1、如何构建数据指标体系如果一个事情，你不能衡量它的话，那么你就不能增长它。在围绕着用户紧紧做精细化的运营时代。数据驱动运营是未来运营的趋势，精细化运营已经变得尤为重要，数据驱动决策是运营人必须要面对的挑战也是要下意识学的一门技能。一个懂数据分析的产品经理可以利用数据驱动产品设计优化，并高效提升用户体验。1、什么是数据分析？不要对数据分析有太多的畏难情绪，所谓的数据分析就是指从数据中提取有用的信息，并指导实践。比如说结合数据优化产品的用户体验，通过数据来进行用户画像，通过数据发现产品改进的关键点，以及产品改版、迭代是否在一个正确的方向上。而这些事情，在经过实践之后，都会变的简单且容易上手。2、数据
2、分析的目的？但是在做数据分析前，一定要先确定好目标，这样后面的每一步才能不偏离大方向，我们才能清楚地知道究竟该采集什么样的数据，要分析哪些指标。那么，你做数据分析的目的是什么：是检测用户对新功能的喜爱程度？是优化用户在使用过程中的槽点？还是提升某个产品页面的转化率？3、如何获取数据？说到收集数据，首先要做好数据埋点。所谓“埋点” ，个人理解就是在正常的功能逻辑中添加统计代码，将自己需要的数据统计出来。（1）自有数据分析系统： 企业内部使用的数据产品，如自建 BI 和推荐系统。公司自有的数据是最原始的数据，也是最可靠、最全面的。一般而言，有条件的情况下都是以内部数据为准（自己开发，开发时加入统计
3、代码，并搭建自己的数据查询系统） 。（2）第三方数据分析工具：这个是借助外部工具获得数据，常见的第三方统计工具有：网站分析工具：Alexa、中国网站排名、网络媒体排名(iwebchoice)、Google Analytics、百度统计；移动应用分析工具：Flurry、Google Analytics、友盟、TalkingData、Crashlytics不同产品，不同目的，需要的支持数据不同，确定好数据指标后，选择适合自己公司的方式来收集相应数据。获取数据的方式其实多种多样，关键在于，作要了解什么样的数据是重要的，对于这些数据的前后关联，是怎样的，这是一个联动的过程，不是一个单一的行为。有了这些
4、数据之后，我们该怎么去分析这些数据呢？哪些是可以为我们所用的，又有哪些是可以剔除掉的。4、关注哪些数据维度？一款产品的数据指标体系一般都可以分为五个维度：用户规模与质量、参与度分析、渠道分析、功能分析以用户属性分析。（1）用户规模和质量分析：主要是分析用户规模指标，这类指标一般为产品考核的重点指标；包括总用户数、新用户数、留存用户、转化率。用户规模和质量是数据分析最重要的维度，其指标也是相对其他维度最多。（2）参与度分析：主要是分析用户的活跃度，分析的维度主要是包括启动次数分析、使用时长分析、访问页面分析和使用时间间隔分析。（3）渠道分析：主要分析渠道推广效果，以科学评估渠道质量，优化渠道推广
5、策略。渠道分析尤其要重视，因为现在移动应用市场刷量作弊是以及业内公开的秘密。渠道分析可以从多个维度的数据来对比不同渠道的效果，比如从新增用户、活跃用户、次日留存率、单次使用时长等角度对比不同来源的用户，这样就可以根据数据找到最适合自身的渠道，从而获得最好的推广效果。（4）产品功能分析：主要分析功能活跃情况、页面访问路径以及转化率；功能活跃指标：某个功能的活跃用户，使用量情况；功能验证；对产品功能的数据分析，确保功能的取舍的合理性。页面访问路径：用户从打开到离开应用整个过程中每一步骤的页面访问、跳转情况。页面访问路径是全量统计。通过路径分析得出用户类型的多样、用户使用产品目的的多样性，还原用户目
6、的；通过路径分析，做用户细分；再通过用户细分，返回到产品的迭代漏斗模型：是用于分析产品中关键路径的转化率，以确定产品流程的设计是否合理，分析用户体验问题。用户转化率的分析，核心考察漏斗每一层的流失原因的分析。通过设置自定义事件以及漏斗来关注应用内每一步的转化率，以及转化率对收入水平的影响。通过分析事件和漏斗数据，可以针对性的优化转化率低的步骤，切实提高整体转化水平。（5）用户属性分析：主要分析用户特征，用户属性一般包括性别、年龄、职业、所在地、手机型号、使用网络情况。如果对用户的其他属性感兴趣的，可以到自的微信呢公众号后台或者其他诸如头条、uc 等后台看用户属性都包含哪些维度。不管在我们的产品
7、启动初期，还是战略的调整，分析用户画像都有着重要的意义。比如我们在产品设计前需要构建用户画像，指导设计、开发、运营；产品迭代过程需要收集用户数据，便于进行用户行为分析，与商业模式挂钩等等。5、如何分析数据？从第三方数据分析工具或者自家的分析后台拿到这些数据后 ，该怎么去分析呢？要真的做到基于数据的分析，你必须要有以下条件： 理解业务：如果你不明白业务之间的关联，你就不会考虑跨端的数据印证。 了解各个数据之间的上下游关系和关联关系 用多个辅助数据作为支撑同步验证：析结果大多数时候是推测，这时候需要其他数据作为辅助验证的方法和证明。 理顺分析思路，确保数据分析结构体系化。 把问题分解成相关联的部分
