產品運營/產品經理常用運營指標（英文簡寫）匯總
產品運營人員常用指標
頁面瀏覽量（Page View，PV）：在一定統計周期內（通常為 24 小時）所有訪問者瀏覽的
頁面總數。該指標重複計算，即如果一個訪問者瀏覽同一頁面 3 次，那麼 PV 就計算為 3 個。PV 之於網站，就像是收視率之於電視，從某種意義上已成為投資者衡量商業網站表現的最重要尺度之一。嚴格意義上來說， PV 只記錄了頁面被載入顯示出的次數，並不能真正確保用戶進行了瀏覽，有些網站會利用這一特性「刷」PV，例如在頁面中嵌入不可見的 iframe。還有的網站編輯為了完成 PV 指標，會將一篇長文（或組圖）拆分成多頁，從而製造出閱讀量大325的假象。
獨立訪問者（Unique Visitor，UV）：在一定統計周期內訪問某站點的不同 IP 地址的人數。通常在同一天內，UV 只記錄第一次進入網站的具有獨立 IP 的訪問者。如果某人訪問網易首頁，又點開了三條新聞，則記作 4 個 PV 和 1 個 UV。UV 反映了網站覆蓋的絕對人數，但沒有體現出訪問者在網站上的全面活動。此外，由於校園網路、企業機關等一些部門通常有統一的對外 IP 出口，依靠 IP 來判斷的 UV 也並不能做到完全準確，更優的做法是結合 Cookies。
訪問數（Visit）：訪問者從進入網站到離開網站之間的整個交互過程，視作一次 Visit。它可能包含一組頁面瀏覽行為。通常界定同一訪問者的兩次不同 Visit 的判定方法是間隔時長，如30 分鐘。這意味著如果同一訪問者連續的兩次頁面訪問之間間隔為 15 分鐘，則視作一次 Visit；如果間隔 41 分鐘（因故暫時離開或閱讀了一篇長文），則被切分為兩次 Visit。
著陸頁（Landing Page）：指訪問者瀏覽網站時所到達的第一個頁面，又稱用戶捕獲頁。針對著陸頁的分析追蹤可作為判定外部廣告或其他營銷推廣活動效果的依據，因此著陸頁應當是經過恰當優化的。
退出頁（Exit Page）：指訪問者瀏覽網站時所訪問的最後一個頁面。退出頁數量大，並不等同於網站的黏性差，此時應當參照退出數與頁面瀏覽量的比值，即退出率。若某個頁面本不該有較高的退出率（如在線購買流程的下單環節），則需要檢查該頁面，防止其成為整站的流量漏洞。
跳出率（Bounce Rate）：用于衡量整站或網頁的黏性。跳出，指訪問者僅僅瀏覽了一個網
頁就結束了訪問（Visit）。整站跳出率＝全站跳出數/全站頁面瀏覽量，它反映了整站的導航
效率；而針對單獨頁面計算的跳出率＝該頁面跳出數/該頁面瀏覽量，它是對單個網頁導航能
力的評價。一般而言，跳出率越高代表網站的問題越大。
展現數（Impressions）：又稱印象數，指廣告在瀏覽器中被載入的次數。只要廣告內容被
載入出一次（如刷新了頁面），展現數就加 1。
伺服器打點數（Hit）：打點指伺服器收到一次請求。如訪問者瀏覽了一個僅有 10 張圖片的
網頁，則打點數記作 11，其中包括 1 次網頁請求和 10 次載入圖片的請求。
轉化率（Conversion Rate）：轉化，指達成了某種預設的目標，如引導用戶完成下載、注
冊、新聞訂閱、走完新手介紹流程等。轉化率是計量這種轉化成效的指標，可用于衡量網站
內容對訪問者的吸引程度和宣傳效果等。例如，廣告條的轉化率＝通過廣告條點擊進入著陸
頁的流量/廣告條的展現數；註冊的轉化率＝完成註冊流程的用戶數/到達註冊頁面的流量。
停留時間（Duration）：指一次訪問的持續時長。通常較為簡單的計算方法是用最後一次訪
問的時間減去訪問第一張頁面的時間（但這將無法統計最後一次訪問的持續時長）。
初訪者（New Visitor）：初次訪問網站的訪問者。通常用 Cookie 判斷，並以一定時限為統計周期，通常為一個月。如果上月某人訪問過網站，次月再次訪問，則對於次月內的第一次訪問行為而言，這個訪問者仍視作該月內的一個新的初訪者。
回訪者（Return Visitor）：相對初訪者而言，如果一個訪問者在該月內重複訪問，則視作回訪者，也就是「回頭客」。該指標衡量網站內容對訪問者的吸引程度和網站實用性。統計周期326內所有初訪者數量＋所有回訪者數量＝獨立訪問者數量。
訪問來源（Referrer）：指一次訪問或一個網頁瀏覽的流量來源，又被稱作「推薦來源」。訪問來源可從不同維度進行劃分。如按來源網站的性質，可劃分為來自搜索引擎、網站推薦（如友情鏈接、廣告條、軟文植入）、無網站來源（用戶直接進入網站，如從瀏覽器收藏夾點入、直接在地址欄輸入域名）等；按來源網址的形式，可劃分為來自域（如 http://fanbing.net）、網站（如 http://www.fanbing.net）或URL（http://www.fanbing.net/about.html）；按照內外部，可劃分為站外鏈接或站內來源。
