產品運營數據分析框架應該包含哪些重要指標？

01-01

最近在找產品運營方面的實習，有些面試提到了我對互聯網產品數據分析框架的看法，我能想到的有新增用戶（1.推廣渠道的註冊用戶。2.用戶邀請帶來的「病毒」用戶）、用戶活躍度（周）、用戶的關注點（常用功能）、用戶平均停留時間、免費及收費渠道的轉化率以及對通過用戶信息對不同用戶關注點進行細分等，但感覺自己能說到還只是個大概，求助下有沒有一些比較好的思路。

其實每個網站的數據指標板塊都不一樣，我的思路一般就是按業務模塊，從用戶—訂單—渠道—活動等各個業務流程，去一一分析自己的網站（當然數據也不是網站的真實數據，不過數據維度是ok的），看看能不能給你點啟發。

1、網站整體運營情況；

2、訂單數據；

訂單模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_ec43665084d4e2d90d36f066b892093a

3、用戶行為數據；

用戶模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_a77fa6b9e48a19e02cc2923f46618344

4、客戶諮詢數據；

諮詢模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_40f607d5b15157efb5a432ddd29157e6

5、推廣投放數據；

投放模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_1aca4cbbcad96dc7559d0ba1ad2be5a1

6、營銷活動數據:

BDP分享儀錶盤，分享可視化效果

7、營銷簡訊數據（有的童鞋專門負責介個）

https://me.bdp.cn/share/index.html?shareId=sdo_e8077844bc8e370da8cd68fe1f939879

8、微博數據也可以來一個：

https://me.bdp.cn/share/index.html?shareId=sdo_dcdc32da6bedb30c7d10d3c7f6b7d8db

9、財務數據：盈利、成本等

https://me.bdp.cn/share/index.html?shareId=sdo_f4d1242de67b9ad86bff2383ad55e5af

大概總的就是這麼多，具體就多了，當然每個網站的情況肯定不太一樣哈，且做且總結吧！！！

《精益數據分析》的第二部分的標題是「找到當前的正確指標」。

這個標題中有兩個比較重要的形容詞，一個是當前，一個是正確。

所以它蘊含著兩個更深層的意思，第一是指標並不是一成不變的，它會根據你的行業、公司所處的階段而改變；第二是，我們很容易把指標找錯，而只有正確的指標才能指導你的運營工作。

題主提到的新增用戶、用戶活躍度、停留時長、常用功能或者各渠道轉化率等等，都是很重要的用戶行為數據，這些數據告訴我們，用戶是誰？從哪裡來？在網站/App 幹了什麼？這些數據，應該成為數據分析的基礎數據，我們可以基於這些行為數據去做更深度的分析。因為它們只能告訴你網站的大概情況，但是通常不太能很好地指導你工作。

在這裡我想引用 GrowingIO 2017 年第 2 期電子書《數據運營手冊：方法、工具、案例》裡面的一篇文章--《如何找選擇正確的數據指標》，希望能幫答主解答一些疑問。

如果對電子書感興趣的，也可以直接免費下載《數據運營手冊：方法、工具、案例》。

如何選擇正確的數據指標？

本文作者：曲卉，Acorns 市場總監。

「 North Star Metric 」北極星指標，又叫做「 OMTM " One metric that matters , 唯一重要的指標。

之所以叫北極星指標，是因為這個指標一旦確立，就像北極星一樣，高高閃耀在天空中，指引著全公司上上下下，向著同一個方向邁進。

Part 1 | 為什麼北極星指標那麼重要？

找到公司的北極星指標，是做增長的第一步，也是至關重要的一步。為什麼這麼說？

第一，做增長涉及到公司運營的方方面面，沒有一個明確的數據指標指引，很容易眉毛鬍子一把抓，而無法有效地集中火力抓住重點。

第二，當公司到達一定規模，一個共同的目標可以幫助把團隊調整到同一個方向上，並且明確任務的優先順序。

第三，設定一個數據指標，能夠大幅提高行動力。如同 YC 聯合創始人 Paul Graham 所說：一旦你選定了你的目標，你只有一件事可以做，努力達到那個目標。通過這一個目標，你可以知道公司的狀況，有針對性地上線各種項目和試驗，然後觀察有無成效。

Part 2 | 兩個選擇數據指標的案例

如果上面的陳述還是讓你覺得太枯燥，一起來聽聽關於北極星指標的兩個故事吧。

一、美劇《矽谷》中的 Pied Piper

最近大熱的HBO美劇，Sillicon Valley 矽谷，剛剛出了三季，已經充分地俘獲了廣大馬工和非馬工的心。我的很多程序員朋友都在追，一致的評價是非常寫實，而且幾乎有點太寫實了。從某搜索引擎大公司內部的浮誇文化，到形形色色的奇葩風險投資人，再到Pied Piper從一個程序員Richard的業餘項目跌跌撞撞成長為獨立的公司。

走過融資燒錢幾度瀕臨破產又置之死地而後生的全過程，簡直可以稱為一部活脫脫華麗麗的矽谷真人秀。

在第三季的倒數第二集，當投資人和公司員工興奮地開 party 慶祝 Pied Piper 的重大里程碑500,000 個安裝用戶時，公司的 CEO Richard 卻處在巨大的恐慌中。

為什麼？因為在這 500，000 次安裝用戶里，只有 19，000，也就是不到 4% 的日均活躍用戶（DAU)。

安裝數不用解釋，日均活躍用戶（DAU)在這裡指的是每天至少登錄 Pied Piper 平台一次的用戶，用戶下載多固然好，但是這裡面有很多是因為剛剛上市的宣傳，媒體報道和品牌效應，而高下載低活躍用戶比例恰恰說明了產品還存在巨大的問題。

在接下來的劇集里，Richard 和他的團隊走上了想法設法增加 DAU 的漫漫長路，無所不用其極，甚至還一度採用了從印度皮包公司買點擊的辦法。

Richard 自帶主角光環，Piped Piper 很可能會逢凶化吉。在現實世界中，如果你選擇了一個錯誤的指標作為公司的北極星指標，而你卻不自知，你會把公司置於一個十分危險的境地。

二、Facebook 如何突破 MySpace 重圍

早在 Facebook 成立之前，美國社交網路的老大是 MySpace。MySpace 歷史久，用戶多，還有東家加大金主新聞集團撐腰，從任何一個角度看都應該可以輕易碾壓由幾個大學輟學生創辦的 Facebook，最終卻輸得一敗塗地。

其中的原因當然不只一個，但是有一個有趣的區別是：MySpace 公司運營的主要指標是註冊「用戶數」，而 Facebook 在 Mark 的指引下，在成立的早期就把「月活躍用戶數」作為對外彙報和內部運營的主要指標。

