一、为什么业务很重要？ 只有了解业务，才能建立业务数据模型。
二、经典业务分析指标模型不动，指标先行
如果你不能测量它，你就不能成长
例如，当APP进行数据分析时，将测量以下指标：
继上一篇文章所述的数据分析思考之后，可以直接生成业务分析指标。
各部门与指标之间的联系如下
1 .确定核心指标
2、好的指标是比例
3、好指标能产生明显效果
4、好指标不应该摆架子
5、好指标不应该复杂
具体说明各部门存在的指标：
营销指标分为： 1、客户/用户生命周期
企业/产品和消费者业务关系的整个阶段的周期。 阶段因业务划分而异。 传统营销分为潜在客户、兴趣客户、新客户、资深/熟练客户和流失客户。
2、用户价值
如何定义业务领域最有效的用户呢？ 运用指数法，将业务中最引人注目的几个指标一起加工。
用户贡献=产量/投入量*100%
用户价值=(贡献1贡献2 . )
比如金融业用存款借信用卡年薪……-风险-流失
3、RFM机型
在用户生命周期中衡量客户价值的多维数据集模型。 r利用最近的消费时间、m总消费金额、f消费频率，将用户分为多个组。
4、用户组、营销矩阵
用户分组是市场营销中的常用策略，提取用户的几个核心维度，用象限法进行归纳分类。
产品的运营指标分为1、AARRR
获得活动用户、活跃活动用户、保留用户、恢复收入和回复传播。
2、用户获取
路线到达量：俗称曝光量。 有多少人看到了有关产品普及的线索？
通道转化率：有多少用户因曝光而被Cost Per打动，包括CPM、CPC、CPS、CPD和CPT？
渠道投资回报：推动营销的熟悉关键绩效指标、投资回报、利润/投资*100%。
日APP下载量：指APP下载量，此处点击下载，不代表下载完成。
日新增用户数：以用户注册提交资料为准。
获得客户成本：获得一个用户需要支付的成本。
每次会话的用户数(指新用户下载APP后，仅打开过一次产品，使用时间不超过2分钟)。
3、用户活跃
日/周/月活动用户APP下载数：活动标准为用户使用的产品，广义上网页浏览内容为“使用”，公众号下订单为“使用”，不限于打开APP。
活动用户占有率：活动用户数占总用户数的百分比衡量产品的健康程度。
用户会话次数：用户开始操作和使用产品，直到产品的整个周期结束。 5分钟内没有操作，默认会话操作结束。
用户访问时间：一个会话的时间。
用户平均访问次数：一段时间内用户的平均会话数。
4、用户留存
用户在一段时间内使用产品，在一段时间后继续使用的用户。
假设在产品的某一天添加1000个用户，第二天仍有350个活动用户，则第二天的剩余百分比称为35%；如果第七天仍有100个活动用户，则第七天的剩余百分比称为10%。
5、收益
付费用户数：花了钱
付费用户数(也可以计算每天付费用户与活动用户数的比例，或者总付费用户与总用户数的比例)
ARPU :一段时间内每个用户的平均收入
APP :在一段时间内每位付费用户的平均收入中，排除了未支付的
客人单价：每位用户的平均销售商品金额。 销售额总额/客户总数
LTV :用户的生命周期价值与营销的客户价值相近，常用于游戏运营的电子商务。
LTV=ARPU * 1/流出率
6、传播
k因素(每个用户可以带来几个新用户
k因素=用户数*平均邀请人数*邀请转换率
用户共享百分比共享用户数占某个功能/页面的浏览人数的百分比。
(生物/邀请曝光量)在线发布活动中浏览此页面的次数。 一般是指微信朋友圈。
用户行为指标是用户行为的数据分析是一个广泛的课题根据业务领域的背景不同用户行为分析也不同。 这里简要概括几种划分方法。
1、功能使用
功能利用率/渗透率：使用某项功能的用户占活动总数的百分比。
