用户获取
用户获取是运营的起始，用户获取靠近线性思维，或者说是一个固定的流程：用户打仗-用户认知-用户兴趣-用户行动／***。每一个流程都涉及多个数据指标。
渠道到达量
俗称曝光量，即产品推广页中有多少用户浏览。它可以在运用商店，可以在朋友圈，可以在搜索引擎，只要有流量的地方，都会有渠道曝光。
曝光量是一个蛮虚荣的数字，想一想当代人，每天要打仗多少信息？个中蕴含了多少推广，末了能有几个吸引到用户？更多时候，渠道到达量和营销推广费挂钩，却和效果相差甚远。
广告和营销还会考虑推广带来的品牌代价。用户虽没有点击或和产品交互，但是用户知道有这么一个东西，它会潜移默化地影响用户未来的决策。然而品牌代价很难量化，在广告打算中，系统只会将用户的行为归因到最近一次的广告曝光。
广告点击量称为CTR，广告点击量/广告浏览量，除了广告，它也运用在各种推举系统的评价中。
渠道转化率
既然广告已经曝光，那么用户该当行动起来，转化率是运用最广阔的指标。业界将转化率和本钱结合，衍生出CPM，CPC，CPS，CPD，CPT等。
CPM(Cost Per Mille)指每千人本钱，它按多少人看到广告计费，传统媒介比较方向采取。CPM推广效果取决于印象，用户可能浏览也可能忽略，以是它适宜在各种门户或者大流量平台采取Banner形式展现品牌性。
CPC(Cost Per Click)指每用户点击本钱，按点击计价，对广告主来说，这个比CPM的土豪作派理性多了。也有很多人会认为，CPC不公正，用户虽然没有点击，但是曝光带来了品牌隐形代价，这对广告位供应方是丢失。
CPA(Cost Per Action)指每行动本钱，按用户行为计价，行为能是***也能是订单购买。CPA收益高于前两者，风险也大得多，它对需求方有利对供应方不利。
以上三种是常见的推广办法，CPT按韶光，CPS和CPS算在CPA的范围内。渠道推广是依赖技能的行业，用户画像越精准，内容与用户越匹配，则越随意马虎产生收益。
还有一种指标eCPM(effective cost per mille)，每一千次展示可得到收入，这是流量主预估自身收益的指标。
渠道ROI
ROI是一个广泛适用的指标，即投资回报比。
市场营销、运营活动，都是企业获利为出发点，通过利润/投资量化目标。利润的打算涉及财务，很多时候用更大略的收入作分子。当运营活动的ROI大于1，解释这个活动是成功的，能赢利。
除了收入，ROI也能推广到其他指标，有些产品商业模式并不清晰，赚不到钱，那么收入会用其他量化指标代替。譬如注册用户量，这也便是获客本钱了。
日运用***量
App须要***，这是一个中间态，如果不把稳该环节也会流失落不少用户。运用商店的产品先容，推广文案都会影响。有些动辄几百M的产品，常将部分安装留在初次启动运用时以补丁形式完成，如各种游戏，便是怕漫长的***韶光造成玩家流失落。
第三方平台***到用户注册App，这步骤数据随意马虎出错，紧张是用户对不上。技能上通过唯一设备ID匹配。
日新增用户数
新增用户数是用户获取的核心指标。
新增用户可以进一步分为自然增长和推广增长，自然增长可以是用户约请，用户搜索等带来的用户，而推广是运营职员强掌握下增长的用户量。前者是一种细火慢炖的优化，后者是烹炸爆炒的营销。
用户获客本钱
用户获取一定涉及本钱，而这是运营新手最随意马虎忽略的。曾经写过一篇文章描述获客本钱，「获取新增用户，运营都该当知道的事」。
一次会话用户数
一次会话用户，指新用户***完App，仅打开过产品一次，且该次利用时长在2分钟以内。这类用户，很大可能是黑产或者机器人，连羊毛党都算不上。
这是产品推广的灰色地带，通过各种技能刷量，获取虚假的点击量谋取收益。该指标属于风控指标，用于监管。
用户生动
用户生动是运营的核心阶段，不论移动端、网页端或者微信端，都有干系指标。其余一方面，现在数据剖析也越来越看重用户行为，这是风雅化的趋势。
日生动用户/月生动用户
