產品分析中有一些我們經常聽到的數據概念，但可能一時也不會去查具體的定義，因為最近自己的App在集成友盟數據分析的sdk，所以簡單總結了產品分析中一些常用的數據概念。 　　1、活躍用戶 　　日活躍用戶（日活）：打開應用的用戶即為活躍用戶，不考慮用戶的使用情況。每天一臺設備被一個用戶打開多次仍然會被計為一個活躍用戶。 　　周（月）活躍用戶：某個自然周（月）內啟動過應用的用戶，該周（月）內的多次啟動只記一個活躍用戶。 　　2. 留存率 　　用戶在某段時間內開始使用應用，經過一段時間后，仍然繼續使用應用的被認作是留存；這部分用戶占當時新增用戶的比例即是留存率。顧名思義，留存指的就是“有多少用戶留下來了”。留存用戶和留存率體現了應用的質量和保留用戶的能力。 　　次日留存率：（當天新增的用戶中，在第2天還啟動App的用戶數）/第一天新增總用戶數； 　　第7日留存率：（第一天新增的用戶中，在往后的第7天還啟動App的用戶數）/第一天新增總用戶數； 　　 　　3. 數據漏斗： 　　漏斗模型指的是多個事件按照一定順序依次觸發的流程中的量化轉化模型。通常我們會對應用中的一些關鍵路徑進行分析，比如注冊流程、購物流程等，幫助運營人員監控預設流程中用戶每一步的轉化率，從而去優化產品操作流程，提高用戶體驗。 　　以友盟提供的電商應用購物流程為例： 　　1瀏覽商品頁 —> 2放入購物車 —> 3生成訂單 —> 4支付訂單 —> 5完成交易 　　我們可以根據這些關鍵路徑來計算每一步的轉化率。 　　還是以電商應用的購物流程為例： 　　 　　如表中所示，從支付的用戶量為229， 而完成交易的用戶量為218，所以這一步的轉化率為 95.2%，通過對上述數據的統計，我們已經可以初步判斷該流程轉化率及每一步的流失率。借助漏斗模型，我們可以讓分析的結果更加具體形象。 　　 　　如圖，每個柱代表了到達漏斗每一步的人數，柱間的數字指的是步驟之間的轉化率。支付到完成交易的轉化率是95.2%，訂單到支付的轉化率是83.3%，這兩步的轉化率已經比較高了。而購物車到訂單的轉化率69.4%，如果您知道這一步的行業標準在80%以上，那么就應該考慮改進從購物車到生成訂單的流程，從而提高最終目標的轉化率。

上一篇：產品分析中的若干數據指標解讀

下一篇：如何做用戶行為路徑分析？