# FinClip Data Map（新版本数据统计）
# 1. 产品介绍
FinClip Data Map（也称为小程序数智平台） 是 FinClip 推出的全新版本统计产品，通过打造全新的、全平台、标准化、稳定的数据分析能力，输出行业化标准解決方案，助力中小企业成长。
使用说明
您可通过「管理后台-数据统计-小程序数智平台」按钮进入页面，并在所需要的小程序右侧点击「开启统计功能」，在等待数分钟的服务加载后，就可以点击「查看统计详情」 进入页面了。
# 2. 基础统计
# 2.1 应用概括
应用概括可快速了解应用的数据概况，集中展现当前的核心数据指标（如：新用户数、访问人数、次均停留时长等）及趋势变化，查看当前不同端的数据表现，可快速发现数据问题定位异常数据，支持选择时间粒度按小时、按日、按周、按月查看指标数据
指标定义
- 新增用户：首次访问应用的用户数，一天内同一用户多次访问不重复计
- 活跃用户：访问应用的总用户数 ，一天内同一用户多次访问不重复计
- 启动次数：打开应用的总次数，打开应用视为启动，完全退出或后台运行超过30s后再次进入应用，视为一次新启动
- 访问页面数：访问应用内页面的总次数，多个页面之间跳转、同一页面的重复访问计为多次访问
- 次均停留时长：平均每次启动应用停留在应用页面的总时长，即应用停留总时长/启动次数
- 跳出率：只浏览一个页面便离开应用的次数占总启动次数的百分比
功能说明
您可在左上角切换不同小程序之间的业务数据，应用概况页面中的数据默认会对小程序数据基于不同端进行去重。启动次数、访问页面数则是按不同端小程序（iOS、Android）进行累加；您可以选择数据颗粒度按时、按天、按周、按月统计，不同的数据颗粒度对应不同的数据范围，数据实时更新。
数据明细默认按小时进行排序，可以自定义对需要的指标进行排序，同时可以在数据明细右上角点击按钮导出数据。
# 2.2 用户概况
用于分析用户对应用的使用情况和依赖程度，快速了解用户来源和数据趋势变化，提供全面、准确的数据价值，结合功能模块的数据（留存统计、用户黏度、用户参与度、用户来源）帮助您快速了解当前应用的数据表现
# 2.2.1 留存统计
留存统计可全面掌握新增与活跃留存情况，通过新增用户留存与活跃用户的留存，全方面衡量小程序的健康状态。
指标定义
- 新增留存： 指定时间新增（即首次访问小程序）的用户，在之后的第 N 天，再次访问小程序的用户数占比
- 活跃留存： 指定时间活跃（即访问小程序）的用户，在之后的第N天，再次访问小程序的用户数占比
- 次日留存率： 用户在次日的留存数与当日用户数的比值，即1天后的留存，2 天后 3 天后原理相同
功能说明
您可在当前页面中查看小程序使用情况的留存统计概览信息。
# 2.2.2 用户黏度
用户黏度是指用户对于产品的忠诚、信任与良性体验等结合起来形成的依赖程度，用户黏度越接近1（100%）说明用户忠诚度越高，可自定义选择时间范围查看用户数据和占比情况。
指标定义
- 新增用户：首次访问应用的用户数，一天内同一用户多次访问不重复计
- 活跃用户：访问应用的总用户数 ，一天内同一用户多次访问不重复计
- 新用户占比：活跃用户中新增用户的占比比例
- 7 日用户黏度：当日活跃用户/过去7日活跃用户（去重）
- 30 日用户黏度：当日活跃用户/过去30日活跃用户（去重）
功能说明
默认时间范围为过去 7 天的用户数据情况，可根据需求自定义选择时间范围，可自定义选择指标进行排序，同时可以导出明细数据。
# 2.2.3 用户参与度
用户参与度对访问深度和使用时长两个维度对指标进行统计，分析用户打开页面的使用频次及访问页面的时长，帮助您快速了解用户的使用粘性和依赖程度。
指标定义
- 访问深度：启动应用，访问的页面数分布
- 访问时长：启动应用停留在应用页面的时长分布
- 用户数：每分布档位，对应的用户数
- 用户数占比：每分布档位，对应的用户数，占整体用户数的占比
- 启动次数：每分布档位，对应的启动次数
- 启动次数占比：每分布档位，对应的启动次数，占整体启动次数的占比
功能说明
支持选择时间范围（可选择今日、昨日、最近7天、最近30天），可以自行对数据列表进行排序和导出。
# 2.3 用户画像
用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。