行业默认的生动标准是用户用过产品，广义上，网页浏览内容算「用」，在公众年夜众号下单算「用」，不限于打开APP。
生动指标是用户运营的根本，可以进一步打算生动率：某一韶光段内生动用户在总用户量的占比。按韶光维度，则有日生动率DAU、周生动率WAU和月生动率MAU。生动用户数，衡量的是产品的市场体量，生动率，看的则是产品的康健。
可仅仅打开产品，能否作为产品康健的度量？答案是否定的。成熟的运营体系，会将生动用户再细分出新用户、生动用户、忠适用户、不生动用户、流失落用户、回流用户等。流失落用户是长期不生动，忠适用户是长期生动，回流用户是曾经不生动或流失落，后来又再次打开产品的生动用户。
通过不同的生动状态，将产品利用者划分出几个群体，不同群体构成了产品的总用户量。康健的产品，流失落用户占比不应该过多，且新增用户量要大于流失落用户量。
PV和UV
PV是互联网早期Web站点时期的指标，也可以理解为网页版生动。PV(PageView)是页面浏览量，用户在网页的一次访问要求可以看作一个PV，用户看了十个网页，则PV为10。
UV(Unique Visitor)是一定韶光内访问网页的人数，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。怎么确认用户是不是同一个人呢？技能上通过网页缓存cookie或者IP判断。如果这两者改变了，则用户算作全新的访客。
PV和UV是很老的观点，但是数据剖析绕不开他们，除了产品上各页面的浏览，在第三方平台如微信，各种营销活动都只能通过Web页实现，PV和UV便须要发光发热了。
有一点须要把稳的是，微信浏览器不会长期保留cookie，手机真个IP也一贯变动，基于此统计的UV会有偏差(不是大问题,只是uv中的新访客偏差较大)。这里可以通过微信供应的openid取代cookie作为uv基准，须要额外的技能支持。
用户会话次数
用户会话也叫session，是用户在韶光窗口内的所有行为凑集。用户打开App，搜索商品，浏览商品，下单并且支付，最退却撤退出，全体流程算作一次会话。
会话的韶光窗口没有硬性标准，网页端是约定俗成的30分钟内，在30分钟内用户不管做什么都属于一次会话。而超过30分钟，不如出去吃个饭回来再操作，或者重现打开，都属于第二次会话了。
移动真个韶光窗口默认为5分钟。
用户会话次数和生动用户数结合，能够判断用户的粘性。如果日生动用户数为100，日会话次数为120，解释大部分用户都只访问了产品一次，产品并没有粘性。
用户会话依赖埋点采集，不记录用户的操作，是无法得知用户行为从哪里开始和结束的。其余一方面，用户会话是用户行为剖析的根本。
用户访问时长
顾名思义，用户访问时长是一次会话持续的韶光。不同产品类型的访问时长不等，社交肯定长于工具类产品，内容平台肯定长于金融理财，如果剖析师创造做内容的产品大部分用户访问时长只有几十秒，那么最好剖析一下缘故原由。
功能利用率
除了关注生动，运营和数据剖析师也该当关注产品上的主要功能。如收藏，点赞，评论等，这些功能关系产品的发展以及用户利用深度，没有会喜好一个每天打开产品却不再做什么的用户。
功能利用率也是一个很宽泛的范围，譬如用户浏览了一篇文章，那么浏览中有多少用户评论了，有多少用户点赞了，便能用点赞率和评论率这两个指标，然后看不同文章点赞率和评论率有没有差异，点赞率和评论率对内容运营有没有帮助，这些都属于功能利用率。又譬如***网站，核心的功能利用率便是***播放量和***播放时长。
微信"大众年夜众号指标即可以单独说，也能把它作为产品的功能延伸看待。图文投递率，转化分享率，二次转化分享率，关注者增量等和本文其他指标一脉相承。只是第三方数据多有不便，更多剖析依赖假设。
用户留存
如果说生动数和生动率是产品的市场大小和康健程度的话，那么用户留存便是产品能够可持续发展。
留存率
用户在某段韶光利用产品，过了一段韶光后，仍旧连续利用的用户，被称为留存用户。留存率 = 仍旧利用的用户/ 当初的总用户量。
