大数据背景下B2C行业指标体系构建,本文是关于大数据本科论文怎么写和指标体系和大数据背景和行业有关论文写作参考范文.
大数据论文参考文献：
21世纪,随着互联网的快速发展,信息科技和人类生活密切挂钩,信息基础建设的重要性和紧迫性日益显著.2012年,美国发布“大数据研究和发展倡议”,拉开了大数据时代的序幕.随后,世界各国都发布了相应的大数据研究战略,我国“十二五”规划也把建设国家信息基础列为重要工作之一,总书记提出了“实施国家大数据建设,加快建设数字中国”的重要战略.大数据的价值逐步被认知.在大数据基础建设的过程中,首先要做好的是建立合理的数据指标.用户产生的行为数据有很多,凡是用户操作的动作行为,都可以作为分析的目标.比如,我们可以看“用户今日登次数”,也可以看“用户平均单次使用时长”.这些指标可以作为分析用户黏度和质量的评判标准,也可以作为产品质量好坏的评判标准.在此,笔者只举出了两个指标,但是在实际的分析工作中,需要多角度、多维度、多指标的体系来支撑实际的数据分析.那么如何建立一个合理的指标体系,如何利用指标体系产生数据价值呢？这是所有建设大数据平台的工作者都在思考的问题.
随着大数据分析工作的积累,各个行业和领域形成了不同的数据指标体系模型和建立方法.对于B2C的行业,最常应用的基础指标模型叫作“海盗指标模型（PirateMetrics）”.在此,笔者以B2C的行业为背景,主要针对B2C行业所关注的用户运营、产品设计和业务内容等方面的数据,通过“海盗指标模型”,探讨构建一个合理有价值的指标体系.
海盗指标模型
海盗指标模型（ P i r a t e M e t r i c s） 是由5 0 0 S t a r t u p s 创业孵化器的创始合伙人D a v eMcClure在2007年提出的一种营销分析模型.海盗指标分为五个方面：Acquisition（获取）、Activation（活跃）、Retention（留存）、Revenue（营收）、Referral（引荐）,简称AARRR.一般通过分析用户的获取来源,来评估各个渠道用户对于产品的兴趣,确认优秀的用户来源渠道,进行营销投放；通过分析用户的活跃来评估产品质量,进行产品版本的不断优化；通过留存分析,来确认用户的黏性和产品周期,进行合理的运营策略；通过营收流程的分析,来归结用户付费的原因,并找出用户放弃付费的流失点；通过引荐分析,来确认产品的扩散速度和成为爆款的可能性.最后,通过这五个角度的分析,将用户在产品中的使用过程,形成一个完整的闭环.
海盗指标被广泛应用于面对市场的B2C产品,初衷是帮助企业做好用户增长和营收增长.分析工作者根据海盗指标,结合产品结构,建立相应的指标体系.然后为产品、运营、营销部门提供有力的数据支持,形成良性的数据驱动循环.
用户获取.对于任何一家还在处于用户积累阶段的公司,获取用户都是产品实现价值的第一步.在获取用户的过程中,关键是寻找最有价值的用户渠道,以及最佳的引流形式.在互联网巨头占据着大量的用户资源的情况下,很多产品都会考虑以这些平台作为渠道,向自己的产品引流用户.这些平台包括百度、阿里巴巴、、网易、新浪（微博）等老牌的互联网门户,以及新兴的今日头条、微信（公众号/小程序）等.每个平台因为自身产品结构的不同,其所拥有的用户群体的类型和习惯也不尽相同.因此,当我们尝试从这些渠道获取用户时,会发现不同渠道的用户质量是不同的.有些渠道的用户会非常喜欢我们的产品,非常贴合该渠道的用户需求.这时候就应该充分利用这一优势,对该渠道加大引流力度,从而获取用户群体.而一些渠道的用户,对产品可能就没有良好的认同感,经常会有一些用户虽然下载了APP,但浏览一次以后就会流失.这并不代表这个平台的用户就没有我们的目标人群,而是需要更精细化的用户获取分析.
除了考虑不同渠道获取的用户质量以外,还要考虑用户属性和其对产品感兴趣的程度.例如,健身产品可能会对20-35岁的用户更有吸引力,而养生类产品的目标人群就变成了30-60岁的用户.在分析的过程中,还会发现男女群体对于产品的粘性出现不同（在线阅读类比较明显）；资产结构差异的人群对于产品的兴趣也会有明显区别（投资类产品最为显著）.以及有特定用户标签的,如二次元属性的用户,会对漫画类、轻小说的产品有着浓厚兴趣,诸如此类,通过不同角度去分析获取用户的群体,可以发现产品的目标群体属性.然后针对性地进行广告投放,从而形成高质量的用户增长.
最后一项要考量的分析角度是引流的方式,比如,通过广告、活动、促销、社交、SEO/SEM的用户来源,其用户质量也会不同,可以通过分析不同方式的引流质量,合理搭配投放比例,形成最有效的用户引流效果.
