电信运营商的经营分析是通过对经营数据的分析研究,评价企业的经营现状成效和预估企业的市场发展趋势。
- 用户数据指标
- 行为数据指标
- 产品数据指标
产品业务案例
1、【一次性交易产品业务】类比：阿里天池-婴儿产品数据
（1）理解数据
用户数据：user_id、birthday、gender
行为数据：day、buy_amount、auction_id（购买物品唯一）
产品数据：cat_id、cat1、property
（2）业务指标
用户数据指标：【日新增用户数】user_id、day
可以查看每日新增用户，可以分析促销活动对于用户增量是否有影响
行为数据指标：【访问人数UV】userid、gender、day、buy_amount
根据用户购买数量，性别，购买日期的不同来分析各自的偏好，指定相应的推广方案
产品数据指标：
【总量：成交数量】buy_amount、day
分析销售淡旺季，显示销量分布情况
【产品】catid、cat1、property、buy_amount
分析热门产品的销量，从而增加库存、增量生产。
对于销量差的商品，增加促销政策。
2、【持续服务型产品业务】类比：浅析喜马拉雅app
（1）用户是否会购买？
讨论角度：成交总额（GMV）、成交数量、客单价、付费率、复购率、店铺转化率。
分析用户的付费情况。如果情况不好要先从内容上进行优化，其次还要从用户习惯，页面设计上进行优化。
（2）用户黏性如何？
讨论角度：日活DAU、周活、月活、留存率、留存率、PV、UV
根据留存率、活跃程度来分析用户的使用习惯，用户黏性。如果用户使用率不高，可以优化内容吸引用户，推送用户感兴趣的内容，提高注意力，从而提高用户黏性。
（3）内容是否吸引人？
讨论角度：日活DAU、周活、月活、留存率、留存率、转发率、PV、UV、k因子
根据用户活跃情况、转发率、k因子来分析内容是否吸引人，结合PV、UV来分析热门度情况。
参照阿里OneData构建数据指标体系
指标体系构建
以维度建模作为理论基础，构建总线矩阵，定义业务域、数据域、业务过程、度量/原子指标、维度、维度属性、修饰词、修饰类型、时间周期、派生指标等。
**业务域：**比数据域更高维度的业务划分方法，适用于特别庞大的业务系统，且业务板块之间的指标或业务重叠性较小。例如用车业务板块包含乘客端、司机端，电商业务板块包含商城、返利模块。
**业务过程：**业务过程可以概括为一个个不可拆分的行为事件，如下单、支付、评价等业务过程/事件。这里的事件跟埋点的事件类似，详情可查看《埋点事件设计》，相当于画业务流程图；
**数据域：**是联系较为紧密的数据主题的集合，是对业务对象高度概括的概念层归类，目的是便于数据管理与应用。
维度：是度量的环境，用来反映业务的一类属性，这类属性的集合构成一个维度，可以从who-where-when-what层面来看。
**维度属性：**维度属性隶属于维度，相当于维度的具体说明，如用户维度中性别为男、女。
**修饰词：**指除了统计维度以外指标的业务场景。
**修饰类型：**对修饰词的抽象划分。
指标类型：包含原子指标、派生指标。
** 原子指标 = 行为事件+度量 **
** 派生指标 = 一个原子指标+多个修饰词+时间周期 **
例如：原子指标=完单量，派生指标=近一周iOS乘客完单量，包含时间周期=近一周，修饰词=iOS，维度=乘客，原子指标=完单量。
简而言之，数据域就类似于我们电脑桌面要建立不同的文件夹来存储数据，这些个文件夹名就是数据域。
第一步：调研业务需求与分析业务流程
乘客端流程可划分为：注册/登陆、下单、服务、支付、评价/客服投诉。
核心流程中所产生的业务指标：
1） 注册/登陆阶段：新用户数、用户数、不同渠道用户数
2） 下单阶段：下单量、新用户下单量、老用户下单量、不同城市下单量数据、不同车型下单量数据、下单成功用户数
3） 决策阶段：议价订单数、非议价订单数、决策阶段用户主动取消订单数、决策阶段超时取消数、数加价完成订单数、减价完成订单数
4） 服务阶段：下单成功用户数、订单时长、下单成功率、完单量、完单率、完单用户数
5） 支付阶段：订单金额、订单平均金额、订单优惠金额、计费差额
6） 评价阶段：好评率、差评率
业务流程中产生的核心业务指标：
1） 注册/登陆阶段：注册用户数、新增用户数
2） 加盟阶段：提交审核用户数、审核通过用户数、新注册司机、累计注册量、老司机量、新司机量
3） 接单阶段：在线司机数、听单司机数、有效听单司机数、中标司机数、中标率、日均中标司机数
