产品分析中的若干数据概念定义

产品分析中有一些我们经常听到的数据概念，但可能一时也不会去查具体的定义，因为最近自己的App在集成友盟数据分析的sdk，所以简单总结了产品分析中一些常用的数据概念。

1. 活跃用户

日活跃用户（日活）：打开应用的用户即为活跃用户，不考虑用户的使用情况。每天一台设备被一个用户打开多次仍然会被计为一个活跃用户。

周（月）活跃用户：某个自然周（月）内启动过应用的用户，该周（月）内的多次启动只记一个活跃用户。

2. 留存率

用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用应用的被认作是留存；这部分用户占当时新增用户的比例即是留存率。顾名思义，留存指的就是“有多少用户留下来了”。留存用户和留存率体现了应用的质量和保留用户的能力。

次日留存率：（当天新增的用户中，在第2天还登录的用户数）/第一天新增总用户数；

第7日留存率：（第一天新增的用户中，在往后的第7天还有登录的用户数）/第一天新增总用户数；

留存率

3. 数据漏斗：

漏斗模型指的是多个事件按照一定顺序依次触发的流程中的量化转化模型。通常我们会对应用中的一些关键路径进行分析。比如注册流程、购物流程等。

以友盟上提供的一个电商应用的购物流程为例：
1浏览商品页 —> 2放入购物车 —> 3生成订单 —> 4支付订单 —> 5完成交易
我们可以根据这些关键路径来计算每一步的转化率。

还是以电商应用的购物流程为例：

转化率

如表中所示，从支付的用户量为229， 而完成交易的用户量为218，所以这一步的转化率为 95.2%

通过对上述数据的统计，我们已经可以初步判断该流程转化率及每一步的流失率。借助漏斗模型，我们可以让分析的结果更加具体形象。

漏斗

如图，每个柱代表了到达漏斗每一步的人数，柱间的数字指的是步骤之间的转化率。支付到完成交易的转化率是95.2%，订单到支付的转化率是83.3%，这两步的转化率已经比较高了。而购物车到订单的转化率69.4%，如果您知道这一步的行业标准在80%以上，那么就应该考虑改进从购物车到生成订单的流程，从而提高最终目标的转化率。