对此,笔者一直以“用户质量”来评估一个用户的好坏,或者以“用户感兴趣”的程度来评估渠道的好坏,那么什么叫用户质量,什么叫用户感兴趣呢？一般定义质量好（感兴趣）的用户为“触发关键行为的用户”.那么什么是“关键行为”？“关键行为”更多取决于产品形态,一般会把成为产品核心用户流程中的第一步作为“关键行为”.比如,视频产品的关键行为就是进行一次视频播放；互联网金融类产品,关键行为就可能是进行借贷申请；当然有时候,也可以放宽关键行为的标准,比如,可以定义“进行注册”为“关键行为”.无论以哪种方式,只要统一一个关键行为,就可以针对不同渠道和引流方式进行分析,去发现最佳用户获取方式.
用户活跃.用户活跃的分析,通常会分为常规性分析指标和业务性分析指标.常规性分析指标是所有产品都会关注和考量的数据内容,而业务性指标一般都是针对产品特定的业务内容形成的个性化的数据内容.
常规性分析指标一般关注的是用户在产品中使用的相关数据,例如,通过“日活跃用户数（DAU）”来衡量产品的用户量级；通过“用户的产品单次使用时长”“用户访问深度”来衡量产品对于用户的吸引力；通过“用户付费率”“平均用户付费额度（ARPU）”“平均付费用户额度（ARPPU）”来衡量用户的付费认可度.这只是一部分的指标,这些指标具有产品的普适性,是衡量产品好坏的通用性分析指标.
业务性分析指标一般指的是和实际业务密切联系的相关数据.例如,航空公司会关注“各航线的查询量”“访问用户查询率”等和机票查询购买相关的数据,互联网金融类公司会关注“各项目投资量”“复购率”等和项目投资相关的数据,视频媒体会关注“视频播放时长”“不同类别视频播放比例”等与用户播放视频相关的数据.通过分析这些数据指标来衡量业务,由于和实际的业务强相关,再加上市场上产品的多样性,因此通常业务性指标都没有固定的指标,但根据行业的特性分类,也可以归纳出一定量的行业通用指标,这是一个更加细化的工作,不再赘述.
通过常规指标和业务指标结合,从而搭建出一个适用于分析用户活跃的指标体系,这个指标体系,对于不同渠道或用户属性的群体,可以作为衡量用户质量的标准.对于产品改版和优化,也可以作为衡量产品优化好坏的标准.
用户留存.创业企业常常面临这样的窘境：一方面新用户不断涌入,另一方面又迅速流失.通常情况下,维护一个老用户的成本要低于获得一个新用户的成本.因此,如何提升用户留存率,延长用户生命周期,从而提升用户的平均价值,是产品运营工作者所关注的核心问题之一.
留存从数据指标上的建立并不复杂,比如,“用户次日留存”指的是用户今日造访过产品之后,次日再次造访的比率,相类似的还有“用户7日留存”“用户次周留存”等数据指标.那么除了以“造访”作为留存的触发标志,也可以以更深入的行为作为触发标志,如在线教育产品,可以以“播放课程”作为留存的触发标志.
对此,可以通过留存分析来评估各渠道用户的质量,也可以评估产品版本迭代过程中的优化效果,除此以外,还可以监控一些运营活动和运营手段所产生的效果.留存的数据对于营销、产品、运营有着重要的价值.那么留存分析除了监控用户（或渠道）质量、产品优化、运营质量以外,更重要的是,发现自身产品对于用户的吸引点,然后根据这些吸引点去优化产品针对性运营.例如,游戏产品通常会在新手引导阶段赠送一个游戏角色A.如果男性玩家居多的话,角色A为女性的留存要远高于角色A位男性的留存.怜香惜玉是男性玩家的普适价值.外卖产品在做优惠活动时的用户留存要远高于不做活动时的留存,可以通过计算【（用户增长价值-产品优惠补贴）MAX】来确认极值点,尽可能提升用户价值.
用户转化.Revenue直译是营收,这是考量产品价值最核心的指标.这里笔者称之为转化,主要是因为笔者在实际的工作中,会把营收的终极目标,拆解成多个小的目标.提升每一个小目标的转化率,最终实现营收的提升.
用户从到访产品,到最终的消费转化,是通过一个一个步骤逐步完成.以电商为例,通常会把用户的转化分为几个阶段.
第一个阶段是新用户的注册,流程为访问——浏览首页——点击注册（或访问注册页）——注册成功.这里指的是标准流程,有些产品的注册流程可能会不太一样.无论以哪种流程,把流程列出后,都可以看到每一步流程的转化和流失,也可以计算每一步的转化平均用时（中位数）.一旦用户注册,其对于产品的价值认可度会大幅度提升.所以一般在这个流程中,会找到流失缺口,优化或精简流程,让用户快速完成注册.
