美趣数据统计与分析概要

目前状况

目前的统计数据有如下几个：

1.用户概况

各客户端类型下不同注册类型用户的数量的按日统计

2.用户趋势

我们实现得没什么屌用

3.话题概况

用户(所有/马甲/普通)在不同小组(全部/单选)下的动作(创建/回复)的按日统计

4.话题数据

话题发布/话题回复/精华话题/推荐话题/浏览次数/参与人数 的按日统计

5.小组排行

用户浏览量/用户话题数/马甲话题数/用户回复数/马甲回复数/用户精华数/马甲精华数/用户推荐数/马甲推荐数

6.话题排行

浏览量/用户回复数/马甲回复数/参与用户

7.用户排行

用户昵称/注册日期/最后登陆日期/话题量/小组回复量/精华话题/推荐话题/连续启动天数

8.马甲统计

话题数/回复量/日记量/精华数/推荐数

存在问题

1. 目前的统计需求过于粗糙，基本就是数据的堆砌，没有实际用途。
2. 部分统计数据的数据点粒度较大，无法供分析阶段进一步解释。
3. 前后端的统计功能需要加强(部分地方甚至需要重新构思)。
4. 技术方面需要对统计服务做技术选型和架构设计。

数据统计

一. 用户

1. 用户数量

(1) 按客户端平台：全部/ios/android
(2) 按注册方式：全部/邮箱/手机/QQ/微信/微博
(3) 按渠道：app store/小米/360 等
(4) 按用户类型：全部/普通用户/马甲

2. 用户注册数

(1) 每天按小时统计
(2) 按日统计
(3) 按周统计
(4) 按月统计
(5) 按季度统计
(6) 按年统计

3. 用户属性

(1) 用户年龄分布和平均年龄
(2) 用户体重分布和平均体重
(3) 用户身高分布和平均身高
(4) 用户总体重
(5) 用户平均BMI
(6) 用户地区分布和统计
(7) 用户客户端机型

4. 用户行为

(1) 用户注册时间
(2) 用户最近一次登录时间和IP
(3) 用户启动时间(每次启动都发一个请求给统计平台，用于统计该用户活跃时段)
(4) 用户启动总次数(正常启动/从后台切换到前台 都算1次)
(5) 用户发帖数(全部/按小组分)
(6) 用户收藏话题数(全部/按小组分)
(8) 用户记录总数
(9) 用户在美趣平台上的记录数据统计(总步数/总摄入/总消耗)

二. 社区

1. 小组/话题

(1) 小组总数
(2) 小组点击次数(从社区tab点击某个小组进入小组界面算1次)
(3) 小组热度(只计算24小时内，以前的热度都持久化到数据库)
    小组热度 = 小组发布话题数*发话题加权因子 
                + 小组回复数*回复加权因子
                + 小组用户参与数*点击加权因子
    注：小组用户参与数是指一个小组在24小时内被点击的次数
(4) 小组话题数量(全部/按小组)
(5) 小组精华话题数量(全部/按小组)
(6) 小组活动话题数(全部/按小组)
(7) 活动热度
    活动热度 = 活动话题*活动话题加权因子 
                + 活动话题回复数*活动话题回复数加权因子
                + 活动话题点击数*活动话题点击加权因子
(8) 小组话题被收藏总数(全部/按小组)
(9) 小组话题被分享总数(全部/按小组)
(10) 分享出去的话题被点击总数(全部/按小组)

三. 贴士百科

1.贴士

(1) 贴士的点击数(按大类/按标签)
(2) 贴士的分享总数(全部/按标签)
(3) 贴士的收藏总数(全部/按标签)

四. 记录部分

1.餐饮和运动

(1) 早餐/中餐/晚餐/加餐(总体/分别) 被引用最多的食物(最受欢迎的)
(2) 被引用最多的运动(最受欢迎的)
(3) 数据库中食物和运动的总数

2.围度

(1) 用户围度分布和平均围度(胸围/腰围/臀围/手臂围/大腿围/小腿围)

3.减重瘦身

(1) 用户在单位时间内增/减重的公斤数(可按周/月/季度/年统计)

五. 任务

(1) 每个任务被添加的次数
(2) 每个任务完成次数

六. 商城

1.金币商城

(1) 商品被浏览的次数
(2) 商品被兑换的次数

2.美趣商城

(1) 代餐被浏览的次数
(2) 代餐被购买的次数

七. 课程

(1) 课程被浏览的次数
(2) 课程被添加的次数
(3) 课程科学组合被购买的次数

八. 页面浏览统计

(1) 各个页面的浏览量统计

九. 其他

(1) banner广告位用户点击量统计
(2) 搜索词统计

数据分析

一. 用户人群分类

(1) 按年龄(年龄和代谢水平相关)
(2) 按BMI(正常/轻度/中度/重度 肥胖)
(3) 按用户诉求(减重瘦身/保持身材/进一步锻炼体魄等)，以及用户瘦身部位的统计分析
(4) 按劳动强度(基本无劳动/轻体力/中体力/重体力)
(5) 按饮食喜好(待定，需要前后端配合)，可以根据饮食喜好粗粒度判断用户对热量的摄取程度
(6) 设计一套算法，对用户进行聚类(或采用k-近邻算法、空间距离等)，分析出具有相同特征的用户，可用于最基础的推荐系统

二. 社区数据分析

(1) 针对话题的标题和正文提取热词，发现用户关注点

三. 贴士数据分析

(1) 根据贴士浏览量、收藏量、分享量和分享点击量计算出最受用户关注的一些标签和内容

四. 广告分析

(1) 分析用户对投放广告的关注程度，对哪些广告兴趣最大(主要根据用户主动点击数计算，需要排除刷流量)

五. 课程分析

(1) 对课程的浏览量和实际做课程的数量进行排序和计算分布，大致可以分析出美趣平台上用户对课程的需求分布。
(2) 对用户完成每日课程时间的分布计算
(3) 用户的课程偏好，课程排行榜

六. 美趣商城分析

(1) 商品热度和购买量
(2) 单个商品的二次购买率和多次购买率

七. 结合爬虫抓取的数据的分析

(1) 相关健身类网站的频繁词分析
(2) 结合一些公开的指数(阿里指数、百度指数、微博热词等)对时下热门资讯进行汇总和实时汇报，可能对品牌营销有帮助
(3) 收集健身类微博账号URL，爬虫按单位时间对这些账号进行爬取和展示，掌握业界动态并提供参考

八. 其他

(1) 用户搜索词分析，如热词