作為互聯網從業人員，目前看來對數據指标、指标的運用還是需要再深入學習下。終于擠出一些時間重新梳理了關于數據指标相關的一些知識，先梳理下數據指标基礎知識。
先來看一看常見的一些數據指标們
1、DAU：Daily Active User 日活躍用戶量。統計一日（統計日）之内，登陸或使用了某個産品的用戶數（去重）
2、WAU：Weekly Active Users 周活躍用戶量。統計一周（統計日）之内，登陸或使用了某個産品的用戶數（去重）
3、MAU：Monthly Active User 月活躍用戶量。統計一月（統計日）之内，登陸或使用了某個産品的用戶數（去重）
4、DNU：Day New User 日新增用戶，表示當天的新增用戶
5、DOU：Day Old User 日老用戶。當天登陸的老用戶，非新增用戶
6、ACU：Average Concurrent Users 平均同時在線人數
7、PCU：Peak Concurrent Users 最高同時在線人數
8、UV：Unique Visitor 唯一訪問量，即頁面被多少人訪問過
9、PV：Page View 頁面浏覽量，即頁面被多少人看過
10、ARPU：Average Revenue Per User 平均每個活躍用戶收益。
11、ARPPU：Average Revenue Per Paying User 平均每個付費用戶平均收益。統計周期内，付費用戶對産品産生的平均收入。
12、LTV：Life Time Value 生命周期價值。産品從用戶所有互動中獲取的全部經濟收益的總和
13、CAC：Customer Acquisition Cost 用戶獲取成本
14、ROI：Return On Investment 投資回報率。
ROI=利潤總額/投入成本總額*100%
15、GMV：Gross Merchandise Volume 成交總額。是指下單産生的總金額
CMV=銷售額 取消訂單金額 退款金額
16、支付UV：下單并成功支付的用戶數
對于上述這些指标，如果你很陌生，那麼首先可能就會問“這些指标來的呢”，“有些指标直接獲取不到呀”。說到這，不得不提到數據采集的基礎：埋點。一般在設計好數據指标後，我們會有一個“數據埋點”的工程，通常是由産品經理輸出《埋點需求文檔》，然後交予開發進行埋點部署，關于埋點的幾種方式已經在埋點系列裡面，在此不複述了。
埋點是互聯網領域最重要的數據采集手段之一。通俗講就是在web或app植入埋點代碼，用以監控用戶行為事件。通過埋點，我們可以：
獲得用戶行為軌迹
追蹤任一時間段數據的變化
驗證可行性
找出産品設計漏洞等
以電商網站為例，想要統計用戶訪問網站、訪問商品詳情頁、加入購物車、支付訂單到支付成功的轉換率。發現從訂單支付到支付成功轉換率僅有4%，明顯過低。即可分析支付節點是否存在bug，由什麼原因導緻。
大緻的，我認為可以将數據指标分為三大類：綜合性指标、流程性指标、業務性指标。
綜合性指标是能提現産品目前綜合情況的指标。
在非交易網站，比如社交網站，數據指标的用途偏向于了解産品的用戶增長或減少等情況。綜合性指标通暢有：DAU、留存數、留存率、人均使用時長、PV、UV等。
對于交易系型網站，那麼平台關注的綜合性指标通常是：GMV、支付UV、人均訂單數、人均客單價等。
流程性指标是指與用戶操作行為相關的指标。
點擊率：有PV點擊率和UV點擊率，一般使用PV點擊率。
轉換率：下一步操作用戶數/上一步操作用戶數
流失率：（上一步用戶數-下一步用戶數）/上一步用戶數
完成率：完成率相對于轉化率而言，是最終的結果數值。轉化率是過程值，完成率是結果值。
業務性指标是跟産品業務相關的指标。例如視頻網站，則可能需要的業務指标有：視頻播放數、人均觀看時長、人均播放數、播放率等。
數據分析和設計的方法有：事件分析、留存分析、漏鬥分析、分步分析、對比分析和多維度拆解。