在本日的互联网行业，留存是比新增和生动提到次数更多的指标，由于移动的人口红利没有了，用户越来越难获取，竞争也越来越激烈，如何留住用户比得到用户更主要。
假设产品某天新增用户1000个，第二天仍旧生动的用户有350个，那么称越日留存率有35%，如果第七天仍旧生动的用户有100个，那么称七日留存率为10%。
Facebook有一个著名的40-20-10法则，即新用户越日留存率为40%，七日留存率为20%，三旬日留存率为10%，有此表现的产品属于数据比较好的。
上面的案例都是环绕新用户展开，还有一种留存率是生动用户留存率，或者老用户生动率，即某韶光生动的用户在之后仍旧生动的比率。它更多用周留存和月留存的维度。
新增留存率和生动率是不同的，新增留存率关系于产品的新手勾引，各种福利，而生动留存率和产品氛围，运营策略，营销办法等有关，更看重产品和运营的水平。
用户流失落率
用户流失落率和留存率恰好相反。如果某产品新用户的越日留存为30%，那么反过来解释有70%的用户流失落了。
流失落率在一定程度能预测产品的发展，如果产品某阶段有用户10万，月流失落率为20%，大略推测，5个月后产品将失落去所有的用户。这个模型虽然简陋，用户回流和新增等都没有考虑，但是它确实反应了产品未来的生命周期不容乐不雅观。
这里可以引出一个公式，生命周期 = （1/流失落率）流失落率的韶光维度。它是履历公式，不一定有效。
产品的流失落率过高有问题么？未必，这取决于产品的背景形态，某产品主打婚礼管理工具，它的留存率肯定低，大多数用户结婚后就不用。但这类产品一定有生存下去的逻辑。旅游类的运用也是，用户一年也打开不了几次，但依旧能发展。
退出率
退出率是网页真个一个指标。网页端追求访问深度，用户在一次会话中浏览多少页面，当用户关闭网页时，可认为用户没有「留存」住。退出率公式：从该页退出的页面访问数/进入该页的页面访问数，某商品页进入PV1000，该页直接关闭的访问数有300，则退出率30%。
跳出率是退出率的分外形式，有且仅浏览一个页面就退出的次数/访问次数，仅浏览一个页面意味着这是用户进入网站的第一个页面，俗称落地页LandingPage。
退出率用于网页构造优化，内容优化。跳出率常用于推广和运营活动的剖析，两者随意马虎稠浊。
营销
营销也有自己的数据体系，互联网的数据体系便是脱胎于此才发展出AARRR框架。产品的发展模式有两种，如果一款产品能够在短韶光得到百万用户，AARRR框架更适宜它；如果一款产品从第一个用户起即有明确的商业模式，也能考试测验套用市场营销的观点。
用户生命周期
用户生命周期来源于市场营销理论，旧称客户生命周期。有兴趣可以移步「深入浅出，用户生命周期的运营」。
它有两种含义,一种是针对用户个体/群体的营销生存窗口。用户会随韶光推移发生变革，这种变革带来无数营销机会，对市场和企业是机遇。如怀胎十月,它便是一个生命周期为十月的营销窗口，企业会环绕这期间的用户建立特定营销。搬家，大学毕业，买房等都具有范例的周期特色。
其余一种是用户关系管理层面的生命周期，它对运营职员更主要。产品和用户的业务关系会随着韶光推移改变。在传统营销中，分为潜在用户，兴趣用户，新客户，老/熟客户，流失落客户。这几个层层递进的阶段和用户生动很像。
对付一款母婴产品，我既要知道营销的生存窗口，即有身了几个月，由于孕早期和孕晚期的营销侧重点不一样，刚有身肯定是最得当的。也要知道用户本身和产品对应的关系，这位妈妈是新客户，还是曾经用过App但流失落了。
营销数据剖析中，最关键的环节便是新客户—流失落客户这个阶段，一位用户能和产品互动多久，将决定产品的生命力。听起来和留存挺像的，上文提过的生命周期打算公式，便是脱胎于市场营销。
用户生命周期代价
生命周期代价是用户在生命周期内能为企业供应多少收益，它须要涉及财务定义。互联网行业更多提到生命周期，而不是生命周期代价，由于互联网的商业模式没有传统营销的买和卖那么大略明确。
