某功能的用户数/看到该功能的用户数
转化率的计算方法和业务场景相关，如店铺转化率=购买产品的人数/到店铺的人数，广告转化率=点击广告的人数/看到广告的人数
K因子可以用来衡量推荐的效果，即发起推荐的一个用户可以带来多少新用户。K因子=平均每个用户向多少人发出邀请*接收到邀请的人转化为新用户的转化率

产品数据指标

产品数据相关的指标包括：用来衡量业务总量的指标，例如成交总额、成交数量；用来衡量人均情况的指标，如客单价；用来衡量付费情况的指标，如付费率、复购率；以及与产品相关的指标。

衡量总量的指标：成交总额（GMV，Gross Merchandise Volume）、成交数量、访问时长。

成交总额包括：销售额、取消订单金额、拒收订单金额和退货订单金额。

用来衡量人均情况的指标有人均付费(ARPU Average Revenue Per User)、付费用户人均付费（ARPPU，Average Revenue Per Paying User）、人均访问时长。

付费相关的指标有：付费率、复购率

产品相关的指标包括热销产品数、好评产品数、差评产品数等。

以上指标可以总结为该图：

推广付费指标

在付费做广告推广时，设计考察推广效果的指标。从不同付费渠道可以分为一下指标：展示位广告、搜索广告、信息流广告。

展示位广告：通常出现在网站或手机App的顶部、App的开屏等，通常是按展示次数付费（CPM，Cost Per Mille）；
搜索广告：如搜索引擎的关键字搜索广告、电商搜索广告等，这种类型的广告是按点击次数付费（CPC，Cost Per Click）；
信息流广告：如微博、知乎、朋友圈里的广告，这种类型的广告按点击次数付费（CPC）或者按投放的实际效果付费（CPA，Cost Per Action）

按投放的实际效果付费（CPA，Cost Per Action）又可以分为：

CPD（Cost Per Download）:按App的下载数付费
CPI（Cost Per Install）：按安装App的数量付费，即下载后有多少人安装
CPS（Cost Per Sales）：按完成购买的用户数或者销售额付费

指标体系

如何建立指标体系

可以用下图的方法建立指标体系：

（1）明确部门KPI，找到一级指标，即用来评价公司或部门运营情况最核心的指标。

（2）了解业务运营情况，找到二级指标：根据业务运营情况将一级指标拆分为二级指标，如对于积分抵扣金额，可以拆接出：积分抵扣的订单数、平均订单抵扣金额、积分抵扣的会员数、人均抵扣金额。

（3）梳理业务流程，找到三级指标：一级指标往往是业务流程最终的结果，需要添加用于监督、改进业务流程的三级指标。

最后确定的指标如下图所示，由于结构类似金字塔，也叫做指标体系金字塔。

每个指标可以从三个方面确定统计口径：

指标业务含义：这个指标在业务上表示什么
指标定义：这个指标是怎么定义的
数据来源：从什么地方收集的原始数据？数据统计的时间范围是什么

（4）通过报表监控指标，不断更新指标体系

第二章分析方法

本章涉及的主要概念如下图所示：

常用的分析方法：

5W2H分析方法

指对于所有现象都追问五个问题，what,when,where,why,who
然后再追问两个问题：how,how much

案例1：如何设计一款产品？
what(是什么):这是什么产品?
when(何时):什么时候需要上线?where(何地):在哪里发布这些产品?
why(为什么):用户为什么需要它?
who(是谁):这是给谁设计的?
how(怎么做): 这个产品需要怎么运作?
howmuch(多少钱):这个产品里有付费功能吗?价格是多少?
案例2：设计一款App的调查问卷，如何设计问卷上的问题：
what (是什么):你用这款App做什么事情?
when(何时):你通常在什么时间使用这款App?
where(何地):你会在什么场景使用这款App?
why(为什么):你为什么选择这款App?
who(是谁):如果你觉得你喜欢这个产品，你会推荐给谁?
how(怎么做):你觉得我们需要加入什么功能才是比较新颖的?
how much(多少钱):如果你认为这个App对你有帮助，你会花多少钱去购买App里的服务?