用户画像包括两个子模块，一个是地域统计，一个是终端统计两大部分。我们可通过分析客户的地域和终端情况，了解用户的所在地域详情，以及用户的使用终端设备和网络类型，同时可以在用户画像模块下，进行查看或者报表导出分析。对用户进行地域分析、终端分析来做不同的营销活动，提高决策效率。
# 2.3.1 地域分析
分析各个地域给应用带来的用户数及流量情况。助您了解应用访问的地域分布以及特定地域用户偏好，针对性的运营和推广。
指标定义
- 新增用户：首次访问应用的用户数，一天内同一用户多次访问不重复计
- 活跃用户：访问应用的总用户数 ，一天内同一用户多次访问不重复计
- 启动次数：打开应用的总次数，打开应用视为启动，完全退出或后台运行超过30s后再次进入应用，视为一次新启动
- 访问页面数：访问应用内页面的总次数，多个页面之间跳转、同一页面的重复访问计为多次访问
功能说明
选择不同的时间维度对用户的省份、城市分布进行分析，直辖市即属于省份也属于城市。
# 2.3.2 终端分析
用户所使用的手机系统环境配置情况。助您了解用户的系统环境情况，可作为应用设计的参考，从而有效提升访客的交互体验。
指标定义
- 新增用户：首次访问应用的用户数，一天内同一用户多次访问不重复计
- 活跃用户：访问应用的总用户数 ，一天内同一用户多次访问不重复计
- 启动次数：打开应用的总次数，打开应用视为启动，完全退出或后台运行超过30s后再次进入应用，视为一次新启动
- 访问页面数：访问应用内页面的总次数，多个页面之间跳转、同一页面的重复访问计为多次访问
功能说明
终端分析包括 4 大维度，包含机型、操作系统、网络环境、操作系统版本，可以自定义选择不同时间范围的数据或者报表导出分析，根据用户画像提供的明细数据进行营销活动的分析。
# 2.4 页面分析
页面是小程序构成的重要元素，也是用户使用行为动作载体。分析用户的页面浏览行为，有助于监测小程序中每一个页面的流量、停留时长、分享次数，对受访页、入口页的重要性形成判断。
指标定义
- 受访页：用户进入小程序访问的所有页面
- 入口页：用户进入小程序访问的第一个页面，例如用户从页面A进入小程序，跳转到页面B，A为入口页，而B不是
- 访问次数：查看页面自身的访问绝对量
- 访问人数：查看页面自身的访问用户量
- 页面跳出率：查看该页面作为本次访问结束页的概率（页面跳出率是指访问该页面便离开小程序的次数占总打开次数的百分比）
- 次均停留时长：分析该页面占据了用户的多少精力
请注意：页面跳出率并不是越低越好，取决于页面本身所处的位置，如“支付页”的跳出率越低越好，代表用户没有因为支付问题关闭了小程序；而“支付完成页”的页面跳出率较高，在业务角度来看却是合理的。
功能说明
您可以直接在页面分析页面中的“入口页、出口页”中详细了解不同页面的分析数据与信息。
# 2.5 分享裂变
分析小程序的分享情况及带来的传播效果。小程序被分享的数据，提供不同维度的数据包括分享趋势，层级分享数据，重点分享用户分析。
我们可以通过用户分享解决一些典型的商业问题，例如：
- A 公司是做电商的要确认那个商品被用户分享的最多？
- A 公司用户分享后是否打开的用户再次分享？
以上两个问题的答案分别为：
- 通过页面分享可以查看具体的那个页面分享的最多，坦率的讲就是每一个页面是一个商品。然后通过列表的不同维度包括新用户数、访问人数、访问次数、打开次数等等指标查看那个页面被分享的最多；
- 当 A 分享给 B，B 打开小程序之后分享给 C。那么这个流程里边 A 分享给 B 是一度分享，B 分享给 C 是二度分享。 那么刚好符合 A 公司的需求。我们只需要在分享概况中的层级分享查看该数据。
指标定义
- 用户列表：分析用户分享小程序情况及传播效果。按照分享次数取前 1000 的用户查看所有用户的分享数据，并可对不同用户命名，点击编辑按钮便可修改命名
- 层级分享：可以清晰地查看小程序传播的裂变衰减情况
- 一度分享：用户 A 分享小程序到好友 B, A 的分享视为一度分享
- 二度分享：B 通过 A 的链接进入小程序，并分享小程序给好友 C，B 分享的内容视为二度分享（ 以此类推，三度/四度）……
功能说明
分析小程序的页面分享情况及传播效果，可评估对用户而言有价值的功能或内容对自传播的促进效果。
分享用户包括用户列表、层级分享、城市分享三个方面。
# 3. 高级分析
# 3.1 事件分析
事件，是追踪或记录的用户行为或业务过程（举例来说，一个电商产品可能包含如下事件：用户注册、浏览商品、添加购物车、支付订单等）。