举个例子，微信用户的生命周期代价能否打算？并不能，不论是广点通、游戏或者微信理财，都推导不出一个泛化的模型。但是部分产品，如金融和电商，生命周期代价是可打算的。
以互联网金融举例，某App供应理财和现金贷款两种业务，公司从这两个业务中得到收入常日是一个较稳固的比率，而本钱支出平摊每个用户头上也是固定常数。以是利润就变成了用户理财和贷款的金额大小，以及生命周期的是非。这两者都是可估算的。
生命周期代价比生命周期主要，由于公司要活下去，就得赚更多的钱，而不是用户利用韶光的是非。更多内容见「运营的商业逻辑：CAC和CLV」。
客户/用户忠实指数
忠实指数是对生动留存的再量化。生动仅是产品的利用与否，A用户和B用户都是每天打开App，但是B产生了消费，那么B比A更忠实。数据每每须要更商业的指标描述用户，消费与否便是一个好维度。
我们可以用一个简化模型表示：
L = \sum_{t=1}^{n}{\frac{s}{s+1} }
t是一个韶光窗口，s代表消费次数，代表的距今某段韶光内的消费次数。若韶光窗口选择月，那么t=1是距今第1个月内的消费次数，t=2是距今第2个月内的消费次数，列举数据如下。
将消费次数代入s/(s+1)，对数据进行转换，它的目的是收敛。以忠实角度看，消费10次和消费100次的差异并不大，都属于很高且难以流失落的用户，10/11和100/101的关系，并且有效规避极值。对付消费0次，1次，2次的用户，则对应0，0.5和0.66，在业务上也具备可阐明性。
各月份求和得出的指数能反应用户在消费方面的忠实。图例只是阐明，实际运用过程中须要归一化，并且考虑韶光权重：越近的消费肯定越忠实。上述的模型在于大略，适宜各种商业模式的早期剖析，如金融投资，便可以打算用户每个季度的投资次数。
客户/用户流失落指数
流失落指数是对流失落的再量化，它是忠实指数的反面。流失落率衡量的是全体用户，而为了区分不同用户的风雅差异，须要流失落指数。在早期，流失落指数=1-忠实指数。
流失落指数和忠实指数的详细定义能根据业务须要调度，比如忠实按是否消费，流失落按是否打开生动，只要阐明能站住脚。
在拥有足够的行为数据后，可以用回归预测流失落的概率，输出[0,1]之间的数值，此时流失落的概率便是流失落指数。
客户/用户代价指数
用户代价指数是衡量历史到当前用户贡献的收益（生命周期代价是全体周期，包括未来），它是风雅化运营的条件，不同代价的用户采纳不同策略以最大化效果。
用户代价指数的主流打算办法有两种，一种是RMF模型，利用R最近一次消费韶光，M总消费金额，F消费频次，将用户划分成多个群体。不同群体即代表了不同的代价指数。
第二种是主身分剖析PCA，把多个指标转化为少数几个综合指标（即主身分），个中每个主身分都能够反响原始变量的大部分信息，且所含信息互不重复。
假设有一个旅游攻略网站，怎么界定优质的内容贡献者？用户的文章发布量？文章被点赞数？用户被关注数？文章好评数？文章更新频次？每个指标都挺主要的，主身分剖析能席卷上述所有指标，将其加工成两到三个指标（常日是线性干系指标被合并）。这时再加工成代价指数则不难了。
上述各种指数，都是针对用户营销的明细数据。如何运用呢？最经典的是矩阵法，将指标划分出多个象限，如用户代价指数和用户流失落指数。
对付用户代价高且流失落指数高的用户，该当采纳积极的唤回策略，对付用户代价低且流失落指数高，那么考虑本钱的平衡适当运营即可…这便是风雅化运营的一个案例，也是市场营销多年来总结出的有效方法。
传播/活动
把传播和活动放到一起讲，它们是一体两面。
K因子
国外用得广泛的观点：每位用户均匀向多少用户发出约请，发出的约请又有多少有效的转化率，即每一个用户能够带来几个新用户，当K因子大于一时，每位用户能至少能带来一个新用户，用户量会像滚雪球般变大，终极达成自传播。当K因子足够大时，便是快口相传的病毒营销。
