App 运营的指标具体都有哪些

　　一、运营数据
（1）日新登用户数（DNU: Daily New Users）：每日注册并登陆的用户数
（2）日一次会话用户数（DOSU: Daily One Session Users）：一次会话用户，即新登用户中只有一次会话，且会话时长低于规定阈值
（3）日活跃用户数（DAU: Daily Active Users）：每日登陆过的用户数
（4）周活跃用户数（WAU: Weekly Active Users）：七天内登陆过的用户数
（5）月活跃用户数（MAU: Monthly Active Users）：30天内登陆过的用户数。（主要衡量产品的粘性以及用户的稳定性。）
（6）次日流失率：（公式：统计日登陆过，次日未登陆的用户数/统计日DAU）
（7）周流失率：（公式：7天前登陆过，之后7天内未登陆的用户数/WAU）
（8）月流失率：（公式：30天前登陆过，30天内未登陆的用户数/MAU）
（9）次日留存率：新用户在首次登陆后的次日再次登陆App的比例
（10）3日留存率：新用户在首次登陆后的第3天再次登陆的比例
（11）7日留存率：新用户在首次登陆后的第7天再次登陆的比例
（12）30日留存率：新用户在首次登陆后的第30天再次登陆的比例
（13）平均同时在线人数（ACU: Average concurrent users）：即在一定时间段抓取一次数据，以一定周期为期限；周期内的ACU可取时间段的平均数据。（例如：系统每一小时抓取一次数据，全天24小时共24个不同时刻的在线数据，则每天的ACU是这24个数据的平均值。（每个公司有每个公司的定义，一般ACU取平均值，若针对某一时刻，则直接在某时刻内直接统计用户数。））
（14）最高同时在线人数（PCU: Peak concurrent users）：即在一定时间内，抓取最高在线数据。（例如：单天最高在线：系统每小时统计一次数据，全天24小时共24个不同时刻的在线个时间段内最高的用户在线数据为PCU）
二、用户状态数据监控
（1）活跃用户数：对于活跃用户，每家定义各有不同。7天内有3天登陆过账号的便可成为活跃用户
（2）新增活跃用户数：首次上线访问的用户数
（3）流失活跃用户数：上一周期（7-14天）有过登陆，在当前周期（最近14天）未登陆的用户数
（4）回流活跃用户数：上一周期（7-14天）未登陆，在当前周期（最近7天）有登陆的用户数
（5）活跃用户流失率：（公式：（本月流失用户/上月活跃用户）*100%）
（6）活跃用户在线时长（单位/小时）：（公式：当前周期（7天）所有活跃用户在线天）活跃用户数）
三、活跃用户状态
（1）高活跃用户数：当前周期（7天）内总在线小时的活跃用户数
（2）新增高活跃用户数：当前周期（7天）高活跃用户减去上一周期（7-14天）高活跃用户数
（3）流失高活跃用户数：上一周期（7-14天）在线天）在线小时的活跃用户数。
（4）回流高活跃用户数：上一周期（7-14天）在线天）在线小时的活跃用户数
（5）高活跃用户流失率公式：（当前周期（7天）流失高活跃用户数/上一周期（7-14）高活跃用户数）*100%
四、运营成本
投入产出比（ROI）：简而言之，就是说付出与回报是否成正比。（公式：本月的产出/本月的投入）
以上来源于知乎，诸葛io。
关于运营，你可以看看郑文博的课程《运营其实很简单》《从零开始学运营2.0》里找到一些启示或者说是套路。同时关注下“51运营”公众号，里面有很多干货以及资源。

　　 企业如何数据化运营到运营数据

　　你的吃穿住行，都会产生数据。
企业内部的每一步动作，都会存在数据。有些数据随着时间流逝，淹没在烦躁的社会中去了，有些数据，被我们耸耸肩，甩掉在脑后。然而，从来就没有人意识到，这些被我们忽略的，都是财富，而且是需要长期积累的财富。
选择好的数据指标
      