逻辑树分析方法

逻辑树分析方法是把复杂问题拆解成若干个简单的子问题，然后像树枝那样逐步展开。
逻辑树分析方法在解决业务问题时，经常不是单独存在的，会融合在其他分析方法里，辅助解决问题。

行业分析方法

进行行业分析时通常使用PEST分析方法，对公司发展的宏观环境进行分析，通常是从政策（Policy）、经济（Economy）、社会（Society）和技术（Technology）四个维度展开。

以《2018年中国少儿编程行业研究报告》的PEST分析为例：

多维度拆解分析方法

辛普森悖论（Simpson's Paradox）：在有些情况下，考察数据整体和考察数据的不同部分，会得到相反的结论。
只看数据整体，我们可能注意不到“数据内部各个部分构成的差异”。如果忽略这种差异进行比较，就有可能导致无法察觉该差异所造成的影响。正如前面的案例，关注数据整体 (入院的全部患者)和关注数据内部的不同部分(按健康状态将患者拆解为两组数据)，就看到了不同的风景。

如何使用多维度拆解分析方法？

一般从指标构成或者业务流程的维度拆解：

从指标构成拆解：即从指标的定义来看指标的构成，如销售额=新用户销售额+老用户销售额，所以销售额可以拆解为新用户销售额，老用户销售额，该指标还可以继续拆解为新用户的转化和老用户的复购：
- 新用户销售额=新用户数×转化率×新用户客单价，如果新用户的销售目标额没达成，可以对新用户发放小额无门槛折扣券，帮助用户对店铺建立信任；
- 老用户销售额=老用户数×复购率×老用户客单价，如果是老用户导致销售目标额没达成，可以对老用户发放高额满减折扣券，提升用户复购率。
从业务流程拆解：按照业务流程进行拆解分析，例如按用户购买产品的业务流程来拆解，如对于用户购买的业务流程，可以分为：
- 看到渠道的广告
- 被广告吸引进入店铺
- 在店铺选择感兴趣的商品
- 选择好商品，最终决定购买

可以用下图记住多维度拆解的分析方法：

第一个问题：是什么？
对于多维度拆解，其实就是做加法：问题=维度1+维度2+...

第二个问题：有什么用？
遇到复杂问题时，可以用多维度拆解分析方法将复杂问题变成可以解决的子问题，原理其实就是逻辑树分析方法。

第三个问题：如何用？

从指标构成拆解：分析单一指标的构成，如单一指标为用户，用户又可以拆解为新用户、老用户；
从业务流程来拆解：按业务流程进行拆解分析，例如不同渠道的用户付费率

第四个问题：注意事项
要注意辛普森悖论，在有些情况下，考察数据整体和考察数据的不同部分，会得到相反的结论。使用多维度拆解分析方法，可以防止辛普森悖论。

对比分析方法

使用对比分析主要有两个问题：和谁比，如何比较。

和谁比

一般分为两种：和自己比，和行业比

如何比较

一般从三个维度比较：数据整体的大小、数据整体的波动、趋势变化

数据整体的大小：常用平均值、中位数或者某个业务指标；
数据整体的波动：标准差除以平均值得到的值叫做变异系数，变异系数可以衡量整体数据的波动情况；
趋势变化：趋势变化是从时间维度来看数据随着时间发生的变化。常用方法是时间折线图，环比和同比。
- 环比是和上一个时间段对比，用于观察短期的数据集；
- 同比是与去年统一时间段进行对比，用于观察长期的数据集。

在实际应用对比分析方法的时候，为了防止遗漏可以用对比表格来记录比较的维度，防止遗漏重要信息：

可以用下图记住对比分析方法：

第一个问题：是什么？
需要对几个对象进行比较的时候，就要用对比分析方法，没有对比就没有好坏

第二个问题：有什么用？
在日常生活中，我们经常会用到对比分析方法，例如女友通过对比分析方法来判断自己体重是不是出了问题。
在心理学中有“价格锚定”，通过和价格锚点对比，一些商品会卖得更好。
在数据分析中，我们通过对比分析方法，来追踪业务是否有问题，例如A/B测试。

第三个问题：如何用？
进行对比分析，需要弄清楚两个问题：和谁比，如何比较。
和谁比是指，要弄清楚是和自己比还是和行业比。和自己比是指和自己过去的历史数据比较。遇到问题，想知道是行业趋势，还是自身原因，就可以和行业值对比。
对于如何比较，一般有以下三个维度：

用平均值、中位数或者某个业务指标来衡量整体数据的大小；
用变异系数来衡量整体数据的波动情况
从时间维度来看数据随着时间发生的趋势变化，常用的方法是时间折线图、环比和同比

