前言

数据分析是负责用户增长的同学日常工作中的基本组成部分。数据分析让我们更加清晰和准确的衡量我们的产品和了解我们的用户。我们先来简单明确下数据分析的步骤：进行数据分析的首要环节是明确分析目标（脱离具体目标的单纯数据查看没有任何意义，而且影响数据支持部门的工作效率），其次是了解数据来源的相关信息，包括各项指标的定义、采集点和上报机制。

在工作的时候要明确真正的指标是什么，比如电商网站的真正指标应该是自家平台活跃卖家数量在全球电商平台的占比。Facebook这种产品的核心指标应该是活跃用户，而不是用户量。陌陌的活跃用户的定义是“登录成功并提交地理位置一次”，即时聊天的产品把每天发送的消息量作为和核心指标。

下面整理了一些常用的指标供大家参考：

网站类产品常用的指标：

页面浏览量（Page View，PV）：一定周期内（通常为24小时）所有访问者浏览的页面总数。即一个访问者浏览同一页面3次，那么PV数为3。PV是投资者衡量商业网站表现的重要指标。但是严格来讲，PV只记录了页面被加载的次数，并不能保证用户真正都浏览了，开发者可以在页面中嵌入不可见的iframe刷PV，还有的开发者可以将一篇长文或者组图拆分成多页，从而制造出阅读量的假象。

独立访问者（Unique Visitor，UV）：一定时间内访问某站点的不同IP地址的人数。通常，用户多次访问记录为1。UV反映了网站覆盖的绝对人数，但没有反映出来访问者在网站上的全面活动。除此之外，由于校园网络、企业机关等一些部门通常有统一的对外IP出口，依靠UV也不能做到完全准确，更好的做法是结合cookies。

访问数（Visit）：访问者从进入网站到离开网站之间的整个交互过程为一次visit，它可能包含一组页面的浏览行为。通常界定同一访问者的两次不同Visit的判定方法是间隔时长，如30分钟，这意味着同一个访问者在30分钟内访问两次，那么只记录为一次visit，如果两次访问间隔了30分钟以上（因故暂时离开或者阅读了一篇长文），则被分割为两次visit。

着陆页（Landing Page）：访问者浏览网站时候到达的第一个页面，又称为用户捕获页。针对着陆页的分析可作为判定外部广告或其他营销推广活动效果的依据，因此着陆页应当是经过恰当的优化的。

退出页（Exit Page）：访问者浏览网站时候访问的最后一个页面。退出页数量大，并不等同于网站的粘性差，此时应当参照退出数与页面浏览量的比值，也就是退出率。若某个页面本不该有较高的退出率（如在线购买流程的下单环节），则需要检查该页面，防止其成为整个网站的流量漏洞。

跳出率（Bounce Rate）：用于衡量整站或网页的粘性。跳出，是指访问者仅仅浏览了一个网页就结束了访问（visit）。整站跳出率=全站跳出数/全站页面浏览量，它反映了整站的导航效率。单一页面的跳出率是对单个页面的导航能力的评价。

展现数（Impressions）：又称印象数，指广告在浏览器中被加载的次数。只要广告内容被加载了一次（如刷新了页面），展现数就加1。

服务器打点数（Hit）：打点指服务器收到一次请求。如访问者浏览了一个仅有10张图片的网页，则打点数计作11，其中包括1次网页请求和10次加在图片的请求。

转化率（Conversion Rate）：转化，指达成了某种预设的目标，如引导用户完成下载、注册、新闻订阅、走完新手介绍流程等。转化率是计量这种转化成效的指标，可用于衡量网站内容对访问者的吸引程度和宣传效果等。例如：广告条的转化率=通过广告条点击进入登录页的流量/广告条的展现数；注册的转化率=完成注册流程的用户数/到达注册页面的流量。

停留时间（Duration）：指一次访问的持续时长。通常较为简单的计算方法是用最后一次访问的时间剪去访问第一张页面的时间，但这将无法统计最后一张页面的访问时长。

初访者（New Visitor）：初次访问网站的访问者。通常用cookie判断，并以一定时限为统计周期，通常为一个月。如果上个月某人访问过网站，次月再次访问，则对于次月内的第一次访问行为而言，这个访问者仍视为该月内的一个新的访问者。

回访者（Return Visitor）：相对于初访者而言，如果一个访问者在该月内重复访问，则视为回访者，也就是回头客。统计周期内所有初访者+所有回访者数量=独立访问者数量。