8、，并显示它们之间的关系。 为后续数据分析的开展指引方向。 确保分析结果的有效性及正确性。6、基本的产品分析概念产品经理在做数据分析的时候，一些基本的产品分析概念还是需要理清的，比如最基本的AARRR 模型，也就是说产品经理要了解什么是新增、活跃、留存、流失等，这些基本的概念都是需要去了解和掌握的，不然真碰到数据分析的问题，也只能两眼一抹黑了，更别谈分析出一个什么所以然来了。比较简单的一些概念，在这里普及下： 新增：新用户增加的数量和速度。如：日新增、月新增等。 活跃：有多少人正在使用产品。如日活跃(DAU)、月活跃(MAU)等。用户的活跃数越多，越有可能为产品带来价值。 留存率：用户会在多长时
9、间内使用产品。如：次日留存率、周留存率等。 流失率：一段时间内流失的用户，占这段时间内活跃用户数的比例。网页指标：（1）PV（page view）：即页面浏览量，用户每 1 次对网站中的每个网页访问均被记录 1次。用户对同一页面的多次访问，访问量累计。在一定统计周期内用户每次刷新网页一次也被计算一次。一般来说 PV 与来访者数量成正比，但是 PV 并不直接决定页面的真实来访者数量，例如，同一个来访者通过不断的刷新页面，也可以制造出非常高的 PV。（2）UV（unique visitor）：即独立访客，访问网站的一台电脑客户端为一个访客。（3）PR（pagerank）：即网页的级别，一个 PR
10、值为 1 的网站表明这个网站不太具有流行度，而 PR 值为 7 到 10 则表明这个网站非常受欢迎( 或者说极其重要)。（4）跳出率：指用户到达你的网站上并在你的网站上仅浏览了一个页面就离开的访问次数与所有访问次数的百分比。这里的访问次数其实就是指 PV。是评价一个网站性能的重要指标，跳出率高，说明网站用户体验做得不好，用户进去就跳出去了，网站没有满足用户的期望与需求或是人群定位不精准，反之如果跳出率较低，说明网站用户体验做得不错。（5）转化率：指在一个统计周期内，完成转化行为的次数占推广信息总点击次数的比率。转化率=（转化次数/点击量） 100%。以用户登录为例，如果每 100 次访问中，就
11、有 10个登录网站，那么此网站的登录转化率就为 10%，而最后有 2 个用户订阅，则订阅转化率为 2%，有一个用户下订单购买，则购买转化率为 1%。转化率反映了网站的盈利能力，重视和研究网站转化率，可以针对性的分析网站在哪些方面做的不足，哪些广告投放效果比较好，可以迅速的提升用户体验、节约广告成本，提升网络转化过程。（6）重复购买率：指消费者对该品牌产品或者服务的重复购买次数。重复购买率越多，则反应出消费者对品牌的忠诚度就越高，反之则越低。活跃度指标：主要衡量产品的粘性、用户的稳定性以及核心用户的规模，观察产品在线的周期性变化。AU（Active Users）活跃用户：用户登录产品记为一次登录
12、；DAU（Daily Active Users）日活跃用户：每日登录过的用户数；WAU（Weekly Active Users）周活跃用户：七天内登录过的用户数；MAU（Monthly Active Users）月活跃用户：30 天内登录过的用户数；AT（ Daily Avg. Online Time）日均使用时长：活跃用户平均每日在线时长；PCU（Peak Concurrent Users）最高同时在线用户人数：统计周期内，同一时点（通常精确至分）的最高在线人数；ACU（Average Concurrent Users）平均同时在线用户人数：统计周期内，每个时点（通常精确到分）的平均在线人数
13、；流失、留存指标：观察流失用户的状态、流失前行为来判断产品可能存在的问题。ULR（Users Leave Rate）用户流失率：统计当日登录过产品的用户，但在随后 N 日内未登录的用户数/统计日 DAU日流失率：统计当日登录过产品的用户，次日未登录的用户数/统计日 DAU周流失率：统计当周登录过产品，之后下一周未登录的用户数/WAU月流失率：统计当月登录过产品，下一月未登录的用户数/MAU日留存率：统计当日登录过产品的用户，在之后 N 日内至少登录一次的用户数/ 统计日DAU周留存率：统计当周登录过产品的用户，且下一周至少登录一次的用户数/WAU月留存率：统计当月登录过产品的用户，且下一月至少
14、登录一次的用户数/MAU次日留存率：统计当日登录过产品的用户，次日依旧登录的用户数/统计日 DAU回归率：曾经流失，重新登录产品的用户数占流失用户的比例回归用户：曾经流失，重新登录产品的用户数流失用户池：过去一段时间内流失的用户数利用数据的前提是有数据可以利用，这就需要在用户引入期之前就要做好数据埋点，同时在分析数据时要能透过原始用户行为数据来观察数据背后所反映的问题，采取运营手段来提升留存率之后要观察运营结果，总结得失，为下阶段运营提供数据依据，这个过程对运营人员的要求比较高，要求运营人员在用户进入前就要进行数据埋点，把握用户转化的关键点和关键路径。用户行为数据和用户留存的关系？用户行为数据可以理解为用户在产品内进行操作时被服务器记录下来的使用行为数据。通过对用户行为数据进行分析，可以帮助运营人员更加详细、清楚地了解用户的行为特征，从而找出造成用户流失的原因，为运营人员进行针对性运营提供依据。关注渠道留存数据渠道留存数据是指推广渠道带来的用户留存量，产品越来越细分也使得推广渠道不断增长，在进行渠道选择时，除了关注流量大小之外，更应该关注流量质量，不同渠道带来的流量质量是不同的，留存下来的用户量也会有很大差别。由于不同平台对用户的定义不同，衡量用户留存的指标也会有所差别，这就需要在计算用户活跃率、留存率时，先明确产品对用户活跃、留存的指标。
