1.电商和消费模型
所谓的电商和消费模型是以商品的交易、零售、购买搭建而起。包括客单价、复购率、回购率、退货率、购物篮大小、进销存等商品概念。
2.市场营销模型
市场营销模型是以传统的市场营销方法论为基础，围绕用户的生命周期建立框架。包括用户生命周期，生命周期价值、用户忠诚指数、用户流失指数、用户RFM价值等。
3.流量模型
流量模型的来源就是从早期的网站分析发展而来，以互联网的流量为核心。包括浏览量曝光率、病毒传播周期、停留时间等内容。
4.产品运营模型
产品运营模型一般是以移动终端为主体，围绕某种准则搭建起数据框架。包括用户获取、用户活跃、用户留存、营收、传播，以及细分指标。
5.用户行为模型
用户行为模型就是通过用户在产品功能上的使用，获得精细的人群维度，以此作为分析模型。包括用户偏好、用户兴趣、用户响应率、用户画像、用户分层等内容。
6.基本术语
维度：维度就是指我们平时看事物的角度，也可理解成分析一个数据能从哪些方面去分析，这些”角度”都是有值且可被枚举的。比如我们注册用户数有10万，那可分析的维度有：用户所在省份、用户性别、用户角色、用户来源等。不同维度来观察数据，可以得出不同结论，能否拓展观察维度，也是评估数据分析能力的一个关键。
度量：度量和维度相辅相成，是指可量化的数值，用于考察不同维度观察的效果，也可理解成”数据指标”。观察度量值可总体查看，如App总用户数，也可配合”维度”分层查看，如不同省份的注册用户数、活跃用户数，不同来源的App启动次数、平均日使用时长等。
渠道：指App的不同安装来源，如通过第三方应用市场安装，通过广告点击安装，通过地推二维码扫码安装，通过官网下载安装等。互联网公司的商务工作一般就是拓展渠道，观察不同渠道带来的数据表现，不断优化渠道质量。
7.基本指标
新增用户：安装App后，首次启动App的设备数，需要按”设备号”去重。
活跃用户：时间段内，启动过App的设备数，需要按”设备号”去重
启动次数：时间段内，启动App的次数，无需去重。
留存率：时间段内的新增用户，经过一段时间仍启动App的用户，占原新增用户的比例。
使用时长
使用频率：用户上次启动App的时间，与再次启动的时间差。
8.电商业务的术语
BEP：盈亏平衡点又称零利润点、保本点、盈亏临界点、损益分歧点、收益转折点。通常是指全部销售收入等于全部成本时（销售收入线与总成本线的交点）的产量。
电商目前存在的几种模式：
【B2B模式】：
Business to Business-企业对企业，例子：阿里巴巴、慧聪网。
【B2C模式】：
Business to Customer-企业对个人，例子：亚马逊，当当，凡客，走秀网。
【C2C模式】：
Customer to Customer－个人对个人，例子：ebay，淘宝，拍拍，易趣。
【C2B模式】：
Customer to Business –个人对企业，B2C与C2B比较构面，个人对企业，强调用”汇聚需求(demand aggregator)”，专业定制模式居多。取代传统”汇聚供应商”的购物中心型态，被视为是一种接近完美的交易型式。
【BMC模式】：
BMC是英文Business-Medium-Customer的缩写，率先集量贩式经营、连锁经营、人际网络、金融、传统电子商务（B2B、B2C、C2C、C2B）等传统电子商务模式优点于一身，解决了B2B、B2C、C2C、C2B等传统电子商务模式的发展瓶颈。
【O2O模式】
online to offline 线上对线下的团购模式，团宝网，美团网，糯米团为代表。
专业名词：
UV： Unique Vister的缩写，独立访客。
PV： page view，即网站被浏览的总次数；
CR 转化率：Conversion Rate的缩写，是指访问某一网站访客中，转化的访客占全部访客的比例。
二跳率：网站页面展开后，用户在页面上产生的首次点击被称为 “二跳”，二跳的次数即为”二跳量”，二跳量与浏览量的比值称为页面的二跳率。
跳出率： 跳出率是指浏览了一个页面就离开的用户占一组页面或一个页面访问次数的百分比。
人均访问页面：PV总和除以IP=人均访问页面。人均访问页面>=10个，才算优质用户。
重复购买率：指消费者在网站中的重复购买次数；
客单价：是指每一个订单的平均购买商品金额，也就是平均交易金额。
电商的营销方式：
网络媒体：门户网站广告，客户端软件广告。
SEM： 竞价排名，联盟广告。
EDM：内部邮件群发，第三方平台，数据库整合营销等方式。
社区营销：BBS推广（发帖和活动） SNS（微博、微信、QQ群推广等）。
CPS\代销：销售分成（一起发，成果网，创盟）。
SEO：搜索引擎优化。
积分营销：积分兑换，积分打折，积分购买等。
DM目录：传统单张目录，如麦考林，红孩子，凡客。
线下活动：会展，体验店等。
传统媒体：电视电台，报刊杂志。
Original: https://www.cnblogs.com/xiuercui/p/12296749.html
Author: 程序界第一佳丽
Title: 数据分析业务知识
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/577557/
转载文章受原作者版权保护。转载请注明原作者出处！