你可能聽說過所謂的虛榮指標，「Vanity Metric"。我們並不能說註冊用戶數是一個徹頭徹腦的 Vanity Metric，但它卻有」虛榮「的成分在。怎麼講？如果 Myspace 號稱自己有 100 萬註冊用戶，這裡面有多少是5年前註冊的，有多少註冊之後從來沒有二次訪問過，有多少試用了幾次就成為了殭屍用戶，有多少仍然使用但是半年才上線一次？

100 萬的註冊用戶可能在投資人那裡看起來好看，在員工那裡說起來好聽，但在公司的內部運營上，它也可能讓 MySpace 錯誤估計了形勢，走偏了方向，抓錯了重點，最終在和 Facebook 的較量中敗下陣來。

相比之下，從「用戶數」到「月活躍用戶數」，看起來只是多了三個字，卻確保了 Facebook 內部的任何決策都是指向真實持續的活躍用戶增長。我最佩服 Mark Zuckburg 的一點是，他不僅把月活躍用戶數作為內部的北極星指標，還堅持對外彙報同一個指標，以此來確保監督公司的運營策略永遠誠實地對用戶價值負責，而不是追求簡單粗暴的短期增長。

要知道這一點並不容易做到，現在很多公司仍然選擇對投資人披露一個注過水的「半虛榮指標」，以求數字好看。

數據指標從來都不只是指標，它代表了管理層對用戶價值和公司成功關係之間的理解，也會指導每個基層員工在日常工作中的一次次決策和執行。走正，和跑偏之間，也許只有一個北極星指標的區別。

Part 3 | 如何找到北極星指標

說說我自己的經驗吧，我最近加入了一家做個人金融類的App公司，主要負責用戶留存。我入職之後做的第一件事情不是大張旗鼓地開始做增長實驗，而是開展了一系列數據分析和內部討論，最終我的第一個建議是停止使用公司現有的留存指標，轉而使用一個新的指標。

得到整個團隊的認同之後，然後才開始針對新指標的增長實驗。通過上面兩個故事，我想你不難明白我為什麼要把這個作為第一步。

一、衡量北極星指標的 6 個標準

那麼，如何找到一個合適的北極星指標呢？

首先聲明，這個過程並不是一蹴而就的事情，也可能需要多次的嘗試和改版。開始之前，把你腦子裡有的一些指標寫下來，問自己下面一些問題，可能會幫助你找到大概的方向：

1.你的產品的核心價值是什麼？這個指標可以讓你知道你的用戶體驗到了這種價值嗎？

比如說，我現在公司做的是投資 App，那麼用戶的核心價值就是投資，所以這個北極星指標應該和投資有關；

2.這個指標能夠反映用戶的活躍程度嗎？

在上面的例子里，Myspace 的「註冊用戶數」就沒有反應用戶的活躍程度；

3.如果這個指標變好了，是不是能說明你的整個公司是在向好的方向發展？

比如說，對於 Uber 來說，如果只是把註冊司機數作為北極星指標，顯然就忽略了乘客這一方面。因此 Uber 的北極星指標應該能夠反映司機和乘客的供需平衡，所以「總乘車數」就是更為合適的一個指標。

4.這個指標是不是很容易被你的整個團隊理解和交流呢？

一般來說，建議選一個絕對數作為北極星指標，而不是比例或百分比：比如說，「總訂單數」就比「訂單額超過 100 元的訂單比例」好理解

5.這個指標是一個先導指標，還是一個滯後指標？

比如說，SaaS 公司喜歡使用收入作為北極星指標，這不是一個壞指標，但是它確是一個滯後指標。有的用戶很可能已經停止使用幾個月了，卻還在付月費。在這種情況下，」月活躍用戶數「可能是一個更好的先導指標。

6.這個指標是不是一個可操作的指標？

簡單地說，如果對於一個指標，你什麼也做不了，那它對你來說相當於不存在。

二、3 個案例搞清北極星指標

幾個北極星指標的例子：

三、在業務實踐中不斷優化

最後，不要苛求完美，不要試圖一步到位，尋找北極星指標也不是一道只有唯一解的數學題，很多指標之間都有相關性，選哪個並沒有本質區別。

藉助數據分析工具，如國外的 Mixpanel、和國內的 GrowingIO，來持續監控你的北極星指標，在業務實踐中不斷優化。你的目標是為你的團隊找到一個最適合現階段的聚焦點，讓大家在日常工作中能夠齊心協力向著一個方向前進。

畢竟，任何方法論都是為了幫助你更好地達成目標。不管是北極星，還是南極星，只要能照著我們走到終點，都是好星星。

我覺得題主的問題提的很好，我這裡就貼一篇之前網上挺火的一篇關於數據體系的文章，希望可以幫到你！

騰訊數據總監：運營人員必須掌握的APP基礎數據分析體系 - App推廣鳥哥筆記

在互聯網公司，任何一個APP都應該事先規劃好數據體系，再允許上線運營，有了數據才可以更科學、更省力地運營。本文將為大家介紹APP的基礎數據指標體系。

APP的數據指標體系主要分為五個維度，包括：

1、用戶規模與質量、
2、參與度分析渠道分析、
3、功能分析以及用戶屬性分析。

用戶規模和質量維度主要是分析用戶規模指標，這類指標一般為產品考核的重點指標；參與度分析主要分析用戶的活躍度；渠道分析主要分析渠道推廣效果；功能分析主要分析功能活躍情況、頁面訪問路徑以及轉化率；用戶屬性分析主要分析用戶特徵。本文將詳述這五大維度。

一、用戶規模和質量

用戶規模和質量的分析包括活躍用戶、新增用戶、用戶構成、用戶留存率、每個用戶總活躍天數五個常見指標。用戶規模和質量是APP分析最重要的維度，其指標也是相對其他維度最多，產品負責人要重點關注這個維度的指標。

(1)活躍用戶指標

活躍用戶指在某統計周期內啟動過應用(APP)的用戶。活躍用戶數一般按照設備維度統計，即統計一段周期內啟動過的設備(如手機、平板電腦)數量。活躍用戶是衡量應用用戶規模的指標。通常，一個產品是否成功，如果只看一個指標，么這個指標一定是活躍用戶數。很多互聯網企業對產品負責人的KPI考核指標都以活躍用戶數作為考核指標。活躍用戶數根據不同統計周期可以分為日活躍數(DAU)、周活躍數(WAU)、月活躍數(MAU)。大多數希望用戶每天都打開的應用如新聞APP、社交APP、音樂APP等，其產品的KPI考核指標均為日活躍用戶數(DAU)。為什麼?如果這些APP考核的指標是月活躍用戶數，郡么會出現什麼狀況孑月活躍用戶只要求用戶在一個月內啟動應用一次既可以計算為月活躍用戶，所以，一個本應該每天都要啟動的應用，如果用月活躍用戶數作為KPI來考核，郡么會出現產品運營負責人。偷懶。的情況，產品運營人員只需要每月想辦法讓用戶啟動一次即可，也許向用戶推送兩三個活動就可以實現，這樣的考核會導致產品不夠吸引力至是不健康。如果用日活躍用戶來作為KPI來考核這個產品，郚么產品運營負責人一定會設計讓用戶每天都想用的功能或者更新每天用戶都想看的內容來吸引用戶來使用。