第四个问题：注意事项
在进行比较的时候，需要注意比较对象的规模保持一致。

假设检验分析方法

假设检验分析方法的步骤包括：

提出假设
收集证据
得出结论

提出假设

可以从用户、产品、竞品这三个维度提出假设：

假设用户有问题：可以从用户来源渠道这个维度来拆解分析，或者画出用户使用产品的业务流程图来分析原因；
假设产品有问题：可以研究这段时间销售的产品是否符合用户的需求；
假设是竞品导致的问题：可以看竞品是不是在搞什么优惠活动，用户跑到竞争对手那里去了

4P营销理论
4P营销理论产生于20世纪60年代的美国，它是随着营销组合理论的提出而出现的。营销组合实际上有几十个要素，这些要素可以概括为4类:产品、价格、渠道、促销。

产品：公司提供给目标市场有形或者无形的产品，包括实体产品、品牌、包装、样式、服务、技术等；
价格：用户购买产品时的价格，包括基本价格、折扣价格、付款期限以及各种定价方法和定价技巧等；
渠道：产品从生产公司到消费用户所经历的销售路径；
促销：是指企业利用各种方法刺激用户消费，来促进销售的增长。包括广告、人员推销、营销推广等。例如买一送一、过节打折等

4P营销理论是从公司角度出发研究产品的。还可以从用户角度出发去研究产品，也就是从用户使用产品的业务流程来检查剔除的假设是否有漏洞：
例如，某线上店铺最近给新会员的折扣券的领取率降低，原因是什么呢?可以先画出业务流程，根据业务流程，提出以下假设:

注意事项

假设检验分析方法需要注意4个地方:
(1)第3步得出的结论不是主观猜想出来的，而是要依靠找到的证据去证明;
(2)假设检验的3步是一个需要不断重复的过程。在得出结论以后，分析还没有停止，要多问几个为什么，然后用数据去验证。不断重复假设分析的这个过程，直到找到问题的根源；
(3)在使用假设检验分析方法的过程中，还要用到其他分析方法;
(4)在开始分析之前，为了理清楚思路，可以做一个假设检验分析图，将问题、假设、数据从上至下连起来。

假设检验分析方法可以总结如下图：

第一个问题：是什么？
假设检验分析方法就是逻辑推理，是一种用数据来做决策的过程，他分为三步：剔除假设，收集证据，得出结论。

第二个问题：有什么用？
假设检验分析方法背后的原理就是逻辑推理，所以学会这个方法以后，可以显著提高我们的逻辑思维能力。
假设检验分析方法的另一个作用是可以分析问题发生的原因，也叫作归因分析。以后分析问题发生的原因，就可以使用假设检验分析方法。

第三个问题：如何用？
可以从三个维度来客观地剔除假设，同时防止遗漏假设：

从用户、产品、竞品这三个维度提出假设；
从4P营销理论提出假设；
从业务流程提出假设

第四个问题：注意事项
(1)第3步得出的结论不是主观猜想出来的，而是要依靠找到的证据去证明;
(2)假设检验的3步是一个需要不断重复的过程。在得出结论以后，分析还没有停止，要多问几个为什么，然后用数据去验证。不断重复假设分析的这个过程，直到找到问题的根源；
(3)在使用假设检验分析方法的过程中，还要用到其他分析方法;
(4)在开始分析之前，为了理清楚思路，可以做一个假设检验分析图，将问题、假设、数据从上至下连起来。

群组分析方法

“群组分析方法”(也叫同期群分析方法)是按某个特征，将数据分为不同的组，然后比较各组的数据，说白了就是对数据分组然后来对比。

群组分析方法常用来分析用户留存率（或流失率）随事件发生哪些变化，然后找出用户留下或者离开的原因。

在留存问题中，通常按用户开始使用产品的月份来分组，考察每组用户的留存率随着时间发生了哪些变化。对留存率高的用户组，分析他们为什么留存，对留存率低的用户组，分析他们为什么流失。