事件是追蹤或記錄的用戶行為或業務過程。事件是通過埋點記錄，通過SDK上傳的用戶行為或業務過程記錄。例如，一個視頻内容産品可能包含的事件：1）播放視頻；2）暫停；3）繼續播放；4）分享；5）評論。
一個事件可能包含多個事件屬性，例如，“播放視頻”事件下可能包含的屬性：1）來源；2）是否自動播放；3）播放形态。
留存率是驗證用戶粘性的關鍵指标，設計師和産品經理通常可以利用留存率與競品對标，衡量用戶的粘性和忠誠度。通常重點關注次日、3日、7日、30日即可，并觀察留存率的衰減程度。留存率跟應用的類型也有很大關系。通常來說，工具類應用的首月留存率可能普遍比遊戲類的首月留存率要高。
漏鬥分析就是轉化率分析，是通過計算目标流程中的起點，到最後完成目标節點的用戶量與留存率，流量漏鬥模型在産品中的經典運用是AARRR模型。
衡量每一節點的轉換率，通過異常數據（轉換率過低）找出異常節點，進而确定各個環節的流失率，分析用戶怎麼流失、為什麼流失、在哪裡流失。根據數據改進産品，最終提升整體轉化率。
用戶在某個特定條件下的用戶分組或占比。例如：注冊7天内下單的用戶組、參與過A活動的用戶等。
将不同時段的數據進行對比，找出差值，進行産品優化或驗證設計。
自身産品對比：對比産品不同模塊相似場景的數據，找出問題點。
行業産品對比：與同行業産品進行對比，找出優劣勢，并持續優化。
用不同的維度視角拆分分析統一類數據指标。例如按照不同的省市地區分析、不同的用戶人群、不用的設備等。通過不同維度拆解，找到數據背後的真相。
引入數據分析，就要引入數據模型。數據模型的核心是“分類”，如何選擇或創造适合自身産品的數據模型，我們可以先了解市面上熟知幾大模型。
AARRR是Acquisition、Activation、Retention、Revenue、Referral，這個五個單詞的縮寫，分别對應用戶生命周期中的5個重要環節。
獲取用戶（Acquisition）：首先，你需要從廣告/渠道等去拉新，獲取用戶。然而用戶下載了不一定會安裝，安裝了不一定會使用該應用。所以激活成了這個層次中最關心的數據。
關注指标：CAC（用戶獲取成本 Customer Acquisition Cost）
提高活躍度（Activation）：然後，通過引導用戶注冊等方式來激活他們。
關注指标：DAU（日活躍用戶）、MAU（月活躍用戶）、每次啟動平均使用時長、每個用戶每日平均啟動次數、日活躍率、周活躍率、月活躍率
提高留存率（Retention）：用戶被激活後，剩餘的工作就是如何讓他們留下來，産生粘性。
關注指标：1-Day Retention（次日留存率）、7-Day Retention（D 7日留存率）。曾經有遊戲行業的行家指出，如果想成為一款成功的遊戲，1-Day Retention要達到40%， 7-Day Retention要達到 20%。
獲取收入（Revenue）：收入一般有三種，付費應用、應用内付費及廣告。
關注指标ARPU（平均每用戶收入）、ARPPU（平均每付費用戶收入）、CAC（用戶獲取成本）、LTV（生命周期價值）。LTV – CAC的差值，就可以視為該應用從每個用戶身上獲取的利潤。所以最大化利潤，就變成如何在降低CAC的同時，提高LTV，使得這兩者之間的差值最大化。
用戶推薦（Referral）：以前的運營模型到第四個層次就結束了，但是社交網絡的興起，使得運營增加了一個方面，就是基于社交網絡的病毒式傳播，這已經成為獲取用戶的一個新途徑。這個方式的成本很低，而且效果有可能非常好；唯一的前提是産品自身要足夠好，有很好的口碑。
在整個AARRR模型中，這些量化指标都具有很重要的地位，而且很多指标的影響力是跨多個層次的。及時準确地獲取這些指标的具體數據，對于應用的成功運營是必不可少的。