(2)新增用戶指標

新增用戶是指安裝應用後，首次啟動應用的用戶。按照統計時間跨度不同分為日、周、月新增用戶。新增用戶量指標主要是衡量營銷推廣渠道效果的最基礎指標；另一方面，新增用戶占活躍用戶的比例也可以用來用于衡量產品健康度。如果某產品新用戶佔比過高，郡說明該產品的活躍是靠推廣得來，這種情況非常值得關注，尤其是關注用戶的留存率情況。

(3)用戶構成指標

用戶構成是對周活躍用戶或者月活躍用戶的構成進行分析，有助於通過新老用戶結構了解活躍用戶健康度。以周活躍用戶為例，周活躍用戶包括以下幾類用戶，包括本周迴流用戶、連續活躍n周用戶、忠誠用戶、連續活躍用戶。本周迴流用戶是指上周未啟動過應用，本周啟動應用的用戶；連續活躍n周用戶是指連續n周，每周至少啟動過一次應用的活躍用戶；忠誠用戶是指連續活躍5周及以上的用戶；連續活躍用戶是指連續活躍2周及以上的用戶；近期流失用戶是指連續n周(大等於1周，但小於等於4周)沒有啟動過應用但用戶。

(4)用戶留存率指標

用戶留存率是指在某一統計時段內的新增用戶數中再經過一段時間後仍啟動該應用的用戶比例。用戶留存率可重點關注次日、7日、14日以及30日留存率。次日留存率即某一統計時段(如今天)新增用戶在第二天(如明天)再次啟動應用的比例；7日留存率即某一統計時段(如今天)新增用戶數在第7天再次啟動該應用的比例；14日和30日留存率以此類推。用戶留存率是驗證產品用戶吸引力很重要的指標。通常，我們可以利用用戶留存率對比同一類別應用中不同應用的用戶吸引力。如果對於某一個應用，在相對成熟的版本情況下，如果用戶留存率有明顯變化，則說明用戶質量有明顯變化，很可能是因為推廣渠道質量的變化所引起的。

(5)每個用戶總活躍天數指標

每個用戶的總活躍天數指標(TAD,TotalActive Days per User)是在統計周期內，平均每個用戶在應用的活躍天數。如果統計周期比較長，如統計周期一年以上，郡么，每個用戶的總活躍天數基本可以反映用戶在流失之前在APP上耗費的天數，這是反映用戶質量尤其是用戶活躍度很重要的指標。

二、參與度分析

參與度分析的常見分析包括啟動次數分析、使用時長分析、訪問頁面分析和使用時間間隔分析。參與度分析主要是分析用戶的活躍度

(1)啟動次數指標

啟動次數是指在某統計周期內用戶啟動應用的次數。在進行數據分析時，一方面要關注啟動次數的總量走勢，另一方面，則需要關注人均啟動次數，即同一統計周期的啟動次數與活躍用戶數的比值，如人均日啟動次數，則為日啟動次數與日活躍用戶數的比值，反映的是每天每用戶平均啟動次數。通常，人均啟動次數和人均使用時長可以結合一起分析。

(2)使用時長

使用總時長是指在某一統計統計周期內所有從APP啟動到結束使用的總計時長。使用時長還可以從人均使用時長、單次使用時長等角度進行分析。人均使用時長是同一統計周期內的使用總時長和活躍用戶數的比值；單次使用時長是同一統計周期內使用總時長和啟動次數的比值。使用時長相關的指標也是衡量產品活躍度、產品質量的重要指標，道理很簡單，用戶每天的時間是有限的且寶貴的，如果用戶願意在你的產品投入更多的時間，證明你的應用對用戶很重要。啟動次數和使用時長可以結合一起分析，如果用戶啟動次數高，使用時長高，該APP則為用戶質量非常高，用戶粘性好的應用，比如現在很流行的社交應用。

(3)訪問頁面

訪問頁面數指用戶一次啟動訪問的頁面數。我們通常要分析訪問頁面數分布，即統計一定周期內(如1天、7天或30天)應用的訪問頁面數的活躍用戶數分布，如訪問1-2頁的活躍用戶數、3-5頁的活躍用戶數、6-9頁的活躍用戶數、10-29頁的活躍用戶數、30-50頁的活躍用戶數，以及50頁以上的活躍用戶數。同時，我們可以通過不同統計周期(但統計跨度相同，如都為7天)的訪問頁面分布的差異，以便於發現用戶體驗的問題。

(4)使用時間間隔

使用時間間隔是指同用戶相鄰兩次啟動的時間間隔。我們通常要分析使用時間間隔分布，一般統計一個月內應用的用戶使用時間間隔的活躍用戶數分布，如使用時間間隔在1一天內、1天、2天······7天、8-14天、1 5一30天的活躍用戶數分布。同時，我們可以通過不同統計周期(但統計跨度相同，如都為30天)的使用時間間隔分布的差異，以便於發現用戶體驗的問題。

三、渠道分析

渠道分析主要是分析各渠道在相關的渠道質量的變化和趨勢，以科學評估渠道質量，優化渠道推廣策略。渠道分析需要渠道推廣負責人重點關注，尤其是目前移動應用市場渠道作弊較為盛行的情況下，渠道推廣的分析尤其是要重點關注渠道作弊的分析。
渠道分析包括新增用戶、活躍用戶、啟動次數、單次使用時長和留存率等指標。這些指標均在上文闡述過，在此就不在贅述。以上提到的只是渠道質量評估的初步維度，如果還需要進一步研究渠道，尤其是研究到渠道防作弊層面，指標還需要更多，包括：判斷用戶使用行為是否正常的指標，如關鍵操作活躍量佔總活躍的佔比，用戶激活APP的時間是否正常；判斷用戶設備是否真實，如機型、操作系統等集中度的分析。
總之，如果要深入研究渠道作弊，演算法的核心思想是研究推廣渠道所帶來的用戶是否是真的「人」在用，從這個方向去設計相關的評估指標和演算法，如某渠道帶來的用戶大部分集中在凌晨2點使用APP,我們就認為這種渠道所帶來的用戶很可能不是正常人在使用，至是機器在作弊。

四、功能分析

功能分析主要分析功能活躍情況、頁面訪問路徑以及轉化率。這些指標需要功能運營的產品經理重點關注。

(1)功能活躍指標

功能活躍指標主要關注某功能的活躍人數、某功能新增用戶數、某功能用戶構成、某功能用戶留存。這些指標的定義與本文第一部分的。用戶規模與質量。的指標類似。只是，本部分只關注某一功能模塊，而不是APP整體。

(2)頁面訪問路徑分析

APP頁面訪問路徑統計用戶從打開應用到離開應用整個過程鍾每一步的頁面訪問和跳轉情況。頁面訪問路徑分析的目的是在達到APP商業目標之下幫助APP用戶在使用APP的不同階段完成任務，並且提高任務完成的效率。APP頁面訪問路徑分析需要考慮以下三方面問題