总结

可以用下图记住群组分析方法：

第1个问题:是什么?
“群组分析方法”是按某个特征，将数据分为不同的组，然后比较各组的数据第2个问题:有什么用?
群组分析方法常用来分析用户留存率(流失率) 随时间发生了哪些变化，然后找出用户留下或者离开的原因。在金融行业，群组分析方法还可以用于用户逾期分析。
第3个问题:如何用?
先使用群组分析方法，找到留存率低或留存率高的组;然后使用假设检验、相关分析等方法，研究为什么这些组留存率低或留存率高。找到原因以后，就可以对应地优化产品。
当群组分析表格里的数据比较多的时候，直接分析起来比较困难，这时可以把数据绘制成折线图，这样就可以很容易地发现数据发现了哪些变化。
第4个问题:注意事项。
使用群组分析方法需要注意如何分组，除了按时间分组，还可以根据具体的业务场景来确定。

RFM分析方法

RFM是3个指标的缩写:最近1次消费时间间隔 (Reency)、消费频率(Frequency)、消费金额(Monetary)，通过这3个指标对用户分类的方法称为RFM分析方法。

对于最近一次消费时间间隔（R），上一次消费离得越近，也就是R值越小，用户价值越高
对于消费频率（F），购买频率越高，也就是F值越大，用户价值越高
对于消费金额（M），消费金额越高，也就是M值越大，用户价值越高

使用RFM对用户分类的过程如下：

使用原始数据计算出R、F、M值；
给R、F、M值按价值打分，例如按照价值从低到高分为1-5分
计算价值的平均值，如果某个指标的得分比价值的平均值低，记为低。如果某个指标的得分比价值的平均值高，标记为高
和用户分类规则表比较，得出用户分类

可以用下图总结RFM分析方法：

第1个问题:是什么?
RFM是3个指标的缩写:最近一次消费的时间间隔(R)、消费频率(F)、消费金额(M)。

第2个问题:有什么用?
通过RFM分析方法可以把用户分为8类，这样就可以对不同用户使用不同的营销策略，例如信用卡的会员服务。

第3个问题:如何用?
可以回顾案例中用RFM分析方法对用户分类的过程。现在有很多工具如Excel、SOL、Python等都可以实现RFM。工作里用到的时候，可以搜索对应的实现工具，就可以快速实现了

第4个问题:注意事项
(1) 不同业务中R、F、M的定义不同，要根据具体业务灵活应用。
(2)R、F、M按价值确定打分的规则一般分为1~5分，也可以根据具体业务灵活调整

AARRR模型分析方法

AARRR模型对应产品运营的五个重要环节：

获取用户（Acquisition）:用户如何找到我们？
激活用户（Activation）：用户的首次体验如何？
提高留存（Retention）:用户会回来吗？
增加收入（Revenue）：如何赚到更多的钱？
推荐（Referral）：用户会告诉其他人吗？

(1)获取用户:想办法给鱼塘里添加新的鱼，从而扩大鱼塘的规模;
(2) 激活用户:让鱼塘里的鱼喜欢上这里的环境;
(3) 提高留存:随着时间的推移，一部分鱼觉得鱼塘没意思，就离开跑到其他鱼塘里了这些鱼就是流失用户。留下来的鱼就是留存用户。所以要想办法把用户留住.
(4)增加收入:鱼塘有盈利模式才能活下去，所以要想办法赚到更多钱:
(5) 推荐:让更多的人知道这个鱼塘，才能扩大鱼塘的规模。对应产品，就是让用户推荐给其他人，才能让产品有更多新用户。

获取用户：用户如何找到我们？

渠道曝光量：有多少人看到产品推广的信息；
渠道转换率：有多少人因为看到广告转换成用户；
日新增用户数：每天新增用户是多少；
日应用下载量：每天有多少用户下载了产品；
获客成本：获取一个客户所花费的成本。