海内的约请传播，主体自然是微信朋友圈。微信分享功能和网页都是能增加参数统计的，不难量化。
病毒传播周期
活动、广告、营销等任何能称之为传播的形式都会有传播周期。病毒性营销强则强矣，除非有后续，它的波峰每每只持续两三天。这也是拉新的黄金周期。
其余一种传播周期是环绕产品的约请机制，它指种子用户经由一定周期所能约请的用户。由于大部分用户在约请完后均会失落去再约请的动力，那么传播周期能大大简化成如下：假设1000位种子用户在10天约请了1500位用户，那么传播周期为10天，K因子为1.5，这1500位用户在未来的10天内将再约请2250位用户。
理论上，通过K因子和传播周期，能预测依赖传播带来的用户量，可实际的操作意义不大，它们更多用于各种活动和运营报告的解读剖析。
用户分享率
现在产品都会内嵌分享功能，对内容型平台或者依赖传播的产品，分享率是较为主要的指标，它又可以细分为微信好友/群，微信朋友圈，微博等渠道。
有一点值得把稳，数据只能知道用户转发与否，转发给谁是无法跟踪的。以是产品用物质勉励用户分享要当心被薅羊毛。反正我转发都是给「文件传输助手」的…
活动曝光量/浏览量
传播和线上活动是息息相关的，这两者的差异不大。想要做好一个活动，纯挚知道活动的浏览量是不足的，好的活动一定是数据剖析出来的。以朋友圈最平凡见的红包营销举例。它的剖析通过网页参数，如下：
http://aaa . com/activity/bigsales/?source=weixin&content=h9j76g&inviter=00001×tamp=1495286598
问号后面的是网页参数，source=weixin解释网页是分享到微信的。content=h9j76g是页面详细内容，这里则是营销红包的类型。inviter=00001解释是哪个用户分享出去的，timestamp则是分享的详细韶光戳。不同用户的分享页面有不同参数，按此作区分。
当这些页面被用户分享到朋友圈时，数据采集系统会记录所有页面的打开浏览。而页面参数则是活动风雅化剖析的条件。通过source=weixin，数据剖析师知道了红包活动在微信的浏览量，相对应的还有***和微博。content则能看出用户喜好哪个类型的红包，哪种红包被领取得多，本钱又是多少。inviter则能看出均匀每个分享者的分享页能带来多少浏览量。
参数越多，剖析的维度就能越细，活动可优化的空间也越大。如果大家有心的话，可以看朋友圈(包括网页)各种活动的网页参数，不雅观察其他产品的剖析维度，它山之石可以攻玉，这是一个好习气。
活动参与率
活动参与率衡量活动的整体情形，可以套用用户生动的剖析指标。
这个活动的参于人数(生动数)多少？有多少老用户参与了这个活动？有多少新增用户由于这个活动来，传播类的活动分享数据怎么样？活动中的各个流程转化如何？活动带来多少新订单。实在，运营活动可以看作一个短生命周期的产品，产品的统统指标都能运用于个中。
好的活动该当机制化，把它融入到产品的功能机制中，比如滴滴打车的红包，美图饿了么的红包，都是从活动逐渐变成一种打法和抓手。更早期的各种网游，也是通过活动的推成出新成为了现在常态化的游戏功能。
活动的机制化，意味着数据要剖析活动指标，创造优点以改进，之后同样常态化成报表：本日利用了多少红包，本日有多少用户由于活动新增，等等。
营收
产品，运营或者市场职员，从来不是为生动、留存卖力，而是商业，是企业的根本财务。数据剖析也不是为了提高生动和留存，而是像一个巨子的漏斗，终极将业务驱动于此，即回归商业的实质。
生动交易用户数
从产品曝光到用户***，用打开生动到产生收入，产品的指标在一步步往商业靠拢，生动交易用户则是核心指标。全体流程呈现漏斗状。
这里的交易，即是买方的消费，也包含卖方的供应。若平台包含B端和C端，则两端同等主要，均须要纳入数据体系。
和生动用户一样，生动交易用户也可以区分成首单用户(第一次消费)，忠实消费用户，流失落消费用户等。细分交易数据和指标，关系到产品商业化的进展，所以是有必要的。实在到这个环节，各种指标已经更方向用户画像，而非报表统计了。
