产品上线了，可以用这些数据指标

当我们完成了一款产品的上线后，接下来就要把它推向市场和用户了。在大量推广中会产生不少数据，通过运营这些数据我们可以获得反馈对产品开展迭代和优化工作。

那要分析什么指标？分析数据的时候又怎么获得数据？我们可以把所有的工作都称之为数据运营。一共包含4个部分，分别如下。

▲ 数据运营的工作维度

数据运营会包含数据采集、数据收集、数据分析、数据建议。而数据采集和数据收集其实是应该分成2部分

数据采集主要是指系统化的数据获取，比如通过埋点、日志、爬虫实现的数据采集，提前设置好的规则实现数据采集。数据包含了数据需求收集、人工获取2个途径。

▲ 数据收集和数据采集关系

比如在电商运营里，运营需要看到运营活动下的订单数量和营收数，针对单次活动的数据采集需求和日常的数据采集是不一样的。需要单独挑选时间、日期。

01.数据的分类：

于是我们将数据分为2类

分别是产品功能的数据、和业务数据2个纬度。

产品功能数据和业务数据：

围绕刚需，我们将每个指标都定义为简单好计算。其产品功能下的核心数据有

页面浏览量

页面被浏览的次数总和，如统计网站或页面时，只是网站或页面的被浏览总次数。

独立访客数

UV一句浏览器cookie表示方可，对所有方可按统计根据排重处理后数量

唯一页面访问数

UPV ，页面的唯一访问次数，比如一个访问次数内该页面被浏览多次，该页面UPV只记一次

跳出次数

bounces，进入网站后，只访问一页，没有后续访问的访问次数

离开次数

也称推出次数，访问者从当前页面进入网站后没有后续访问的被记录为一次跳出次数。

平均访问深度

平均每次访问所浏览的页面数量，页面浏览量/访问次数

页面平均停留时长

average time on page，平均每个页面的访问时长，全站的停留时间总和/全站页面浏览量。

有效访问次

有效次=访次-跳出次数

退出率

退出次数/访次*100%

跳出率

跳出次数/访次*100%

新增用户

历史上第一次启动应用的用户，需要按照设备号进行去重

启动次数

在规定时间段内，用户打开应用的次数。“一次启动”是指用户从打开APP开始，到退出APP为止。一次启动过程中可能浏览多个页面

日 周 月 年活跃用户数

在规定的时间范围内，启动过应用的用户数，需要按照设备号去重。活跃用户指平台定义的活跃用户数

活跃度

活跃用户数/总用户数*100%

留存用户数

规定时间段（T1）内新增用户中，再经过一段时间（T2），仍然使用程序的用户，其中T2- T1是时间段区间

次日留存率

根据统计日期1天前新增用户到统计日期仍在访问的留存用户数）/（据统计日期1天前新增用户数*100%）对应的还有7日、15日留存率

新注册用户

通过应用注册的用户数

单次使用时长

用户在应用程序上所停留的时间，主要分为平均使用时长、单次使用时长，平均使用时长是某一段时间内所有用户的全部访问时间的平均值。

平均使用时长

全部用户的日使用时长/总活跃用户数；也有全部用户的使用时长/总用户数

使用间隔

同一用户相邻两次启动应用的时间间隔。

平均访问深度

我们将用户在一次启动应用过程中所达到的页面累计数量视为用户的访问深度。

业务数据指标

业务指标会和钱搭上关系，当然还会有业务属性的数据。比如PMTalk就有签约作者、内容数、会员数、活动报名数，这些都是属于公司业务经营范围决定的。

通用的业务数据是无论在什么行业、什么业务都需要的

会员新增率

统计时间周期内新增会员数/会员总数*100%

会员复购率

会员复购下单成功数/会员总数

会员流失率

会员到期后在某段时间内不再续费数/会员总数*100%

会员留存率

1-会员流失率

活跃会员

会员登录使用产品符合活跃用户数/总会员数

SKu销售占比

每个商品销售数量/总的商品销售数量*100%

销售转化指标

单个商品下单数量/用户总注册人数*100%

引入订单转化率

引入订单量/UV *100%

引入订单金额转化率

引入订单金额/UV*100%

UV价值

有效订单优惠后金额/UV

上面的数据采集成本也是极低的。并不需要复杂的开发技术手段和硬件要求，只要开发人员前期埋点基于上面指标计算规则就可以输出这类数据。

02.数据分析方法

有了数据后，我们接下来开始分析数据，通过数据反映出的规律和结果定位问题提供有效决策建议。这里整理出7个分析方法

流量标记UTM

用在广告投放、对外推广场景下。

UTM一共有5个参数，3个必填参数、2个可选参数，详细的如下：

utm_source、utm_medium、utm_campaign是必填参数，utm_term和utm_content是可选参数。

source:标注搜索引擎和其他来源

medium：具体媒介，比如是电子邮件还是单击

utm：用户付费搜索，展示广告的关键词

多维度分析

结合时间周期、地域、不同渠道来筛选用户细化问题。对比一个单指标是没有意义的，需要多个维度

转化漏斗

主要依照AARRR模型，通过观察用户的入口到出口转化过程。分析转化过程流失分析的关键问题

留存曲线

伴随用户体量的增长，不断针对不同类型的用户，找到性价比最优的转化、成长路径、再施加引导激励。对积累的用户留存数量进行分析

用户分群/用户画像

基于SIKT模型梳理用户标签。基于用户场景、达成的指标、用户行动、标签来建立用户地域、年龄、喜好的用户画像数据。比如在用户调研阶段，产品经理经过调查问卷、客户访谈了解用户的共性与差异，汇成不同的虚拟用户。方便进行用户细分、精准营销

▲ 用户画像下的SIKT模型

热力图

热力图通过记录用户在网站和APP的点击与浏览行为，通过热力图的形式展现出来，热力图就是将用户行为进行可视化展示。热力图通过可视化的效果呈现，帮助产品设计深入分析用户对内容以及功能的访问情况、操作习惯和行为偏好。理解用户产品访问偏好

A/B测试

真得ABTest我们的目的主要聚焦在2个

第一个是判断哪个更好：

比如2个不同产品交互设计表现方式，针对同一个功能。究竟是A还是B更好，如果资源允许的情况下，我们需要实验判断。

第二个是收益数据的量化：

比如功能涉及到的订单转化、直接现金收益则需要通过AB test进行判断。

上面的数据运营方法，可以总结为4点特点拆分了，包含了下面4个数据维度。

· 刚需：核心数据采集

· 容易懂：数据阅读理解度低，却反映业务效果

· 高效：数据采集门槛低，数据生成规则简单

· 低成本：数据采集成本低、同时数据运营易用