详解数据指标的4种类型

Posted 2021-08-11 大数据v

导读：由于人们日常工作中接触的业务类型众多，各个业务所需要衡量的数据指标也如森林万物一般数量众多。界门纲目科属种是研究生物分类的方法，虽然数据指标不如生物体系般纷繁复杂，但是数据指标根据自身规律也有一定的类别。

作者：杨楠楠 等

来源：数仓宝贝库（ID：DataBaby_Family）

维度、汇总方式、量度构成了指标。单纯从技术角度对指标进行分类，指标的主要类型有基础指标、复合指标和派生指标，如图3所示。

▲图3 指标的主要类型

• 基础指标等同原子指标，主要是指不能再拆解的指标，通常表达业务实体原子量化属性的且不可再分的概念集合，如订单数、DAU等。

• 复合指标是建立在基础指标之上，通过一定运算规则形成的计算指标集合，如ARPU值、人均阅读章节数。

• 派生指标是指基础指标或复合指标与维度成员、统计属性、管理属性等相结合产生的指标。派生指标=一个原子指标+时间周期修饰词+其他修饰词，即派生指标是对原子指标业务统计范围的圈定。

• 时间周期指用来明确数据统计的时间范围或者时间点，比如近3日、近7日、自然周、当日等。

• 修饰词指除了统计维度以外指标的业务场景限定抽象。

• 原子指标和度量含义相同，是基于某一业务事件行为的度量，不可再拆分。

区别于传统技术上对数据指标的分类，我们根据日常业务及需求的需要将数据指标分为埋点数据、业务数据、财务数据、复合数据这几大类（见图4）。

▲图4 数据指标的类型

01 埋点数据

1. 数据采集

埋点数据为通过埋点可获得的用户行为的数据，此埋点为在前端及客户端进行开发的埋点，统一上报至大数据进行解析，通过大数据技术处理最终可得每个埋点的详细数据及埋点所带的信息。

一些非电商行业的互联网公司，为了更纯粹地进行用户行为及用户路径的分析，将与业务（如充值消费金额）有关的数据上报至服务端，前端及客户端的埋点能满足基本用户行为分析的需要。

埋点数据是由单个或者一系列产生用户日志行为的埋点构成，时间维度也会使得同一埋点在不同条件下产出不同值。

2. 基本埋点指标 

由上面的介绍可知，用户行为数据均通过埋点采集，接下来开门见山地介绍数据指标体系中主要的基本埋点数据指标的逻辑定义。这是关键的指标，也是各公司各个部门最关注的指标，产品、运营、商务以及你的老板每日都会看。

大数据开发工程师也是根据数据指标的逻辑定义进行平台开发的。以下主要以App客户端为例来讲解，Web端产品的一些统计情况同理。

App客户端的基本埋点数据指标如下。

• 启动用户数：当日有过启动行为的用户数，也称为日活（DAU），通过UID排重。

• 新增用户数：当日为历史首次启动的用户数，通过UID排重。

• 启动次数：当日启动页的展示量，不排重。

• 某页页面访问量：当日某页面的流量次数，即该页PV。

• 平均使用时长：日使用时长的均值，即全部用户的日使用时长/总活跃用户数，技术进行数据清洗时需排除小于0或大于1440分钟（24小时）的脏数据。

• 平均日启动次数：用户一天内启动应用的次数，即总启动次数/活跃用户数。

• 次日启动留存：次日启动用户且在当日启动用户中的用户占当日启动用户的比例。

• 次日新增留存：次日活跃用户且在当日新增用户中的用户占当日新增用户的比例。

• 标的物被浏览数：当日用户浏览标的物的总数，通过标的物ID排重。

• 拉活新增用户数：当日通过deeplink（深度链接）进入App的新增用户数，通过UID排重。

• 签到人数：当日点击签到的人数，通过UID排重。

• 某按钮/Banner/入口点击人数：当日该页某按钮/Banner/入口点击的人数，通过UID排重。

其中，新增用户数及日活等均是通过服务端的用户表进行统计的。单一的原子指标加上维度会形成派生指标。以下派生指标也是比较常用的数据指标。

• 累计用户数：历史新增用户数叠加，前一日累计用户数+今日新增用户数。

• 7日平均新增用户：T-7日至T-1日每日新增用户的平均值，即7日新增用户的总和/7。

• 7日平均次日留存率：T-7日至T-1日次日留存率的平均值，即次日留存率的总和/7。

• 7日平均日使用时长：T-7日至T-1日用户每日使用时长的平均值，即7日使用时长的总和/7。

• 7日平均活跃用户：T-7日至T-1日每日活跃用户的平均值，即7日活跃用户的总和/7。

• 周活（WAU）：近7日活跃用户的总和，通过UID排重。

• 月活（MAU）：近一个月活跃用户的总和，通过UID排重（以自然月计算）。

以上埋点数据构成了基本的数据指标，该指标默认情况下展示总数，当然也可以根据情况，选择产品线的不同App、版本与渠道，来观察某渠道下某App某版本的以上详细指标；还可以通过埋点msg字段带的投放素材编号，在自定义素材查询中查询某投放素材在某日拉活的总量，也能观察到该素材拉活后7日内每天的留存率。