访问来源（Referrer）：指一次访问或一个网页浏览的流量来源，又被称作“推荐来源”。访问来源可从不同的维度进行划分。如按照来源网站的性质，可划分为来自搜索引擎、网站推荐（如友情链接、广告条、软文植入）、无网站来源（用户直接进入网站，如从浏览器收藏夹点击进入、直接在地址栏输入域名）等；按来源网站的形式，可划分为来自域、网站或URL；按照内外部分，可划分为站外链接或站内来源。

其他属性：有的第三方统计工具可结合自身手机的其他数据，获取访问者进一步的信息，如地域分布、系统环境、性别比例、年龄分布、学历分布、职业分布等。

软件及移动应用类产品常用指标：

新增用户数（New Users）：指首次打开应用的用户数量，通常通过设备识别符（如苹果系统的UDID）来识别用户的唯一身份。由于传输统计数据需要联网，因此即便是首次打开应用，若未能联网，也统计不到。此外，卸载再安装通常不会算作为新用户，老用户的版本升级也不会计算在内，当然如果下载了应用但是从未启动，也无法统计为新用户。

活跃用户数（Actives Users）：指统计周期内有过特定使用行为的用户数量。统一用户在一个统计周期内多次使用记为一个活跃用户。这里的使用行为的定义会根据应用而定义，有的团队认为启动即活跃，有的则需要满足启动+某种特定的操作才行，还有的则索性将常驻后台的守护进程没有被杀死的也统计进了活跃范畴。活跃用户一般看日活和月活。

升级用户数（Updated Users）：指由已安装的老版本升级到新版本的用户数量。比如QQ和微信这样保有量已经很大的应用为什么每天还在应用市场中创造很大的下载量，其中很重要的因素就是，将用户从老版本到新版本的升级行为统计到了下载量内。

留存率（Retention Rate）：指用户在某段时间内开始使用应用后，经过一段时间，仍然继续使用，这部分用户占当时新增用户的比率，也就是有多少人留下来了。留存率的高低可以判断应用的质量和营销效果的好坏。如果新增用户是因为真实的需求而来，例如从应用市场主动下载，则留存率较高；而因为博眼球的营销手段进来的用户，尤其是有奖活动，留存率较低。不同类型的应用留存率也有区别，比如游戏的首月留存通常比社交类的高，工具类的首月留存又比游戏类的高。留存通常看次日留存、3日留存、7日留存、15日留存和30日留存。

总用户数（Total Users）：指历史上所有新增用户之和，存在水分。

单次使用时长（Duration）：指用户从一次启动到退出应用所耗费的时长，用户衡量应用的粘性，应用在后台运行不计入其中。不同类型的应用，单次使用时长差别非常大。工具类产品解决问题的目标明确，用户完成任务就会立即退出，视频类的可能会更长。

平均单次使用时长（Average Duration）：计算方法是某时间段总使用时长/该时间段启动次数，可以更加准确的评估用户的使用状态。因为一款应用在不同时间段的时长可能存在差别，用户早上在地铁上的一瞥和晚上睡前的沉浸使用，其单次时长是没有可比性的，只有平均后才能用于横向比较。

使用间隔（Interval）：指连续连词使用之间的时间间隔。如果一款应用定位于提供每日资讯的产品使用间隔过长，那就说明用户的粘性不够，并未培养成用户使用习惯，这时候就需要在产品上下功夫，或采取一些运营手段进行弥补，例如定时推送当日的头条新闻。

转化率（Conversion Rate）：指应用内特定行为目标的转化情况，如让用户点击某个按钮、播放一段视频、邀请一批好友等。

K-因子（K-Factor）：衡量产品的自身传播能力。计算方法为每个用户平均发出的邀请数量/收到邀请转化成新增用户的比率。如果K因子大于1，表明产品有自我传播的能力。

每用户平均收益（Average Revenue Per User，ARPU）：产品在一定的时间内的收入/活跃用户数量，通常ARPU是衡量产品盈利能力的指标，也可以用来检测不同渠道获取用的用户质量。结合单用户的获取成本，可以衡量产品是否拥有自我造血的持续发展能力。

每付费用户的平均收益（Average Revenue Per Paid User，ARPPU）：与ARPU不同，ARPPU只计算所有付费用户处获取的平均收益，根据这个，可以更准确的把握付费用户的支付能力、消费习惯，并有针对性的对这部分付费用户重点运营和服务。

月付费率（Monthly Payment Ratio，MPR）：指一个月的统计区间内付费用户占活跃用户的比例。

生命周期价值（Life Time Value，LTV）：用户从第一次使用产品，到最后一次使用之间，累积贡献的付费总量。

作者：王得宇AIPM

微信公众号：他们已经在路上了