事件分析，是指基于事件的指标统计、属性分组、条件筛选等功能的查询分析。全新升级的事件分析功能模块，全新的筛选、分组和聚合能力，可以帮助回答以下问题：
- 最近三个月来自哪个渠道的用户注册量最高？变化趋势如何？
- 各个时段的人均充值金额是分别多少？
- 上周来自北京的，发生过购买行为的独立用户数，按照年龄段的分布情况？
- 每天的独立 Session 数是多少？
根据您的产品特性合理配置追踪事件和属性，可以激发出事件分析的强大潜能，回答关于变化趋势、维度对比的各种细分问题。
# 3.2 漏斗分析
在介绍漏斗分析之前，需要有一些基本概念进行介绍：
- 步骤：由一个
元事件/虚拟事件加一个或者多个筛选条件组成，表示一个转化流程中的一个关键性的步骤 - 时间范围：在界面上选择的时间范围，是指漏斗的第一个步骤发生的时间范围
- 窗口期：用户完成漏斗的时间限制，即只有在这个时间范围内，用户从第一个步骤，行进到最后一个步骤，才能被视为一次成功的转化
漏斗模型主要用于分析一个多步骤过程中每一步的转化与流失情况。举例来说，用户购买商品的完整流程可能包含以下步骤：
- 浏览商品
- 将商品添加进购物车
- 结算购物车中的商品
- 选择送货地址、支付方式
- 点击付款
- 完成付款
在这种情况下，可以将如上流程设置为一个漏斗，分析整体的转化情况，以及每一步具体的转化率和转化中位时间。
功能说明
在漏斗分析页面中，我们需要分别按照「创建漏斗 -> 配置漏斗步骤 -> 查看漏斗」的方式实现对应的漏斗分析需要。
# 4. 常见问题
# 4.1 设置漏斗分析时，漏斗内某事件的人数和事件分析的触发用户数不一致
- 漏斗内第一步对应的人数与事件分析查询的触发用户数不一致：可能是漏斗查询时，在漏斗外添加了筛选条件，导致和事件分析中对应筛选条件下人数不一样。可以将筛选条件添加在漏斗内，再对比下查询的数据。如果筛选条件放在漏斗内之后，查询的结果和事件分析一致，则说明查询结果正常。
- 漏斗内非第一步事件与事件分析的触发用户数不一致：属于正常数据，因为漏斗内的某事件人数是满足漏斗规则后筛选出的人数，比如漏斗规则为 A->B->C，事件分析中 B 事件用户数为 100，漏斗分析中先触发 A 事件再触发 B 事件的用户数为 20。
# 4.2 漏斗按天转化率没有总体转化率高
举个例子：比如 11.01-11.03 这 3 天里有 3 个人，漏斗规则为 A->B->C， 11.01 三个人都触发事件 A ，但只有第一个人在窗口期内完成 B->C 转化；11.02 三个人都触发事件 A 但只有第二个人在窗口期内完成 B->C 转化；11.03 三个人都触发事件 A 但只有第三个人在窗口期内完成 B->C 转化。按天分布的话，11.01 的转化率为 33%，11.02 的转化率为 33%。11.03 的转化率为 33%。
按总体看，11.01-11.10 这 10 天的转化率为 100%。
# 4.3 总体转化率没有漏斗按天转化率高
举个例子：比如 11.01-11.02 这 2 天，漏斗规则为 A->B->C，第一天，a b c 三个人触发了事件 A，bc 两个人在规定窗口期内完成 B->C 转化，转化率 66.6%。第二天，bcde 四个人触发了事件 A，bc 两个人在规定窗口期内完成 B->C 转化，转化率 50%。
总体转化率中，abcde 五个人访问，bc 下单，转化率 40%。
# 2.3.4 是否支持私有化部署？
若您希望在私有化环境中使用“FinClip Data Map”，或您有高级统计能力需要，请与我们联系。
# 2.3.5 在 SaaS 版中如何收费？
在 FinClip SaaS 版本中，您需要在购买后方可使用“FinClip Data Map”能力，具体收费逻辑如下：
- ￥79/月/小程序，适用于 0~10W 条数据
- ￥199/月/小程序，适用于 10W~200W 条数据
- ￥399/月/小程序，适用于 200W~1000W 条数据 如果您有高级的数据统计需求，请与我们联系。
# 5. 功能与环境对比
当前功能在不同环境中可能有所区别与限制，具体请见下表，如需要进一步了解不同版本间区别与介绍，可以点击这里 (opens new window)。
| 社区版环境 | SaaS 环境 | 企业版（年付费或一次性买断） | |
|---|---|---|---|
| FinClip Data Map | ❌ | 按需购买 | 按需购买 |