用戶屬性：有的第三方統計工具可結合自身收集的其他數據，獲取訪問者進一步的信息，如
地域分布、系統環境、性別比例、年齡分布、學歷分布、職業分布等。
軟體及移動應用類產品常用指標
新增用戶數（New Users）：指首次打開應用的用戶數量，通常通過設備識別符（如蘋果系
統的 UDID）來識別用戶的唯一身份。由於傳輸統計數據需要聯網，因此即便是首次打開應
用，若未能聯網，也統計不到。此外，卸載再安裝通常不會算作新增用戶，老用戶的版本升
級也不會計算在內。當然，如果下載了應用但並未安裝，或安裝之後沒有啟動過，也無法統
計為新增用戶。
活躍用戶數（Active Users）：指統計周期內有過特定使用行為的用戶數量。同一用戶在一
個統計周期內多次使用記作一個活躍用戶。這裡「使用行為」的定義因應用而異，有的團隊將啟動即視作活躍，有的則需要滿足啟動＋執行某種操作（如瀏覽過至少一條新聞），還有的則索性將常駐後台的守護進程沒有被殺死也統計進了活躍範疇中。因此如何計量活躍用戶數，歸根到底還是看團隊真正追求的是什麼。活躍用戶數一般看「日活」（Daily Active Users，DAU）和「月活」（Monthly Active Users，MAU）。
升級用戶數（Updated Users）：指由已裝的老版本升級到新版本的用戶數量。時常有人問，像 QQ 這樣保有量已經很大的應用，為什麼每天還能在應用市場上創造如此巨大的下載量？其中很重要的因素之一，就是將用戶從老版本升級到新版本的下載行為統計了進去。
留存率（Retention Rate）：指用戶在某段時間內開始使用應用後，經過一段時間，仍然繼
續使用，這部分用戶占當時新增用戶的比率，也就是「有多少人最後留下來了」。留存率用于衡量應用的質量和營銷效果的好壞。通常新增用戶如果因為真實需求而來（如從應用市場主動搜索並下載獲得），則留存率較高；而因為博眼球的營銷推廣（尤其是有獎活動）進來的用戶，留存率較低。並且，不同種類應用的留存率也有各自的基準，如遊戲的首月留存率通常比社交類高，而工具類的首月留存率又比遊戲高。留存率通常看次日留存率、3 日留存率、7 日留存率、15 日留存率和 30 日留存率。
總用戶數（Total Users）：指歷史上所有新增用戶數之和。該數字由單純地相加獲得，存在一定水分，無法體現已經流失或極不活躍的用戶情況。
單次使用時長（Duration）：指用戶從一次啟動到退出應用所耗費的時間長短，用于衡量應
用的黏性。應用在後台運行並不會計入其中。不同類別的應用，單次使用時長可以千差萬別。工具類產品解決問題目標明確，用戶完成任務之後就會立即退出，比如看一下天氣、優化一下內存佔用等，用幾秒就可以關閉。而視頻播放類應用則能持續更久，通常可達到幾十分鐘。
平均單次使用時長（Average Duration）：計算方法是某日總使用時長/該日啟動數，可用
於更準確地評估用戶的使用狀態。因為一款應用在不同時段的使用時長可能存在差別，用戶
早上擠地鐵時的一瞥與晚間睡覺前的沉浸使用，其單次使用時長本身是不具備可比性的，只
有平均之後才能用於橫向比較。
使用間隔（Interval）：指連續兩次使用之間的時間間隔。如果一款定位於提供每日新聞資訊的應用的使用間隔過長，則說明對用戶的黏性不夠強，並未培養成每日使用的習慣，只是在偶爾想起來時看一眼。這就需要在產品上下功夫，或採取一些運營手段彌補，如定時推送當日的頭條新聞。
轉化率（Conversion Rate）：指應用內特定行為目標的轉化情況，如讓用戶點擊某個按鈕、播放一段視頻、邀請一批好友等。
K 因子（K-Factor）：衡量產品的病毒傳播能力，計算方法為每個用戶平均發出的邀請數量/收到邀請轉化成新增用戶的比率。如果 K 因子大於 1，表明產品具有自我傳播能力，會隨著用戶的使用而持續擴散。
每用戶平均收益（Average Revenue Per User，ARPU）：簡單的理解就是「能從每個用戶那裡收多少錢」，是衡量產品盈利能力的指標，也可用來檢測不同市場渠道獲取的用戶質量。ARPU 的通常計算方法是產品在一定時限內的收入/活躍用戶數。結合單用戶的獲取成本，可以推斷出產品是否能形成自我造血的持續發展能力。
每付費用戶平均收益（Average Revenue Per Paid User，ARPPU）：與 ARPU 將收入平攤到所有用戶頭上不同，ARPPU 只計算從所有付費用戶處獲取的平均收益，據此更準確地把握付費用戶的支付能力、消費習慣，並有針對性地對這部分付費用戶重點運營和服務。
月付費率（Monthly Payment Ratio，MPR）：指一個月的統計區間內付費用戶占活躍用戶的比例。
生命周期價值（Life Time Value，LTV）：用戶從第一次使用產品，到最後一次使用之間，累計貢獻的付費總量。
——增長黑客
推薦閱讀：