激活用户：用户的首次体验如何？

留存：用户会回来吗？

留存的核心目标是让用户养成使用习惯，这一环节需要关注留存率指标。

增加收入：如何赚到更多的钱？

收入分为服务收入、广告输入。服务收入是指产品里的付费服务，如会员服务。广告收入是指依靠投放在产品里的广告二获得的收入。这一环节需要关注一下指标：

用来衡量业务总量的指标，例如成交总额、成交数量；
用来衡量每个人平均情况的指标，例如客单价；
用来衡量付费情况的指标，例如付费率，复购率。

推荐：用户会告诉其他人？

这一环节需要关注的指标有：转发率、转化率、K因子

漏斗分析方法

从业务流程起点开始到最后目标完成的每个环节都会有用户流失，因此需要一种分析方法来衡量业务流程每一步的转化效率，漏斗分析方法就是这样的分析方法。

环节转化率=本环节用户数/上环节用户数，是为了衡量相邻业务环节的转化情况
整体转化率=某环节用户数/第一环节用户数，为了衡量从第一环节到该环节为止总体的转化情况

把上表做成图，就是常见的漏斗分析图：

漏斗分析需要关注两个指标：用户转化率和用户流失率。

流失的用户数量在每个业务环节都不同。分析用户主要流失在哪个业务环节，以及为什么流失。

用数据分析解决问题

数据分析解决问题的过程

第一步：明确问题
通过观察现象把问题定义清楚，这是数据分析的第1步。只有明确了问题，才能围绕这个问题展开后面的分析。如果一开始问题就定义错了，那么再怎么分析，也只能是白白浪费时间。
第2步:分析原因
这一步是分析问题发生的原因，可以通过下面两个问题把原因搞清楚：
(1)哪里出了问题?
(2)为什么会出现这个问题?
对应看病这个例子，医生一开始在想“哪里出了问题”，是嗓子导致咳嗽，还是流鼻涕导致咳嗽?最后发现，问题出在流鼻涕。然后，医生在想“为什么会出现这个问题”，围绕这个问题去查找原因。
第3步:提出建议
找到原因就完事了吗?还不行，要找到对应的解决办法才是分析的终点。所以，找到原因以后，还要针对原因给出建议，或者提出可以实施的解决方案。

如何明确问题

在明确问题时，也要保证数据本身是准确的，才能进行后面的步骤。所以，要明确数据来源和准确性。
如何做呢?可以从时间、地点、数据来源确认问题表现为哪些现象，还可以通过向相关人员提问的方式来沟通清楚。例如可以这样提问:
针对时间:这是观察哪个时间范围的数据发现问题的?
针对地点:这是哪个地区的数据?
针对数据来源:数据来自哪里?是否核对过数据没有问题?

如何分析原因

寻找关键移速的步骤包括：

使用多维度拆解分析方法对问题进行拆解，将一个复杂问题细化成各个子问题；
对拆解的每个部分，使用“假设检验分析方法”找到哪里除了问题。分析的过程中可以使用“对比分析方法”等多个分析方法来辅助完成；
在找到哪里除了问题之后，探究“为什么出现了这个问题”，然后使用“相关性分析方法”进行深入分析

如何提出建议

提出建议时常用的分析方法包括回归分析或者AARRR模型分析方法。

第四章国内电商行业

本章涉及的主要概念展示如下：

业务知识

业务模式

从卖家(Business)与买家 (Consumer) 组合的维度划分，电商主要可以分为以下4种业务模
式：
(1)企业卖家一企业买家 (Business to Business，B2B)。例如阿里巴巴就是一个以企业交易为主体的平台，汇聚各行业供应商信息。也有企业会建立自己的B2B网站进行分销，例如海尔。企业间采购的特点是订单量一般较大。
(2)企业卖家一个人买家 (Business to Consumer ，B2C)。例如亚马逊、天猫，就是企业店铺与个人用户交易，经常听到的“某某某官方旗舰店”就是这个模式。
(3)个人卖家一个人买家 (Consumer to Consumer，C2C)。代表平台是淘宝，个人可以在淘宝开店铺做买卖。
(4)卖家线上售卖-买家线下门店提货/换货 (Omine to Online，O2O)。对电商行业来说,O2O是B2C的一种升级，扩展了用户在线下参与消费的场景，对企业卖家提出了“存在线下实体、线上线下一体化”等更高的要求。例如优衣库天猫旗舰店与线下实体店的商品价格相同，用户能够线上购买，线下提货或换货。

服务商是向企业卖家提供服务的第三方公司，例如店铺代运营公司，他们通过帮助企业运营店铺收取服务费盈利，一般包括店铺装修、设计、客服、仓储等系列服务。再例如增值服务公司，为企业提供专业的销售分析报告、内容广告投放、直播承接等衍生服务。
卖家与服务商合作的原因有很多，例如企业卖家能将更多时间、精力投入到产品研发上，海外品牌为加快适应本土市场，品牌转型期需要数据分析支持等。

用户运营关注每个消费者，可以细化为以下状态：

认知:用户可能在微博、优酷、B站等媒体中看到产品的推荐，有了印象;
兴趣:经过多次曝光，用户逐渐积累了对产品的好感，于是在淘宝、京东等电商平台搜索，加购了想拥有的宝贝，或者只是进店铺领取了会员卡或者优惠券;
购买:等待大促好时机，终于“剁手”
忠诚:对产品满意，赏个好评，可能还会重复购买。