(a)APP用戶身份的多樣性，用戶可能是你的會員或者潛在會員，有可能是你的同事或者競爭對手等
(b)APP用戶目的多樣性，不同用戶使用APP的目的有所不同；
(c)APP用戶訪問路徑的多樣性，即時是身份類似、使用目的類似，但訪問路徑也很可能不同。

因此，我們在做APP頁面訪問路徑分析的時候，需要對APP用戶做細分，然後再進行APP頁面訪問路徑分析。最常用的細分方法是按照APP的使用目的來進行用戶分類，如汽車APP的用戶便可以細分為關注型、意向型、購買型用戶，並對每類用戶進行基於不同訪問任務的進行路徑分析，比如意向型的用戶，他們進行不同車型的比較都有哪些路徑，存在什麼問題。還有種方法是利用演算法，基於用戶所有訪問路徑進行聚類分析，基於訪問路徑的相似性對用戶進行分類，再對每類用戶進行分析。

(3)漏斗模型

漏斗模型是用於分析產品中關鍵路徑的轉化率，以確定產品流程的設計是否合理，分析用戶體驗問題。轉化率是指進入下一頁面的人數(或頁面瀏覽量)與當前頁面的人數(或頁面瀏覽量)的比值。用戶從剛進入到完成產品使用的某關鍵任務時(如購物)，不同步驟之間的轉換會發生損耗。如用戶進入某電商網站，到瀏覽商品，到把商品放入購物車，最後到支付，每一個環節都有很多的用戶流失損耗。通過分析轉化率，我們可以比較快定位用戶使用產品的不同路徑中，邧一路徑是否存在問題。當然，對於產品經理，其實不用每天都看轉化率報表，我們可以對每天的轉化率進行連續性的監控，一旦轉化率出現較大的波動，便發告警郵件給到相應的產品負責人，以及時發現產品問題。

五、用戶屬性分析

用戶屬性分析主要從用戶使用的設備終端、網路及運營商分析和用戶畫僚角度進行分析

(1)設備終端分析

設備終端的分析維度包括機型分析、解析度分析和操作系統系統分析，在分析的時候，主要針對這些對象進行活躍用戶、新增用戶數、啟動次數的分析。即分析不同機型的活躍用戶數、新增用戶數和啟動次數，分析不同解析度設備的活躍用戶數、新增用戶數和啟動次數，分析不同操作系統設備的活躍用戶數、新增用戶數和啟動次數。

(2)網路及運營商分析

網路及運營商主要分析用戶聯網方式和使用的電信運營商，主要針對這些對象進行活躍用戶、新增用戶數、啟動次數的分析。即分析聯網方式(包掲Nifi、2G、3G、4G)的活躍用戶數、新增用戶數和啟動次數，分析不同運營商(中國移動、中國電信、中國聯通等)的活躍用戶數、新增用戶數和啟動次數

(3)地域分析

主要分析不同區域，包括不同省市和國家的活躍用戶數、新增用戶數和啟動次數。

(4)用戶畫徐分析

用戶畫分析包括人口統計學特徵分析、用戶個人興趣分析、用戶商業興趣分析。人口統計學特徵包括性別、年齡、學歷、收入、支出、職業、行業本；用戶個人興趣指個人生活興趣愛好的分析，如聽音樂、看電影、健身、養寵物等；用戶商業興趣指房產、汽車、金融等消費領域的興趣分析。用戶畫懍這部分的數據需要進行相相關的畫@數據採集，才可以支撐比較詳細的畫僚分析。

這些主要介紹了APP基礎的數據分析體系，還有更多的指標體系需要根據APP的特性進行特殊設計，比如，搜索AP P需要關注與其特性相關的指標如搜索關鍵詞數、人均搜索關鍵詞數等。另外，還有一個非常值得關注的是，很多產品經理或者運營人員認為本文提到的很多指標，產品上線後便自然可以看到，這是一個非常常見的誤區。因為，本文提到的大多數指標，如果不進行數據打點上報，並進行相關的數據開發統計，就不能看不到相關的數據報表。所以，產品經理在產品上線前一定要規劃好自己所負責的產品的數據體系，驅動開發進行相關的數據採集上報，並在運營過程中，動態優化和豐富數據體系。

如果你也是0-3歲的產品運營，那麼這個公眾號適合你：藝林小宇（cs-jy8）

http://weixin.qq.com/r/pzvF3fHEJaxarbW_9261 (二維碼自動識別)

在產品的日常迭代中，充斥著大量的數據指標，讓人霧裡看花，終隔一層，如何撥開數據迷霧，發現那些有意義的關鍵指標成為每個產品人員所必備的技能。作者阿利斯泰爾和本傑明在《精益數據分析》一書中就如何發現好的數據指標以及如何進行數據分析提出了眾多實用、可操作的建議，讓我們更加精準地甄別觀點和事實，發現通往成功的路口。

一、好的數據指標

為了發現正確的產品和市場，需要對大量的指標進行追蹤與分析，以求發現其中的奧秘。好的數據指標可以揭示那些你所期望的變化，它們通常具有以下四個特點：

1.好的數據指標是比較性的。能比較性的指標可以讓你更好的洞察產品的實際走向，例如「本周的用戶轉化率高於上周」顯然比「轉化率為2%更有意義」。

2.好的數據指標是簡單易懂的。如果一個指標無法易於記憶或討論，那麼人們通過改變其來改善產品狀況將十分困難。

3.好的數據指標是一個比率。原因有三：

比率的可操作性強，是行動的嚮導。相較於行車裡程，速度（距離/小時）可以告訴你當前的行駛狀態，以及是否需要調整速度來保證按時抵達。
比率天生是比較性指標。通過比較你才能知道當前經歷的一個短期的突躍，還是一個長期的漸變。只有將當前速度與平均速度相對比，你才能知道自己是加速還是減速。
比率適用於比較各種因素間是否正/負相關。就開車而言，單位時間內行使里程/罰單數這個比率顯示了二者的關聯性。開的越快，行駛里程越多，收到的罰單也越多。通過這個比率可以幫你決定是否應該超速。

4.好的數據指標會改變行為。「會計」指標（例如日銷售額）可以讓你進行更準確的財務預測；「試驗」指標（例如某個測試結果）可以助你優化產品、定價以及市場定位。一個好的數據指標之所以能改變商業行為，是因為它與你的目標（保留用戶，鼓勵傳播，獲取新用戶或者創造營收）是一致的。只有與目標有關的指標才是有效的衡量指標。

二、遠離虛榮指標

如果你有一個數據，卻不知如何根據它採取行動，該數據就是一個虛榮指標。虛榮指標看上去很美，讓你感覺良好，但它除了讓你自我膨脹之外，無法為你的下一步行動提供任何指導。