生动用户交易比，统计交易用户在生动用户中的占比。当产品生动用户足够多，但是交易用户少，此时的商业化是有问题的，俗称的变现困难，很多公司都倒在这一步。
GMV
成交总金额，只要用户下单，天生订单号，便可以算在GMV里，不管用户是否真的购买了。互联网电商更偏好这个指标。
成交金额对应的是实际流水，是用户购买后的消费金额。发卖收入则是成交金额减去退款。至于利润、净利率，涉及到财务本钱，数据剖析挺难拿到这类数据，以是不太用到。
把上述的三个指标看浸染户支付的动态环节，则能再产生两个新指标，这也是数据剖析的思维之一。成交金额与GMV的比率，实际能换算成订单支付率；发卖收入和成交金额，也涉及到了退款率，当剖析陷入卡顿时，不妨不雅观察下这两个指标，或许有帮助。
客单价
传统行业，客单价是一位消费者每一次到场消费的均匀金额。在互联网中，则是每一笔用户订单的收入，总收入/订单数。
很多游戏或直播平台，并不关注客单价，由于行业的特性它们更关注一位用户带来的直接代价。超市购物，用户购买是长周期性的，客单价可以用于调度超市的经营策略，而游戏这类行业，用户流失落率极高，运营职员更关注用户均匀付费，这便是ARPU指标，总收入/用户数。
ARPU可以再一步细分，当普通用户占比太多，每每还会采取每付用度户均匀收入ARPPU，总收入/收用度户数。
复购率
若把复购率说成营收届的留存率，你就会知道它有多主要了。和新增用户一样，得到一个新付用度户的本钱已经高于掩护熟客的本钱。
在不少剖析场景中，会将首单用户单独拎出来作为一个标签，将两次消费以上的用户作为老客，之以是这样做，是从一到二的意义远不止加一那么大略。
用户第一次消费，可能是体验产品，可能是优惠，可能也是运营极大力地推动，各种成分匆匆成了首单。而他们的第二次消费占比会有断崖式下跌(对应越日留存率的下跌)，由于这时候的消费逐渐取决于用户对产品的信赖，模式的喜好或者习气开始养成。
很多时候，用户决策越长每每意味着客单价越高，如投资，旅游。此时首单复购率越是一个须要关注的指标，它意味着更多的利润。
复购率更多用在整体的重复购买次数统计：单位韶光内，消费两次以上的用户数占购买总用户数。
回购率是其余一个指标，值得是上一个韶光窗口内的交易用户，不才一个韶光窗口内仍旧消费的比率。例如某电商4月的消费用户数1000，个中600位在5月连续消费，则回购率为60%。600位中有300位消费了两次以上，则复购率是50%。
退货率
退货率是一个风险指标，越低的退货率一定越好，它不仅直接反应财务水平的好坏，也关系用户体验和用户关系的掩护。
商品
这里谈以商品为主的数据剖析，商品不限于零售行业，知识市场、虚拟做事、增值做事都属于商品的一种。它有许多通用的剖析模板，如购物车、进销存。
购物篮剖析
购物篮剖析不应限于电子商务剖析，而是用户消费行为剖析。
连带率是购物篮剖析的一种指标，特指发卖件数和交易次数之比。在大型阛阓和购物中央中，连带消费是经营的中央，用户多次消费即连带消费。在电商中是购物的深度，是单次消费提高利润的条件。
商品热度是一种快速见效的剖析。可以将商品分为最热门Top20，最盈利Top20等，它依托二八法则，找出利润的抓手，很多营销会将它和连带率结合，像电子商务，重点推广多个能带来流量的热门爆款，爆款并不赢利，而是靠爆款连带发卖其他有利润的商品。这种流量商品连带利润商品的策略并不少见。
购物篮剖析中最有名的想必是关联度，大略理解是，买了某类商品的用户更有可能买哪些其他东西。啤酒与尿布大概是最有名的案例了，虽然它是错的，但揭示了商品之间确实存在关联。
关联剖析有两个核心指标，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。老王每次去菜场买菜都喜好买一把葱，在老王的菜篮(购物篮)剖析中，葱和其他菜的支持度很高，可是能解释老王买葱后就一定买其他菜(葱→其他菜)么？不能，只能说老王买了菜会去买葱(其他菜→葱)。除此还有提升度。 最有名的是Apriori算法。