用户状态和公司部门间存在一下对应关系：

推广部门:负责电商广告的投放，通过广告曝光加深用户印象、吸引下单。广告包括站内广告和站外广告，站内广告指的是某个店铺在所在的电商平台上投放广告，例如淘宝某个店铺在淘宝内投放广告。站外指在微博、优酷等电商平台以外投放的广告。
活动运营:规划店铺的具体售卖活动，包括大促活动和日常活动。大促活动指“618”“双11”等重大节日，日常活动有几件几折、满额立减等。
产品运营:负责店铺参与活动的产品选款、规划产品布局、负责产品上新、拟定产品介绍等。
CRM部门:CRM(Customer Relationship Management) 是指用户关系管理。CRM部门负责和用户沟通，促使用户下单;规划会员用户的活动，包括引导新用户领取会员卡、引导老用户下单、开展积分互动等。
客服部门: 包括售前部门和售后部门，售前解答用户咨询、引导用户参与活动;售后解决用户下单后遇到的问题。
设计部门:负责店铺视觉素材设计
BI部门: BI(Business Intelligence)是指建立数据仓库，存储电商业务产生的各种数据例如订单数据、ERP（Enterprise Resource Planning,企业资源计划）发货数据等。BI部门的职能是为其他业务部门提供报表支持，以及
收集可视化的行业数据。

业务指标

新老用户

下面两个指标从人数和金额衡量了新老用户在某段时间或某次活动的贡献占比：

新（老）用户数量占比：新（老）用户成交人数/总成交用户数
新（老）用户金额占比：新（老）用户成交额/总成交额

复购率和回购率

复购率：指复购用户的占比
平均复购周期：指用户重复购买的平均时间间隔。需要注意，同一用户在同一天发生的多笔交易在电商行业中通常被合并为一次，不计入复购
回购率=回购人数（大促活动期间购买的用户数）/基数（某段时间的购买用户数）

人与货两类指标

电商常用指标可以分为“人”与“货”两大类，分别是用户交易和商品管理指标。

（1）用户交易常用指标
1）进店浏览指标
访客数（UV）：商品所在页面的独立访问数；
加购数:将某款商品加入到购物车的用户数量；
收藏数:收藏某款商品的用户数。

2）购买指标
GMV、客单价在第1章里已经讲过，GMV是成交总额，客单价也叫人均付费，等于总收入/总用户数。
支付转化率:付款用户数/访客数。
折扣率:GMV/吊牌总额。吊牌总额= 吊牌价×销量(吊牌价是商品的实际售卖价格)

3）退货指标
购买商品后，用户对商品不满意会选择退货，这就涉及下面的指标:
拒退量:拒收和退货的总数量。
拒退额:拒收和退货的总金额。
实销额:GMV减去拒退额。

（2）商品管理常用指标

1）备货指标
SPU在电商中一般指款号，例如iPhone 8是一个SPU，iPhone 9是一个SPU。SKU在电商中指某SPU(款号)的具体货号，具体到颜色、尺寸，例如iPhone 8有3个SKU，分别是黑色、白色、红色的iPhone8。
针对SPU、SKU常用的指标分别是SPU数量、SKU数量和备货值(吊牌价 X 库存数)

2）发货售后指标
售卖比: 又称售罄率，计算方法是GMV/备货值。售卖比用来看商品流转情况，可以对库存进行优化。
动销率:有销量的SKU数量/在售SKU数量。

活动复盘案例

（1）总体运营
总体运营部分主要关注销售额、售卖比、UV、转化率等指标，其他指标作为辅助指标。销售额用来和预期目标做对比，售卖比可以对库存进行优化，UV和转化率可以选出销售较好的商品。

（2）价格区间
把数据按价格维度拆解，可以对本次活动的价格结构有一个整体了解，价格区间可以根据公司的实际业务情况进行划分

（3）折扣区间
把数据按折扣维度来拆解，可以对本次活动的折扣结构有一个整体的了解

第五章跨境电商行业

业务知识

跨境电商知识通过跨境物流送达商品，完成交易的一种国际商业活动。境外卖家在跨境电商平台开店铺售卖商品，境内买家在跨境电商平台上完成购买。境外卖家通过物流从境外或境内仓库运送商品到境内卖家手中。跨境电商平台从中抽取一定比例的佣金。下图展示了卖家、买家、跨境电商平台之间的关系：