好的数据指标通常有两个基本特征，一是数据指标与目标的相关程度，用来衡量目标的期望值；二是数据指标的准确性与稳定性，以长期稳定的准确的反应目标结果。
除此之外，好的数据指标还应该包括以下特征。首先是易获取，易理解。其次是适应性强，适合不同的运营活动，适合横向与纵向的对比，且与业务的相关性比较密切。除此之外，指标的可持续性也非常重要，而且持续性表现在，口径的统一以及长期可用上。虽然说不同的阶段所关注的指标不一样，但这些指标都要满足上述特点。
数据运营指标体系的搭建套路
业界搭建数据指标体系的套路通常包括两种，一种是以精益数据分析为代表的第一指标法，通过寻找关键指标，然后利用杜邦分析法通过拆解第一关键指标的方式，围绕第一关键指标搭建运营数据指标体系；另一种是根据业务衍变过程（逻辑）构成的海盗数据指标框架：AARRR，与AARRR相近的还有类似于PRAPA,AMAT等数据指标框架。
上述两种套路，最终都殊路同归，最终指向业务核心诉求：收益。而最终将收益拆分，对不同影响因素冠以不同的套路的过程，就是数据指标体系搭建的过程。以B2C电商为例，将目标收益拆分为由客流量、转化率、客单价、购买频率和毛利润率以及成本等指标，随后又将这些核心指标根据影响因素拆分为比如SEM、EDM等单位影响模块，最终由核心指标和影响模块指标构成了完整的数据运营体系。
立体化的数据指标体系
      
核心指标，影响因素和发展阶段将数据指标变的立体化。由核心指标与影响模块构成的数据模块，伴随着业务发展阶段的变化而变化，最终形成立体化的数据指标体系。
      
数据指标体系的立体化可以从四维空间的角度去理解，首先的立体化是核心数据指标以及对应因素影响因素所构成的二维数据指标系，随着业务的发展以及人员分工的细分，并在此基础上引入了岗位层级关注度，至此二维数据指标系由二维转变为三维，最终形成一个一个的数据指标模块。其次，随着时间的推移的，业务发展阶段不同关注的核心指标不同，最终形成数据指标模块的动态衍变，最终将数据指标模块衍变为立体化的数据指标体系。

　　 作为一名运营人员，应该分析哪些数据和指标

　　一、  流量数据

　　来源，集中时间、UV、PV；停留时长、浏览记录、操作行为、何处流失 、跳出率、到访率、停留时长、访问深度

　　访客属性：性别、职业、学历、年龄、地域、使用设备、操作系统

　　二、  用户数据：

　　APP产品：启动次数、使用时长、使用频率、使用间隔、页面访问、人均浏览量、操作路径等；

　　1、拉新：激活用户量、新增用户量、注册转化、量、或注册渠道

　　2、活跃（登录）：DAU、MAU、活跃比例（如何定义高活&高活其他数据&高活新增、高活流失）

　　经过一个长生命周期（3个月-半年），用户的活跃率还能稳定保持到5%-10%，则是一个非常好的表现

　　3、留存率：

　　（1）次日留存：因为都是新用户，所以结合产品的新手引导设计和新用户转化路径来分析用户的流失原因，通常这个数字如果达到了40%就表示产品非常优秀了。

　　（2）周留存：会经历一个完整的体验周期，如在这个阶段能够留下来，有可能成为忠诚度较高的用户。

　　（3）月留存：通常移动APP的迭代周期为2-4周一个版本，一个版本的更新，总是会或多或少的影响用户的体验，所以通过比较月留存率能够判断出每个版本更新是否对用户有影响。

　　（4）渠道留存

　　——挽回流失：流失（次日、周&月）、流失前行为、流失预警？何处流失、流失原因

　　用户挽回：通知用户（通知渠道、效果评估）、告诉用户新功能新改进等、挽回的用户更需要关怀；

　　需要关注用户流失的速度、分析流失的原因，对依然留存与活跃的用户给予重点的关注。

　　4、生命周期（较难）

　　图表支持：BDP个人版

　　 数据运营主要是做什么的呢

　　数据运营是指数据的所有者通过对于数据的分析挖掘，把隐藏在海量数据中的信息作为商品，以合规化的形式发布出去，供数据的消费者使用1、通过数据监控、数据报表、数据分析等方法，帮助管理内容运营链条的各类关键数据，驱动业务优化迭代，完成目标。
2、能够理解内容、产品、用户和场景，通过数据分析洞察业务关联。

　　 有哪些可用的数据指标和分析指标

　　外部数据的获取方式主要有以下两种。
第一种是获取外部的公开数据集，一些科研机构、企业、会开放一些数据，你需要到特定的网站去这些数据。这些数据集通常比较完善、质量相对较高

　　 商品数据分析三个常用指标是什么？

　　维度，指标，分析