下面是最常見的8個虛榮指標，擦亮你的雙眼，對它們敬而遠之：

1.點擊量。無論什麼網站，只要上面可點擊的東西很多，這個數字就會很高。關注人們點擊了多少次遠沒有關注有多少人點擊更有意義。

2.頁面瀏覽量（PV值）。除非你的商業模式直接與PV值掛鉤（即展示廣告），否則訪問人數更應值得你去關注。

3.訪問量。1個用戶訪問了100次和100個用戶訪問了一次，數值貌似一致，本質完全不同。

4.獨立訪客數。通過其你只能知曉多少人訪問了網頁，卻無法了解他們在頁面上做了什麼，為什麼停留，是否離開。

5.粉絲/好友/贊的數量。在社交網站上，有多少粉絲響應你的活動，遠比你有多少粉絲更有價值。

6.網站停留時間/瀏覽頁數。除非你的商業模式與這兩個指標綁定，否則統計它們並不能說明多少問題。比如，用戶在客服或投訴頁面時間上停留了很長時間，不見得是什麼好事。

7.收集到的用戶郵件地址數量。如果沒有人打開你的郵件並為郵件中的內容買單，縱使有再多的用戶郵件地址也是枉然。你應該向一部分註冊用戶發送測試郵件，看他們是否會按照郵件中的提示去做。

8.下載量。除了影響你在應用商店中的排名，下載量（付費應用除外）本身並不帶來價值。相反，你更應該去關注應用下載後的激活量、帳號創建量等等。

三、專註關鍵指標

專註是創業成功者最突出的品質，對於數據指標亦是如此。在任意指定時間裡，總有一個指標值得你關心它勝過一切，我們將其稱為第一關鍵指標OMTM（One Metric That Matters）。第一關鍵指標就是你在當前階段需要集中全部注意力去關注的數字。

正確地選擇OMTM可以讓你在更短的時間內做更多的控制變數實驗，且更有效地比較結果，之所以使用第一關鍵指標有四個理由：

1.它回答了現階段最重要的問題。當你面對100個問題的時候，你需要儘快評估最大的風險來自何方，確定當下最重要的問題。當你明確了正確的問題，也就知道了跟蹤什麼樣的指標（OMTM）才能解答這個問題。

2.它促使你得出初始基線並建立清晰的目標。在確定需要集中精力去解決的關鍵問題之後，你需要為之設定目標，並定義何為成功。

3.它關注的是整個公司層面的健康。減少跟蹤的指標的數量有助於你對全局的把握，盡量少的指標可以讓公司擰成一股繩，朝著同一個方向使勁。

4.它鼓勵一種試驗文化。通過試驗經歷小的挫折，能使你避開大的失敗。當所有人都聚焦於OMTM，並有機會進行獨立實驗時，這將是一股強大的力量。

四、確定關鍵指標

1.確定商業模式

你的賺錢方式決定了你應關注的指標。賺錢方式也就是所謂的商業模式，它取決於你如何銷售、如何送達你的產品或服務、如何獲取客戶以及如何從他們身上賺錢。根據獲取渠道、銷售手段、營收來源、產品類型和送達模式，商業模式可以分為6種類型：

電子商務：讓訪客在其網店上購買商品，以物換錢。
SaaS：按需提供軟體，並以月費或年費的形式獲取收益。
免費移動應用：通過內部購買、付費功能或廣告等獲得收入。
媒體網站：植入的在線廣告是其重要財源。
用戶生成內容：關注優質內容的生成，依靠廣告或捐助來盈利。
雙邊市場：通過幫助買家和賣家在網上達成交易獲取收益。

2.確定創業階段

知商業模式易，曉創業階段難，高估自己公司的發展階段是創業者最常犯的錯誤。根據精益創業理論，創業可以分為五個階段：

移情：深入目標市場，了解人們所關心的問題。
黏性：確定自己是否找到了已發現問題的解決方案。
病毒性：在保證產品或服務的黏性後，即可開始口碑營銷，獲取用戶。
營收：營收最大化並對其優化。
規模性：盈利後，公司從自身發展模式切換至市場擴張模式。

3.得出關鍵指標

完成上述工作後，將6種商業模式和精益創業的5階段進行交叉，便可以得出每一個階段每種商業模式所需要關注的具體關鍵指標，如下表所示。

表1 根據商業模式和所處階段得出的重要指標（來源：《精益數據分析》）

確定關鍵指標之後，下一個的問題也會隨之明確：後續我該嘗試什麼，如何進行正確的選擇？

現在你已經撥開迷霧，發現了通往成功的路口，接下來你需要的是通過指標分析，做出更加聰明、更加敏捷、更加迭代性的決策。

產品數據化運營的關鍵指標包括銷售類指標、促銷活動類指標、供應鏈類指標。這裡列出了每類中最常用的指標。

6.2.1 銷售類指標

1. 訂單量/商品銷售量

訂單量指用戶提交訂單的數量，計算邏輯去重後的訂單ID的數量。

商品銷售量又稱銷售件數，指銷售商品的數量。

訂單量用來衡量唯一訂單的數量，而商品銷量用來衡量商品的總數量。例如訂單編號為A901的訂單中包含A和B兩種商品，A商品數量為1，B商品數量為2，那麼該訂單的商品銷售量總計為3，而訂單量為1。

2. 訂單金額/商品銷售金額

訂單金額為用戶提交訂單時的金額，又稱為應付金額。訂單金額是用戶真正應該支付的金額。計算公式為：訂單金額 = 商品銷售金額 + 運費 - 優惠憑證金額 – 其他折扣（如滿減）

其中：運費指未滿足免郵費的訂單需要支付的配送費用，優惠憑證金額指通過優惠券、積分兌換、會員卡等可作為金額使用的抵充金額，其他折扣信息包括滿減信息（如滿1000減200）等。

商品銷售額是指商品銷售的金額，商品銷售額與訂單金額的區別在於沒有計算任何其他費用或優惠金額。計算公式為：商品銷售額 = 商品銷售單價 × 銷售數量

訂單金額和商品銷售金額都會作為商品總銷售收入的評估指標，前者主要側重於用戶實際付款，後者側重於總收入。

3. 每訂單金額/客單價/件單價

每訂單金額指平均每個訂單的金額，它是以訂單為單位計算。公式：每訂單金額 = 訂單金額 / 訂單量。

客單價指平均每個用戶的下單金額，是以用戶為計算單位。公式：每訂單金額 = 訂單金額 / 訂單用戶量。

件單價又稱每件商品價值，指平均每個商品的銷售價格。公式：件單價 = 訂單金額 / 商品銷售量。

這三個指標用來評估單位對象的價值產出，分別側重於訂單個體、用戶個體和商品個體。

4. 訂單轉化率

訂單轉化率是電子商務網站最重要的評估指標之一，大多數網站分析工具的計算公式為：訂單轉化率 = 訂單量 / 總訪問量或訂單轉化率 = 訂單量

/ 總UV量，這種計算方式實際上不科學，原因是它衡量的不是人的轉化比例。假如一個用戶下多個訂單或網站存在訂單拆分的情況，會使訂單量大大高於實際訂單人數，導致訂單轉化率虛高。正確的計算方法為：訂單轉化率 = 產生訂單的訪問量 / 總訪問量或產生訂單的UV / 總UV量。