02 业务数据

1. 业务数据与派生指标

前面提到，涉及金额的数据会上报至服务端，服务端存储着日常的充值消费等业务数据。在介绍业务数据的实例之前，我们先介绍一下派生指标。

派生指标与业务数据联系十分紧密。业务不是单纯的一个环节，通常情况下是由多个流程构成，由此简单的、不可拆解的原子指标就如英文单词加上前缀、后缀一样组成了派生指标。

派生指标分为3类：事务型指标、存量型指标和复合型指标。

• 事务型指标是对业务活动进行衡量的指标，例如新增注册会员数、当日充值会员金额，这类指标需要维护原子指标及修饰词，在此基础上创建派生指标。

• 存量型指标是对实体对象某些状态的统计，例如注册会员总数、充值金额总额，这类指标需维护原子指标及修饰词，在此基础上创建派生指标，对应的时间周期常为“历史某时间截止到当日”。

• 复合型指标将放在本文第04段讲解。

2. 常用业务数据指标

下面是常用的业务数据指标及其具体定义。

• 充值用户：当日充值的用户数。

• 充值额度：当日用户充值的总金额（元）。

• 消费总用户：当日消费的用户数（包括真钱、代金券消费）。

• 消费真钱用户：当日消费真钱的用户数。

• 消费真钱：当日用户消费的真钱的总金额（元）。

• 充值次数：当日用户充值的总次数。

• 首充人数：当日第一次充值的用户数。

• 首充金额：当日第一次充值的用户充值的总金额（元）。

• 赠送代金券：当日赠送给通过相应充值方式充值的用户的代金券。

• 消费次数：当日用户在相应消费额度范围内的消费次数。

• 消费用户：当日在相应消费额度范围内的消费用户数。
  

3. 业务数据之会员数据建设实例

会员制是一种人与人或组织与组织之间进行沟通的媒介，它由某个组织发起并在该组织的管理运作下吸引客户自愿加入，目的是定期与会员联系，为他们提供具有较高感知价值的利益包。

会员制兴起于线下门店，那时候互联网还未风靡，各行各业的门店会给长期光顾其门店的用户提供会员增值服务，人们去喜爱的商店消费需要带上实体会员卡，每个品牌实体卡片都很精致，且有用户的唯一标识，这就是早期的会员制雏形。

后来，随着CRM的发展，登记用户的手机号即可，会员到店报手机号也可享受积分或者优惠打折等服务。

近年来，移动互联网纷纷抓住传统企业增强用户黏性的这一法宝，也开始推行会员制，且有收费机制，比如电商领域淘宝的88VIP会员、视频领域的爱奇艺会员。会员发展也日趋精细化，小红书及网易云音乐的月度会员、季度会员、包年会员等各种方式层出不穷。

在这些纷繁复杂的活动背后，产生了一个又一个不同的数据，增长了一波又一波的销量，促使活动设计者体察其背后更精细化的运营。打好会员运营这张牌，显得尤为重要。

接下来分享业务数据中关于会员指标建设的实例以供大家参考，也是一些基本但又十分重要的指标。会员数据属于业务数据的一部分，包含会员人数、会员收益、会员赠送等。当然，不同公司关于会员这块的复杂度不同，以下特指最基本的示例。各位读者可根据各家业务发展情况，进行细化补充及调整。

会员人数页面

• 累计会员人数：历史累计至今开通过会员的总人数。

• 有效会员人数：当日会员仍在有效期内的人数。

• 当日购买会员人数：当日产生购买行为的人数，即新开通人数+老会员续费人数。

• 新开通人数：未曾开通过会员的用户在当日首次开通的人数。

• 老会员续费人数：曾开通过会员的用户在当日续费或再次开通的人数。

• 当日会员失效人数：当日会员有效期到期的人数。

• 当日复购人数：当日该会员类型有效期到期的用户中再次购买会员的人数（含任意会员类型）。

• 当日复购率：当日复购人数/当日会员失效人数。

以上不包含赠送VIP的情况。

会员收益页面

• 累计会员收益：历史累计至今的会员收益总额（单位：元）。

• 当日会员收益：当日开通会员的收益总额，即新开通会员收益+老会员续费收益（单位：元）。

• 新开通会员收益：未曾开通过会员的用户在当日首次开通会员的收益总额（单位：元）。

• 老会员续费收益：曾开通过会员的用户在当日续费或再次开通的收益总额（单位：元）。

• ARPU值：当日人均会员收益，即当日会员总收益/当日购买人数。

会员赠送页面

• 赠送VIP人数：当日赠送VIP的总人数，包含新手礼包、会员奖品、手动赠送等非消费产生的VIP。

• 赠送VIP失效人数：当日内有效期到期的赠送VIP人数。

• 赠送VIP在失效当日购买人数：有效期在当日到期的赠送VIP的人中购买会员的人数（含任意会员类型）。

• 赠送VIP在失效7日内购买人数：有效期在7日内到期的赠送VIP的人中购买会员的人数（含任意会员类型）。

03 财务数据

1. 互联网基本财务数据指标

前面提到，构建数据指标体系价值的第一点就是全面支持决策，管理者每日最关注的是企业的营收增长状况。

相较于文字，管理者更愿意相信数字展现的事实。前一日的收入、成本、盈利是企业管理者最关注的指标，在数据监测日报页面，也需要将一些基本的财务指标体现出来，该页面的权限为特定管理者，基层员工无权限查看核心财务数据。