从卖家的角度来看，买家的购物流程分为: 用户下单、卖家打单(卖家打单是指卖家收到订单后在后台制作订单的过程)、仓库出库、快递运输、买家签收。

按照经营主体可以将跨境电商模式分为平台型、自营型、混合型。

平台型:是指邀请卖家入驻跨境电商平台来进行运营。例如阿里巴巴国际站、ebay、天猫国际。
自营型:是指跨境电商平台自己运营。例如兰亭集势、考拉海购、小红书。
混合型:是指跨境电商平台兼有平台型和自营型。例如亚马逊既有自己运营的，也有邀请卖家入驻的。

卖家为了能卖出更多的商品，就需要吸引更多的流量。流量可以分为自然流量和广告流量。自然流量是指买家无意间点进产品页面而非来自广告链接，广告流量来源于广告链接，需要卖家支付一定的广告费。

业务指标

广告漏斗模型中对应了流量转化的各个环节，反映了曝光、点击、订单、支付的过程。使用广告漏斗模型来分析数据的好处是，可以量化各个环节的表现情况，可以发现是哪个环节出了问题，从而有针对性地解决问题。

曝光这一环节需要关注的指标是曝光数量。曝光数量是指一定时间范围内产品在平台上出现的次数。
点击这一环节需要关注的指标是点击数量。点击数量是指一定时间范围内产品曝光后的点击次数。点击转化率是指一定时间范围内产品点击数量除以曝光数量。
订单这一环节需要关注的指标是订单数量、购买转化率。订单数量是指一定时间范围内产品通过广告产生的订单数量。购买转化率是指一定时间范围内产品订单数量除以点击数量。- - 支付这一环节需要关注的指标是销售额，是指一定时间范围内产品通过广告产生的销售额。

其他常用指标还有：

广告成本(Advertising Cost of Sales，ACoS): 指一定时间范围内的广告费除以销售额。例如，为了推广产品花费的广告费是20元，该广告活动带来了100元的销售额，那么广告成本=广告费 (20元)/销售额(100元)=20%
排名:在产品展示页面，可以看到产品在它所在类目下的排名。

广告优化分析思路

分析问题:这一步主要是明确问题，了解问题出现的背景和分析的目的;
数据处理:这一步需要做的就是数据的收集、处理。原始数据不一定能直观反映问题，对数据进行适当的处理，有助于后面的分析工作;
广告优化:基于上一步对广告数据的理解，观察广告数据、对产品分类、制定广告策略、确定关键词和竞价;
效果评估:一次分析的结束应该是有结果反馈的，这样才能量化工作的产出。结果的追踪可以帮助下一次广告优化的进行。

第六章金融信贷行业

从事金融活动的公司成为金融机构，他们主要包括银行、证券公司、保险公司、信托公司、网贷公司、第三方支付公司、金融科技公司等，他们的功能和经营范围如下表所示：

金融行业按照是否从事信贷类业务，可以分为金融信贷行业和金融非信贷行业；又可以根据带宽发放的场景分为“线下”和“线上”两种模式。
线下模式是指用户需要在线下与贷款机构进行面谈，并由审核人员进行当面审核后才能完成审批和放款。线下模式根据是否有抵押物又可以分为抵押贷和信用贷两类。抵押贷款是根据借款人的固定资产价值或第三方担保对借款人发放带贷款，如房贷，车贷等；信用贷款是根据借款人的信用来对其发放贷款，如各大银行的无抵押信用贷等。从事线下末世的机构以银行为主。
线上模式是指用户在网上就可以完成贷款的申请，贷款发放机构同样在网上完成审批和放款。线上模式根据是否有消费场景可以分为现金贷和消费贷两类。
现金贷一般是指短期个人信用贷款，用户在网贷平台提出申请，通过审核后，用户会在自己的银行卡里收到一笔现金。例如支付宝里面的“借呗”就是现金贷，网贷平台直接将现金转入你的银行卡里。
消费贷主要就是为个人提供以消费为目的的消费贷款。例如支付宝里面的“花呗”就是消费贷，用户必须在购买商品或者吃饭结账向商户付款时才能使用。