提示這裡沒有使用用戶ID作為分子和分母，原因是大多數用戶在到達網站時不會主動登錄，只有在有訂單或必須用戶登錄的條件下才能獲取用戶ID信息，無法統計到的用戶ID便不會加入到分母后，導致數據缺失。

5. 支付轉化率

支付轉化率是衡量用戶支付轉化的數據指標，是用戶完成購物的重要步驟，更是企業產生真實銷售價值的關鍵。計算公式為：支付轉化率 = 完成支付的客戶數 / 需要支付的客戶數

支付轉化率是針對選擇先款後貨客戶的轉化評估指標，因此它只能評估訂單用戶中的一部分。對於選擇貨到付款的用戶無需該指標評估，用戶會在配送驗證的時候支付。另外，由於每個訂單都對應真實的客戶，因此這裡客戶數計算支付轉化率。

6. 有效訂單量/有效訂單金額/有效商品銷售量/有效商品銷售額

當用戶提交訂單後，其訂單狀態不一定有效，原因是銷售公司都有訂單審核過程會導致部分訂單無效，並且很多用戶下單後也會主動取消訂單或由於超出特定訂單規則外而被動取消。不同公司對有效的定義會有差別，但基本邏輯類似，有效訂單中會去除審核未通過、作廢、主動取消等無效狀態。

q 有效狀態下的訂單數量為有效訂單量

q 有效狀態下的訂單金額

q 有效狀態下的商品銷售量為有效商品銷售量

q 訂單狀態為有效的商品銷售金額

根據上述指標還可以延伸後有效件單價、有效訂單狀態率、有效客單價等。

7. 訂單有效率/廢單率

訂單有效率是用來衡量訂單有效比例的重要指標，計算公式為：訂單有效率 = 有效訂單量 / 訂單量

訂單有效率從訂單發生時隨著時間推移開始下降，直到所有訂單完成妥投才處於穩定狀態。大多數電子商務企業的訂單有效率在60%以上，如果低於該數據值可能說明訂單中包含大量作弊或無效訂單。

與訂單有效率相對的指標是「廢單率」，廢單率是所有訂單中作廢的訂單比例，計算公式為：廢單率 = 1 – 訂單有效率

8. 毛利/毛利率

毛利是衡量自營商品利潤最重要的指標之一，公式：毛利 = 商品妥投銷售額 – 商品批次進貨成本

注意這裡的毛利僅指銷售毛利，即通過商品進銷差價計算的毛利，沒有考慮商品促銷費用、配送費用、活動推廣費用及其他攤銷費用；另外，公式中使用「商品批次進貨成本」計算毛利，原因是相同的商品在不同批次下進貨成本可能不同，因此需要使用相應批次的進貨成本。

毛利率是考察自營商品盈利情況另外一個最重要的指標，毛利和毛利率綜合反映了商品的盈利規模和盈利能力。毛利率計算公式為：毛利率 = 毛利 / 商品妥投銷售額

注意所有的毛利計算基本都是以妥投狀態為計算準則。

6.2.2 促銷活動指標

1. 每訂單成本/每有效訂單成本

每訂單成本指完成每個訂單需要的成本。公式：每訂單成本 = 費用 / 訂單量。

對於公式中的費用，不同部門有不同的費用支出情況。比如針對廣告部門的費用通常只包含廣告費用，每訂單成本 = 廣告費用 / 訂單量；對於運營類部門的費用可能只包含促銷類費用，如優惠券費用。廣告部門中存在一種按訂單付費的合作方式CPS，這種方式基於成交訂單而支付給推廣媒介一定比例的傭金或返點。這也屬於訂單成本的一種。

每訂單成本核算的是每個「毛」訂單成本，訂單中包含了所有狀態（包含無效狀態），只適合評估部門級別業務效果或做企業的初級評估指標。

每有效訂單成本與每訂單成本計算邏輯相似，不同點在於該指標只計算所有訂單中有效訂單的部分。計算公式為：每有效訂單成本 = 費用 / 有效訂單量。該指標中僅包含有效訂單狀態的訂單成本，是針對企業級別的真實評估指標。

由於有效訂單也不一定最終妥投，其中有些是進行中的狀態，因此最終產生價值的訂單屬於妥投訂單，通過妥投訂單計算得到的成本才是最終訂單成本。

2. 每優惠券收益/每積分兌換收益

每優惠券收益指每張優惠券能帶來的收益。公式：每優惠券收益 = 優惠券帶來的訂單成交金額 / 優惠券數量。由於企業往往發送不同的優惠券類型以及面值，通常需要在此基礎上分別計算每種類型和幣值優惠券帶來的收益水平。

積分與優惠券類似，都是用來衡量優惠促銷對銷售的拉動情況。公式：積分兌換收益 = 使用積分兌換的訂單成交金額 / 積分兌換量。

注意在實際業務中，由於用戶往往可以在同一個訂單中同時使用積分和優惠券，因此可能會出現訂單貢獻重複計算的情況。

3. 活動直接收入/活動間接收入

活動直接收入指單純通過促銷活動帶來的收入，用戶購買的訂單均屬於促銷活動商品。

活動間接收入指通過促銷活動帶來的用戶購買了非活動商品的收入情況。通常計算活動間接收入的邏輯是該用戶通過促銷活動引入且訂單屬於非活動商品，通過促銷活動引入可通過定義用戶落地頁是活動頁面加以區分，訂單屬於非活動商品可通過參與活動商品列表進行拆分。

4. 活動收入貢獻

活動收入貢獻包含活動直接收入貢獻和間接收入貢獻的總和，用活動收入貢獻總金額除以全站訂單成交金額得出活動收入貢獻佔比，公式：活動收入貢獻佔比 = （活動直接收入 + 活動間接收入）/ 全站訂單成交金額

當然，除了可以用訂單成交金額計算外，還可以使用訂單量、商品銷售量等計算活動貢獻情況，其邏輯相同。

5. 活動拉升比例

活動拉升比例指活動對全站銷售的拉升情況，可以指銷量拉升、銷售額拉升、訂單量拉升等。

活動拉升比例通常不能使用活動貢獻佔比來評估，原因是活動促銷期間本來應該通過正常流程和渠道購物的用戶反而會通過促銷渠道下單。最簡單的計算方法是用活動期間的收入與非活動期間的收入進行對比，計算公式為：活動拉升比例 = （活動期間收入 / 非活動期間收入）- 1