4） 决策阶段：决策阶段司机取消订单数
5） 服务：服务平均距离、平均时长、空驶平均距离、空驶平均时长
6） 评价：司机好评率、司机差评率、平均星级
7） 提现：司机余额、提现次数、提现金额
在明确用户的业务过程后，需要根据分析决策的业务，划分数据域，并在相应的数据域下拆解具体的业务过程。
第二步：划分数据域
第三步：定义指标规范——总线矩阵构建
梳理业务域、数据域、业务过程的整体框架，相当于文件夹的一级、二级、三级目录结构规范，对该文件命名结构规范进行设计。
常用的指标如日活/月活用户量、近一个月下单量、完单金额等。限定条件下的指标，比如近7天北京快车下单量这样的指标，指标规范设计：
设计指标时需清晰定义业务域=用车业务、数据域=服务域、业务过程=下单、维度=城市、属性=北京、时间周期=近7天、修饰词=快车、度量/原子指标=下单量。通过增加对原子指标的约束条件，规范产生派生指标=近7天北京快车下单量，提供一套通用的指标定义标准，方便不同业务部门的人理解指标含义。
以网约车体系中的服务域为例，制定如下总线矩阵，划分业务过程为下单、派单、决策、开始行程、完单。
总线矩阵是数仓架构师会用的比较多，对于产品人员会比较难理解，其实就类似于数学中矩阵和排列组合，一个原子指标的维度限制条件组合不同，可得到成千上万个派生指标。
从数据产品角度介绍，基于阿里OneData进行网约车指标体系建设。通过对业务分析、数据域划分及总线矩阵构建，来建立一套指标设计规范。通过建立指标规范，可以提升研发和业务方的指标获取效率，为后续自助式分析打下基础。
在已有电信经营分析数据仓库基础上，如何构建电信经营KPI分析系统
- List item
运营：挖掘客户价值（转化率，回头率，交易额等数值）
运营数据指标
用户获取
用户接触-用户认知-用户兴趣-用户行动／下载；
渠道到达量-曝光量（CTR，广告点击量/广告浏览量）；
**渠道转化率：**将转化率和成本结合，衍生出CPM（千人成本：适合在各类门户或者大流量平台采用Banner形式展现品牌性），CPC（点击成本），CPS，CPD，CPT等，CPA（每行动成本）按用户行为计价，行为能是下载也能是订单购买。指标eCPM(effective cost per mille)，每一千次展示可获得收入，是广告主预估自身收益的指标。
渠道ROI（投资回报比）
日应用下载量
日新增用户数
用户获客成本
一次会话用户数用户活跃
日活跃用户/月活跃用户
PV和UV
用户会话次数
用户访问时长
功能使用率用户留存
留存率（留存率 = 仍旧使用的用户/ 当初的总用户量）
用户流失率（生命周期 = （1/流失率）*流失率的时间维度）
退出率（从该页退出的页面访问数/进入该页的页面访问数）营销
用户生命周期（用户个体/群体的营销生存窗口）
用户生命周期价值
客户/用户忠诚指数
客户/用户流失指数
客户/用户价值指数（RMF模型，利用R最近一次消费时间，M总消费金额，F消费频次）（主成分分析PCA，把多个指标转化为少数几个综合指标（即主成分））传播/活动
K因子；
病毒传播周期；
用户分享率；
活动曝光量/浏览量；
活动参与率；营收
活跃交易用户数；
GMV；（成交金额与GMV的比率，实际能换算成订单支付率；销售收入和成交金额，也涉及到了退款率）
客单价：客单价是一位消费者每一次到场消费的平均金额（总收入/订单数；ARPU指标，总收入/用户数）
复购率；
退货率；产商品
购物篮分析-用户消费行为分析
连带率：销售件数和交易次数之比
关联分析核心指标：置信度和支持度（支持度表示某商品A和某商品B同时在购物篮中的比例，置信度表示买了商品A和人有多少同时买了B，表示为A→B。）（作为追加销售和交叉销售。常见有大额消费+现金贷，医疗健康+保险等，目的便是提高营收。）
进销存
商品经营拆分出采购、入库、销售；
全链路的数据体系；
商品、SKU、SPU。（商品详情页对应一商品，称为SPU。尺码，颜色，样式这类属性形成SKU，最小单位库存。每一个属性对应不同SKU，如一件衣服有SML三个尺寸，则这件衣服是一个SPU，三个尺寸对应着三个SKU。）；
采购包括广度、宽度、深度三个维度；广度是商品品类，越充足的品类越能满足消费者的消费，但是也带来管理难销售难的缺点；采购宽度是SKU占比，代表商品供选择的丰富程度；采购深度是平均每个SKU的商品数量。；
内容型行业：关注PV,UV,V V，帖子数，页面停留时间，分享数等等
社交类行业：关注发帖量，发言数，PV,UV，活跃占比等等
电商类行业：关注销售收入，成单量，客单价等等