关联剖析并非只适用于购物篮，在很多营销场景中都会用它作为追加发卖和交叉发卖。常见有大额消费+现金贷，医疗康健+保险等，目的便是提高营收。
进销存
进销存是传统零售行业的经典管理模型，将企业商品经营拆分出采购、入库、发卖三个环节，并且建立全链路的数据体系。在实际业务中，许多场景与进销存都息息相关。
电子商务有几个根本观点，商品、SKU、SPU。商品便是对应消费者理解的单品，任何主流的电子商务网站，商品详情页都对应一个商品，也称为SPU。而在商品详情页中，还会涉及尺码，颜色，样式的选择，这类属性形成了SKU，最小单位库存。每一个属性都对应着不同的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。
商品管理没有我们想象的那么大略，有些用户喜好玫瑰金的iPhone，有些用户钟情于128G，如何更好地迈出这些商品，是从采购环节就开始的。
采购包括广度、宽度、深度三个维度。广度是商品品类，越充足的品类越能知足消费者的消费，但是也带来管理难发卖难的缺陷。市情上手机品类统共有50个，某手机店***30种，品类比为60%。
采购宽度是SKU占比，代表商品供选择的丰富程度。iPhone有玄色、银色、玫瑰金三种颜色和16G、64G、128G三种容量，共9个SKU，如果手机店只卖玫瑰金色，则SKU占比0.33。采购深度是均匀每个SKU的商品数量。
库存是一个中间状态，采购是进，发卖是出。库存是一个动态滚动的变革过程，我们常拿过去韶光窗口内的库存花费速率衡量现有存量的花费。某阛阓4月每天花费库存1000件，4月末的库存为5万件，则这5万件的须要50天才能花费完，50天被称为库存天数。虽然公式是空想状况，但以其判断缺货是没问题的。
发卖环节大家更熟习，指标聚焦在两个方面，发卖的速率和发卖的质量。发卖速率常表示为售罄率，表示为韶光窗口内的发卖数量/韶光窗口内的库存数量，这是比率，故可以用累计售罄率。某商品3月份累计售罄率50%，4月份累计售罄率60%，5月份累计售罄率80%，解释商品逐渐卖断货该当补货了，反过来售罄率一贯低迷，则该当匆匆销或者降落进货。
发卖的质量和折扣率挂钩，乃是实收金额和标准金额的比率。海内各种红包折扣匆匆销非常多，折扣率的统计师是非常有必要的。折扣率的范例运用是价格弹性指数：当价格变革1%时，商品销量变革的百分比。这个指数将直接影响利润。
进销存内容比较多，熟习了留存生动剖析的人可能会稍有些不习气。可是互联网变现的主流模式是电商或其变种，这方面的知识不可或缺。拿互联网金融来说，投资标的有范例的进货和库存特色，标的的投资额大小，风险等级与类型，标的剩余数量和估量库存天数，都是能直接适用进销存指标的。当剖析师创造某理财标的库存天数过长，则要剖析缘故原由，是SKU过多，还是增长乏力。
业务是一个繁芜体系，数据剖析也从来不大略，两者结合都是充满寻衅的。|内容来源：数据爱好者社区
【头条号-袁帅论道运营者】袁帅，互联网数据剖析运营实践者，新社汇联合创始人，【静花缘·梦回古道】佳构民宿小院线上运营者。会展业信息化专家，CEAC国家信息化打算机教诲认证：网络营销师，SEM搜索引擎营销师，SEO工程师。数据剖析师，永洪数据科学研究院MVP。中国电子商务协会认证：中国电子商务职业经理人，脱销书《互联网发卖宝典》联合出品人之一。中国国际贸易促进委员会:今日会展会员同盟VIP个人会员，全经联园区委秘书处成员，中国低碳聪慧园区同盟理事，周五咖啡媒体人俱乐部发起合资人。百度VIP认证站长，百度文库认证作者，百度履历签约作者，百家号/一点资讯/大鱼号/搜狐号/网易号/头条号/知乎专栏/艾瑞专栏等媒体平台入驻作者，互联网数据官（iCDO）原创作者，互联网营销官CMO原创作者。