注意在通常情況下，在計算收入拉升比例會發現收入拉升效果不如訂單量和銷量明顯，原因是通常促銷客單價較低，影響收入提升效果。

6.2.3 供應鏈指標

1. 庫存可用天數

庫存可用天數反映了當前庫存可以滿足供應的天數，是倉庫備貨能力的一個體現。公式：庫存可用天數 = 庫存商品數量 / 期內每日商品銷售數量

庫存可用天數越長代表可用時間越多，但過長的可用天數可能意味著商品滯銷，因此庫存可用天數需要保持在一定範圍內。

庫存可用天數通常會按照時間劃分，不同商品的可用天數需要根據庫存周轉天數來定義，假如商品庫存周轉天數是30天，那麼可以將庫存天數劃分為7天以內、8~14天、15~30天、30天以上等。

2. 庫存量

庫存量是指一定周期內全部庫存商品的數量。庫存量的定義中包括多種狀態的商品，例如正常可售賣商品、已被訂購但未發貨商品、殘次商品、調撥未出庫商品、調撥未入庫商品等。因此，某些情況下，可能出現商品有庫存但無法銷售的情況。

企業通常會定義安全庫存量、最低庫存量和最高庫存量，目的是保證商品在一定程度上可滿足用戶購買需求，同時不至於造成商品積壓。如果低於最低庫存量可能造成商品缺貨，高於最高庫存量可能造成商品滯銷。

安全庫存量 = 每日商品銷量 × 正常到貨時間（天） + P

最低庫存量 = 每日商品銷量 × 緊急到貨時間（天） + P

最高庫存量 = 每日商品銷量 × 最長到貨時間（天） + P

其中的P為調節參數，包含企業銷售任務、節假日因素、倉儲運維等因素。

3. 庫齡

商品從進入倉庫時便開始產生庫齡，一般意義上的庫齡指的是商品庫存時間。公式：庫齡 = 出庫時間 - 入庫時間

倉儲系統中一般按照先進先出、先進先銷的原則出庫，因此同一個商品的庫齡要按照其相應進貨批次的時間計算。

庫齡通常會按照時間劃分不同區間，如1~30天庫齡、31~60天庫齡、61~90天庫齡等，不同商品周轉天數不同，劃分時間段也有所差異。庫齡時間過長意味著商品進入滯銷階段。

4. 滯銷金額

滯銷指商品周轉天數超過其應該售賣的周期，導致無法銷售出去的情況。

滯銷金額可以衍生滯銷金額佔比、滯銷SKU佔比、滯銷商品銷量佔比等指標，各指標計算邏輯類似，以滯銷金額佔比為例，公式：銷售金額佔比 =

滯銷金額 / 庫存金額

滯銷一方面會造成資金積壓影響資金流動，另一方面會造成產品過季、過保質期或淘汰周期而導致產品損毀或下市。

5. 缺貨率

缺貨是相對於滯銷的另一個極端，缺貨意味著庫存商品無法滿足用戶購買需求。缺貨率計算公式為：缺貨率 = 缺貨商品數量 / 顧客訂貨數量

缺貨率同樣可以衍生其他指標定義：

缺貨金額 = 缺貨商品數量 × 缺貨商品單價

缺貨商品數量 = 顧客訂貨數量 – 庫存商品數量

6. 殘次數量/殘次金額/殘次佔比

殘次指的是由於商品庫存、搬運、裝卸、物流、銷售等因素造成的商品外包裝損壞、產品損壞、附件丟失等影響商品二次銷售的情況。

殘次數量指殘次商品的數量。

殘次金額指殘次商品的進貨成本，公式：殘次金額 = 殘次商品批次進貨單價 × 殘次商品數量

殘次佔比用來衡量殘次商品在整個倉庫中的比例，計算方法為：

殘次金額佔比 = 殘次商品金額 / 庫存商品金額

殘次數量佔比 = 殘次商品數量 / 庫存商品數量

7. 庫存周轉天數

庫存周轉天數是用時間表示庫存的周轉速度，指的是從商品進貨開始到最終完成銷售或損毀所經歷的天數。天數越少說明周轉越快，公式：庫存周轉天數 = 360 / 庫存周轉率

其中：庫存周轉率 =

年銷售商品金額 / 年平均庫存商品金額

ture:-1610612^?R?cW

首先，數據和指標是不同的，數據只是一個數字，而指標是設計的結果，是以目標為導向的。雖然數據已成為企業的一種「新貨幣」，在擁有更多數據貨幣的同時，企業一定更希望將其應用於業務增長，迅速獲取數據的價值，同時在挖掘數據價值的過程中，讓這些價值變成可執行的策略。

這裡強調了「可付諸於行動」這個概念，因為，指標最終是為了指導實踐的，如果一個每天都關注的指標，卻不知道該如何根據它來採取行動，那這個指標就沒有發揮出數據應有的價值。因此，在制定指標時需要有一個明確的目標。

基於2A3R模型，將用戶生命周期分為獲取、激活、留存、營收和傳播。將該模型與用戶生命周期歷程各階段做對應，獲取和激活這兩個階段，在歷程圖中有一個非常清晰的對應關係，而後續的留存、營收和傳播往往是交織在一起的。但是交織也不意味著一團亂麻，其中還是有一個清晰的邏輯線，當逐一對應起來後，基於業務特點來梳理具體指標。

1、獲取

這一環節將定義基本的衡量指標，比如：新增用戶數和活躍用戶數，高質量新增用戶數（點我回顧）之前講過，變化的就是衡量高質量的條件了。以金融理財為例，以「是否查看理財項目」來定義用戶是否屬於高質量。

基於「可付諸於行動」這個價值，重點解釋下「高質新增用戶中一次性用戶佔比」這個指標：

一個指標的定義，要讓使用者明確的知道該如何採取行動，予以改進。想像一下，如果定義一個指標叫「一次性用戶數」，如果這個指標上升了，那意味著很多種可能的情況，可能是流量（都是假量），可能是進入產品後出了什麼問題，還有可能是根本沒有什麼問題，只是做活動後新增用戶猛增，所以「一次性用戶數」這個絕對數量也有上升而已。

「高質新增用戶中一次性用戶佔比」這個指標就非常明確，如果這個指標出現了問題，肯定不是假量或者絕對數量的問題，必然是用戶進入產品後出現了問題，此時立刻找到產品部門深入分析就對了。

這就是所謂的，「可付諸於行動」的數據指標——清晰且高效。

另一方面，針對獲取階段的分析和指標會有一些常見的監控維度，比如渠道、產品版本、來源、地域、關鍵詞等等，這些信息可根據業務特點去做更細維度的拆分，重要流程可單獨定義指標進行查看。

比如：產品大改版，那麼需要在新版本上線前拆分和定義清晰指標，在改版後快速評估，關注狀態，隨時迭代優化。

比如：產品受眾主要是二三線城市的用戶，那可能關鍵的城市要梳理出來，進行一個清晰的定義。同時，一旦指標出現波動，從這幾個監控維度去判斷問題，基本能覆蓋90%，快速定位原因。比如：懷疑假量，先看地域，再看 ip 基本能看出個大概，更深入的可以查看屏幕解析度等，假量操作基本就能完成判斷了。