由于每个互联网企业的商业模式不同，财务数据公式的选取也应该根据公司需求而异。数据产品经理应该了解到管理者的监测需求，联合财务部门及涉及金额的部门进行反复沟通，确定好基本财务数据指标的计算方式。

2. 专业财务数据指标拓展

通过对财务数据指标的构建，企业能便捷地在BI平台进行财务分析。财务分析是指运用特定技术和方法，依托会计、报告和其他相关数据，根据不同的财务分析实施主体和目的，对企业的经营能力、盈利能力、偿付能力、增长能力等进行分析评价，可了解企业的过往、评估其现状乃至预测未来，为正确的决策提供判断依据。

①偿债能力

企业的偿债能力包括短期偿债能力和长期偿债能力。企业的短期偿债能力与企业的流动资产和流动负债密切相关，企业的长期偿债能力与企业的资本结构及企业的盈利能力相关。企业偿债能力财务指标见表1。

②企业营运能力分析

营运能力分析不但可以评价企业资产营收的效率，也可发现企业在资产营运中存在的问题。企业营运能力分析财务指标见表2。

③盈利能力

企业通过经营管理的投资活动获取净利润的能力为盈利能力。企业盈利能力财务指标见表3。

04 复合数据

复合数据是在事务型指标和存量型指标的基础上复合而成的。有些需要创建新原子指标，有些可以在事务型和存量型原子指标的基础上增加修饰词得到派生指标。复合数据一般有比率型、比例型、变化量型、变化率型、统计型和排名型。

• CPA（Cost Per Action，每注册成本）：获取一个新注册用户对应的价格，即总消费/注册数。

• GMV（Gross Merchandise Volume，成交总额）：一定时期内某网站的成交总金额，GMV=销售额+取消订单金额+拒收订单金额+退货订单金额，即GMV为已付款订单和未付款订单两者之和。

• ARPU（Average Revenue Per User，每用户平均回报）：统计周期内的总收入/活跃用户数，即日ARPU=日收入金额/DAU，周ARPU=周收入金额/WAU，月ARPU=月总收入金额/MAU。

• ARPPU（Average Revenue Per Paying User，每付费用户平均回报）：某时间段内平均每个付费用户为应用创造的收入。在用户数量上，ARPPU只考虑某一时间段内的付费用户，而非该时间段内所有的活跃用户。ARPPU=统计周期内的收入金额/付费用户数，即日ARPPU=日收入金额/日付费用户数，周ARPPU=周收入金额/周付费用户数，月ARPPU=月收入金额/月付费用户数。

• CTR（Click Through Rate，广告的点击率）：广告点击次数占广告展示次数的百分比。CTR=实际点击次数/展示量×100%。

• CPM（Cost Per Mille，每千人成本）：广告被展示1000次对应的价格。

• ROI（Return On Investment，投资回报率）：特定时期内广告主通过广告投放收回的价值占广告投入的百分比。

本文摘编自《数据产品经理：实战进阶》，经出版方授权发布。

延伸阅读????

延伸阅读《数据产品经理：实战进阶》

推荐语：这是一部全面讲解数据产品经理核心知识体系的著作。12位作者大多来自国内的知名企业，涉及不同的行业，让本书拥有了更广泛的视角，能帮助读者从不同的角度去了解数据产品经理如何在数据、产品、运营、市场等多个方面产生价值。本书的最终目的是让读者全面了解数据产品经理的工作内容、系统掌握数据产品的核心知识体系，快速实现从入门到进阶的突破。

干货直达????

• 马斯克搞的超级高铁，为什么注定会失败？
  

• 腾讯数据科学家手把手教你做用户行为分析（案例：出行选择）
  

• Netflix正在搞的混沌工程到底是什么？终于有人讲明白了
  

• 详解数据资产的8大重要特征

更多精彩????

在公众号对话框输入以下关键词

查看更多优质内容！

PPT | 读书 | 书单 | 硬核 | 干货 | 讲明白 | 神操作

大数据 | 云计算 | 数据库 | Python | 爬虫 | 可视化

AI | 人工智能 | 机器学习 | 深度学习 | NLP

5G | 中台 | 用户画像 | 1024 | 数学 | 算法 | 数字孪生

据统计，99%的大咖都关注了这个公众号

????