例如，点赞、评论、收藏、关注、搜索、添加朋友等都可以作为功能使用。 这些指标在特定业务中很有用。
2、用户会话
会话session :也称为会话，是用户在一次访问期间从开始到结束的所有进程。 在网页端，30分钟内没有操作，默认会话操作结束。
3、用户路径
路径图：用户在一个会话中访问产品内部的导航轨迹。 由此，可以加工关键路径的转化率。
电子商务指标分为： 1、购物车
析笔单价：用户每次贩买支付的金额，即每笔订单的支出。和客单价对应。
件单价：商品的平均价格。
成交率：支付成功的用户在总的客流量中的占比。
购物车系数：平均每笔订单中，卖出了多少商品。贩物车系数是多多益善，它也和商品关联规则有关系。
2、好基友：复购率和回购率
复贩率是一段时间内多次消费的用户占 总消费用户数之比。例如4月有1000 位用户消费，其中500位消费了两次以 上，则复购率是50%。 回购率是一段时间内消费过的用户，在下一段时间内仍旧消费的占比。例如4月的消费用户数1000，其中600位在5月 继续消费，则回购率为60%。
流量指标分为：1、浏览量和访客量
PV：浏览次数。互联网早起的统计指标， 用户在网页的一次访问请求可以看作一个PV，用户看了十个网页，则PV为10。
UV：是一定时间内访问网页的人数，正 式名称独立访客数。在同一天内，不管 用户访问了多少网页，他都只算一个独立访客。 技术上，UV会通过cookie或IP衡量。
2、访客行为
新老访客占比：衡量网站的生命力
访客时间：衡量内容质量不是看内容的 UV，而是看内容的访问时间。
访客平均访问页数：衡量网站对访客的吸引力，是访问的深度。
来源：访客从哪里来，技术上，通过来源网站的参数提取，可以区分SEM， SEO或者外链等。
用户行为转化率：用户在网站上进行了相应操作的用户在总访客数上的占比。
首页访客占比：只看了首页的用户，在总访客数上的占比。
3、退出率和跳出率
退出率：从该页退出的页面访问数／进入该页的访问数。
跳出率：浏览单页即推出的次数／访问次数。
跳出率一般衡量各个落地页，营销页等页面。退出率则更偏产品，任何页面都有退出率
三、怎么生成指标组合法：
访客访问时长 + UV = 重度访问用户占比浏览时间5分钟以上的用户在整个访客中占比
用户会话次数 + 成交率 = 有效消费会话占比用户在所有的会话中，其中有多少次有消费？
四、如何建立业务数据分析框架从指标的角度出发，从业务的角度出发，从流程的角度出发
举例市场营销模型：
其中机客户涉及到的指标：
潜在客户转化率
机会客户转化率
新客付费转化率
不同渠道在新客中的占比
不同渠道在新客中的付费转化率
举例AAARR模型：其中二次激活涉及到的指标：
推送激活转化率
有效推送成功率
有效推送到达率
用户打开率
不同推送的转化率
推送列表
成功推送
有效推送
用户屏蔽
用户接收成功
用户浏览到通知
用户成功打开
举例用户行为模型：其中点赞／评论／收藏涉及到的指标：
点赞用户活跃占比
评论用户活跃占比
收藏用户活跃占比
内容指数
举例电子商务模型：其中购物车涉及到的指标：
不同商品类别的占比（对比法）
不同价格档次的占比（象限法）
不同商品的下单支付率（漏斗法）
举例流量模型：其中搜索引擎流量 搜索引擎优化涉及到的指标：
以上举例了各种产品及业务的多个数据分析框架，那么如何从0到1建立业务数据分析框架呢？分为如下几个步骤：
Step.1 练习 Step.2 熟悉业务 Step.3 应用三种核心思维 Step.4 归纳和整理出指标 Step.5 画出框架 Step.6 检查、应用、修正 Step.7 应用和迭代