2、激活

同樣是基於關鍵的用戶行為即可定義指標，比如：註冊綁卡等，基本的數量是最基礎的指標，基本的新增、活躍，都根據訪問這一潛在行為進行判斷。

「註冊用戶註冊當日綁卡轉化率」

這一指標的可付諸於行動的價值，就不僅僅體現在定位波動原因了，而是體現在指標即目標，這個指標本身就提出了業務目標，即用戶註冊後，目標就是在註冊當天讓用戶能夠進行綁卡，不斷提升這個指標的轉化率，必然能夠提升整個產品的價值。

「新增到首投平均時間趨勢」

這一指標，從整體上衡量產品和項目吸引用戶的能力

如果在激活階段的這些指標，如果出現波動，即可將分析的關注點集中在右邊「影響分析」的幾個維度。

「用戶引導路徑」

在產品迭代過程中，往往會忽略一些已經解決的問題，或者不存在的問題。當新版本上線後，原來被解決的問題，突然又暴露出來，「用戶引導路徑」就是常常被忽略的一個點；類似的另一個點就是安全信賴感傳達的設計和內容，如果調整不當，很容易帶來波動。

3、留存營收傳播

留存、營收和傳播階段，交織在一起的這部分很難完全拆分乾淨，也沒必要完全拆分乾淨，這三個階段往往都是互相關聯的。這階段能體現可付諸於行動的指標，比如「追加資產復投佔總復投次數的比例」這個指標，一樣能夠評估出復投用戶中追加資產投資和獲利繼續投資的差異。

該階段影響指標的因素主要是產品的核心價值，比如投資回報率的設計，投資周期的設計，投資計劃的設計等。同時，之前所有的藍色這一欄的內容都會影響數據，影響用戶決策的因素。

總之，好的指標是能夠讓人明確目標，付諸於行動的指標，往往是一個比率。比率能夠很好的衡量數據與數據之間的關係，反映真實健康的狀態；同時，如果能夠與業務結合緊密且設計得當，那這個指標就能變成促進各部門工作且時刻讓每個崗位明確目標的指標。

其次，好的指標，互相之間是有所關聯的，一旦某個指標出現問題，必然會指向其他幾個指標，互相關聯就能快速定位問題。

打個比方，如果新增到首投平均時間趨勢下降了或者變快了，那麼有可能是註冊綁卡充值投資環節留存的某個階段首日轉化率提升了，也有可能是羊毛黨佔比變大了，由於羊毛黨的目標明確，並沒有決策期，所有投資往往會更快。

如此定位，基本上都能夠快速找到數據波動的原因，找到能夠有所提升的關鍵點。其實，定義指標其實並不難，只要掌握了方法，且一定要圍繞用戶、圍繞業務本身來思考數據衡量，圍繞目標和方向來定義指標。

在「數據驅動型」經濟時代，搶奪數據已成為決定下一步行動決策的關鍵，對企業而言，迅速獲取數據價值，將這些價值變成可執行的策略，將數據與行業場景進行高度結合才是最根本的需求。

本文以互金行業為例，給出了關於指標梳理的核心通用思路，如果您還有什麼疑問，歡迎隨時聯繫諸葛君（zhugeio2016）

1、業務線越成熟時數據分析的需求越強

2、高性能低價格來做數據分析

3、看精細化數據

4、結果用數據說話，數據不是告訴什麼是對的要做什麼，而是什麼是錯的

5、日常運營中要有數據意識，比如當需要判斷這個渠道是否有效。如果拿到數據的代價太大，產品可能就不會去拿。

6、growth hacking 數據流程分析法

Growth hacking 現在算是有了自己的一套最佳實踐方法，比如優化 landing page、A/B 測試、email 送達率、SEO、content management、大平台整合等等，以此完善 growth hacking 中總結出來的5個過程：Acquisition（用戶獲取）、Activation（激活註冊）、Retention（保留活躍）、Referral（推薦分享）和 Revenue（變現模式）。

A/B 測試（A/B testing）例子：一個按鍵是紅色好還是藍色好，將藍色按鈕版本和紅色版本分別投放數量相同的用戶，監測其數據根據其點擊率做抉擇。

7、決策的三重境界：拍腦袋、因果驅動、數據驅動

8、產品發展越快越需要數據。這樣的產品經常會出現排隊找工程師跑數據的場面

9、數據儀錶盤：宏觀決策的依據（如主要頁面pv
uv）

10、將整理好的數據源導入自助分析平台。數據來源?數據模型?數據分析

11、OLAP 緯度指標

OLAP（On-line Analytical
Processing，聯機分析處理）是在基於數據倉庫多維模型的基礎上實現的面向分析的各類操作的集合。

數據立方體（Data Cube），這裡必須注意的是數據立方體只是多維模型的一個形象的說法。立方體其本身只有三維，但多維模型不僅限於三維模型，可以組合更多的維度，但一方面是出於更方便地解釋和描述，同時也是給思維成像和想像的空間；另一方面是為了與傳統關係型資料庫的二維表區別開來，於是就有了數據立方體的叫法。所以本文中也是引用立方體，也就是把多維模型以三維的方式為代表進行展現和描述，其實上Google圖片搜索「OLAP」會有一大堆的數據立方體圖片：

事件緯度需要包含核心事件

12、數據分析常用方法多維事件分析、漏斗分析、留存分析、行為序列分析

13、數據分析的根基：幾千萬人進行的動作比例是很穩定的。

14、增長黑客：用技術手段相比傳統電視、紙媒通過較低成本獲取更多的用戶。

常用方法是社會化媒體和病毒式傳播

15、AARRR

獲取acquistion

激活activation

引薦referral

留存retention：提升關鍵行為的重複頻率

營收revenue：促進商業化

paypal 實踐

獲取：直郵展示廣告、eBay賣家鏈接

激活：綁定獎勵10美金

受教

good

很多人懂了概念、懂了工具，最後還是不懂要看哪些指標，這是多麼遺憾的意見事情啊！

「產品運營分析框架」

這裡我理解更偏整體或者周期性的分析。如果是這樣的話，建議你應該加深對你運營產品的了解，及產品所在時期的了解。

如果是在從0~1的時候，你應該確定一個能提現用戶參與產品的、與產品有互動動作的指標為結果性指標。能影響該結果性指標轉化的一些過程性指標是你要著重關注的。
該結果性指標代表的用戶行為，後續行為的指標代表了你下一階段的重點，或者產品優化的方向。這裡的指標會比較分散，需要產品運營和產品經理以及你的leader共同去研究；

如果題主能詳述一下你的境遇，我可以給你舉個栗子。

PS：以上的產品運營意見更偏向於業務性，建議捋著這個思路，思考一下產品運營的相關流程，再與數據同學確定一下具體的指標。

祝好