RARRA模型本質上是通過AARRR模型調整順序得來的，其原因是AARRR專注于獲客(Acquisition)，且是McClure是在2007年編寫的，當時的CAC還比較低廉，上架應用即容易獲得用戶。在互聯網流量高速增長的今天，獲取用戶（Acquisition）已變得非常昂貴，所有應用商城都有百萬個APP，市場競争激烈，簡單發布一個應用就有用戶早已已不再是賺錢的方式。所以，以拉新獲客的增長模式不再适用。現在黑客增長的真正關鍵是留存（Retention）。
RARRA模型是托馬斯·佩蒂特Thomas Petit和賈博·帕普Gabor Papp對于AARRR模型的優化。
用戶留存（Retention）：是RARRA最重要的指标，留存率是反應用戶留存最重要的指标之一。
用戶激活（Activation）：加速用戶激活，為用戶的第一次使用提供盡可能愉快的體驗。确保他們在首次使用時就看到産品的價值所在。
用戶推薦（Referral）：建立有效的推薦系統，讓用戶主動分享和讨論你的産品。
商業變現（Revenue）：提高用戶的LTV（Lifetime Value），用戶留存越長，對業務的價值越大。
用戶拉新（Acquisition）：鼓勵老用戶帶來新用戶；優化獲客渠道，通過渠道群組分析找出最适合你産品的獲客渠道。
Google’s HEART是一個用來評估以及提升用戶體驗的模型，它由五個維度組成：Engagement（參與度）、Adoption（接受度）、Retention（留存度）、Task Success（任務完成度）和Happiness（愉悅度）。
用戶體驗指數的維度有三個，分别為：滿足需求、簡單地和愉快地。
以上就是幾個常見的數據指标模型，我們可以通過分析每個模型的背景和用途來學習其中的指标思路，并創造出适合自己團隊的數據模型。
為了對指标進行統一管理，方便維護和共享，我們需要創建指标字典。指标字典可以是Excel表，或者其他記錄形式。在數據量大的複雜環境中，一般将指标管理功能放在數據管理系統中。
指标一般分為三類：基礎指标、普通指标、計算指标。
指沒有更上遊的指标，即它的父級指标就是它自身。例如“團購交易額”、“訂單量”、“日活躍用戶數”。
指在單一父級指标的基礎上限定某個維度得到的指标。例如“PC端團購交易額”，限制條件為“下單平台=PC”。
指在若幹個描述型指标上通過四則運輸、排序、累計或彙總定義出的指标為計算指标。例如“客單價”、“ARPU”等
指标字典通暢包含指标維度和指标量度兩大部分，例如
指标字典的維度
指标字典的量度
指标的最終目的是用來衡量産品的是否符合預期，并為後續産品優化工作提供思路和方向。
例如我們改版的核心指标是提高用戶注冊人數，那我們關注的就是注冊轉換率，先看從點擊注冊到注冊成功步驟的流失率，找出流失最大的節點最優化方案。等優化上線後，對比轉化率的變化。
如果我們改版的核心指标是人均觀看次數，則思考下什麼策略既可以提升播放次數，又不費什麼成本。比如新浪微博視頻，以前看完視頻後有重播按鈕和其他推薦的視頻，改版後看完這個視頻會自動播放下一個視頻。這樣的設計雖然比較粗暴，但明顯提高了視頻播放次數。
怎樣用指标量化設計價值。簡單粗暴舉個栗子，比如活動上線後，點擊率是4.8%，每天的活動GMV約200萬，當重新設計了活動頁面後，在其他條件不變的情況下，點擊率提升到了8%，活動GMVd達到了700萬。那麼增加的500萬則是通過設計帶來的收益。
,更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!
zpostcode 
Recruit 
weather 
mreligion 
Yellowpages 
sport 
constellation 
shopping 
name 
game 
directory 
literature 
Word 
tour 
furnish 
Lottery 
tftnews 
lyrics 
News 
digital 
car 
dir 
Edu 
Finance 