第二个阶段是用户成为接触核心功能的转化,访问首页——访问商品列表页——访问商品详情页——加入购物车.如果设定加入购物车或者浏览商品详情页作为第二阶段的核心目标,那么我们的核心诉求就是所展示的商品可以很好地抓住用户的心.那么这个阶段最主要的是通过产品的迭代,提升每一步的转化率.
最后一个阶段是用户付费的转化,也就是最终实现营收的目的.流程为浏览商品详情页——提交订单——确认订单（收货信息、优惠信息等）——支付订单.那么一旦用户有了购买的,这个阶段就是让用户能够快速实现购买.通过监控步骤间的流失和转化用时,发现并优化将阻碍用户付费的卡点,流畅用户的付费过程.
那么通过优化用户在产品里每一个阶段的用户体验,提升用户转化,提升每一个小目标的转化,最终实现营收的增长.
用户引荐.通常产品成为爆款的方式,是通过用户的自传播完成的.良好的口碑和出色的营销形式（激励分享）,让老用户自发拉新用户进入产品.由于这种营销方式类似于病毒的传播和扩散,我们通常管这种营销方式叫作病毒营销.
衡量病毒传播的两大核心指标是K因子（K Factor）和病毒循环周期（Virial Cycle Time）.K因子的公式为【K等于i*c%】.i指的是用户向外传播的速度（人数）,c指的是转化率.比如用户A传播给了5个新的用户,这时候i等于5.这里5个用户中有1个用户最终成为产品的使用者,那么c等于20%.因此可知,当K因子大于1时,病毒传播将实现指数型的增长.病毒循环周期,是指从用户发出病毒邀请,到新用户完成转化（如点击阅读、注册、消费的行为）所花费的时间.病毒循环周期越短,效果越好.更简单地说,K因子等于1时,平均1个用户能带来1个新用户.K因子越高,产品自我获取新用户的能力越强.
因此在实际的数据体系搭建中,我们会从用户引荐的角度去构建指标体系,一般监控“分享”行为的相关数据.例如,“日人均分享量”“分享触达率”“分享点击率”“分享转化率”等指标来确认产品的K因子和传播周期.再根据这些数据指导营销策略,提升用户引荐的效果.
数据的价值
数据的价值是为了用更科学的方法服务于实际的工作中,让数据和现象说话,实现真正意义上的数据驱动.企业决策不再是靠直觉和经验去指导工作,而是通过严谨的数理论证来发现实现产品价值的最佳方式.
那么建立一个合理的指标体系,其实是建立了通用的产品评判标准,以及发现问题的数据监控体系.建立完成后,通过标准化的分析体系就可以直接应用到工作的指导过程中.良好的指标体系可以简化数据部门、产品部门、运营部门、营销部门的工作,让各部门能够更高效地协同工作.
当然,除了数据分析师常用的指标体系分析,AI也会逐渐应用到数据分析中.这个时代的数据分析,已经告别抽样采集的阶段,发展为全样本分析的大数据分析时代.随着机器学习和算法应用的不断进步.可以预见到不久的将来,基于用户全数据基础的人工智能,将会为我们带来更多视角的数据分析思路.
无论是人工还是AI的数据分析,都是一门严谨的科学,通过数据归因定位,发现问题,指导工作,最终实现数据的价值.在大数据的应用上,我们还有很长的路要走.
结束语,上述文章是一篇关于大数据方面的大学硕士和本科毕业论文以及指标体系和大数据背景和行业相关大数据论文开题报告范文和职称论文写作参考文献资料.
大数据背景下公共图书馆问题
摘要大数据时代的到来对图书馆发展提出了新要求,带来新思路 本文主要对大数据背景下公共图书馆发展提出相应的对策建议,以有效促进图书馆的可持续、健康发展 关键词大数据；公共图书馆；服务体系；创新性随着计算.
高校图书馆在大数据背景下教学中的作用分析
摘 要随着社会的不断发展,教育事业越来越受到广大人们的重视 但随着科技的进步,教育设备也在与时俱进 那么,为了提高高校图书馆中的管理水平 不少的高校图书馆运用了大数据 通过大数据将图书馆里的资料进行收.
大数据背景下学术期刊影响力提升路径
【摘要】大数据技术的应用对学术期刊的发展产生了较大的影响 本文在分析大数据环境下学术期刊困境以及其影响力构成要素的基础上,认为学术期刊应积极利用大数据和数字出版……工具,继续强化期刊内容的前沿性、创新.
大数据背景下网络和新媒体教育 困境与应对
【摘要】大数据背景下的网络与新媒体教育具有融合性、数据性、实战性、开放性的特征,但也面临着培养理念模糊、课程设置陈旧、师资力量不足、专业实践匮乏、教材缺乏……困境,这要求网络与新媒体教育厘清培养理念,.