网贷的业务模式

网贷最重要的三个部分是资金（钱从哪来）、风控（风险控制）和获取用户（用户从哪里来）。在一个完整的信贷业务中，存在用户（借款人）、网贷公司（信贷机构）和资金来源方这三个主题。其中网贷公司包含四类职能部分，分别是运营、风控、财务和法务。

网贷的业务逻辑可以用一句话总结：依靠风控技术准确地找到目标用户，将风险控制在低水平，在合规的利率下实现盈利。

业务指标

用户类指标

完成贷款申请行为的用户是申请用户。申请用户会被审核，通过审核并成功放款的用户会记为放款用户。复借用户是借款次数超过一次的用户，复借行为需要结合时间维度。例如：30天的复借率=首次放款用户中30天内复借的用户数/首次放款用户数。
用户类指标主要有申请用户数、放款用户数、复借用户数和复借率。

申请情况类指标

申请情况类指标主要是审批通过率，审批通过率=放款用户数/申请用户数。审批通过率用于衡量审批策略的稳定性。

逾期类指标

逾期类指标用于量化公司的风控水平。逾期类指标主要有：逾期率、催回率、坏账率、vintage30+（逾期30天及以上的占比）

逾期率：逾期率是带宽到期的用户里面还未还款用户的占比。
催回率：催回率是指逾期合同通过催收以后完成还款的占比。
坏账率：坏账率值坏账合同所占有放款合同的比率。
vintage30+（逾期30天及以上的占比）：vintage30+是同一个月中申请放款的合同，在随后的还款月份中逾期30天及以上的比例。

第七章金融第三方支付行业

第三方支付是指具备一定实力和信誉保障的公司，通过与银联或网联(非银行支付机构的网络支付清算平台)对接而促成交易双方进行交易的网络支付模式。
第三方支付行业主要分为三类:互联网支付公司、金融支付公司、第三方支付公司。本章讨论的对象是第三方支付公司。

业务知识

业务模式

第三方支付公司为线下商家提供收费终端产品（扫码枪、付款码等1），帮助商家进行收款，然后从中获取手续费。

从商家的角度出发，看下第三方支付公司的业务流程:

第三方支付公司的业务员在线下做推广，说服商家购买终端产品，并与商家签订合同;接下来需要商家注册，注册一般需要绑定商家的银行卡、上传相关资料
提交所需资料后，需要第三方支付公司的风控部门审核，主要是审核商家的营业执照等资料是否齐全，资料不全的话，需要重新提交;
审核通过后，商家就可以使用终端产品进行收款，第三方支付公司会在第二天给商家进行结算:
公司会设置相关的考核指标(例如交易额需要达到多少) 来查看商家交易情况，并进行数据化管理，为商家提供交易分析报告;
商家通过终端产品绑定的数据平台来查看分析报告，了解营收情况。

业务指标

业务员月产能:第三方支付公司的业务员每月邀请商家注册数量。该指标可以衡量业务员的能力。
审核通过率:第三方支付公司审核通过的商家数占商家总数的比例。商家在注册之后会提交资料，在验证身份证、银行卡等资料属实后为通过，反之为不通过
活跃商家数:每天至少有一笔交易的商家数。
交易笔数: 每天成交的数量。
交易率:第三方支付公司中的交易商家数占注册商家总数的比例。
终端产品损耗率:每月损耗的终端产品数与投入使用的终端产品之比。一般第三方支付公司都是自己购买终端产品并垫付押金，如果终端产品在保修期内损耗，第三方支付公司有责任进行赔偿或更换终端产品，这些都算在公司运营成本里。

第八章家政行业

业务模式

家政平台的业务模式是一个双边市场：一边是服务提供方（劳动者），一边是服务需求方（用户）。在服务提供方，家政平台的部门架构一般分为招商部和运营部，基本业务流程是寻找有意向从事家政服务的人员，然后将服务提供方的资料加入家政平台。在公司层面上，一般细分为线索、商机、邀约、到店、面试、认证、签约、入库等，如下所示：

业务指标

转化率:一个业务环节到另一个业务环节的转化比例，例如线索到签约的转化率。
使用率：签约的服务提供方数/服务提供方总数
售后率:售后订单数/订单数。售后是指当用户投诉服务提供方的服务不到位，造成退单、在App上给差评等，需要公司做售后补救措施，例如给用户换个月嫂。这里的订单就是服务提供方和服务需求方签订的服务合同。