亚洲精品无码久久千人斩探花 ,婷婷五月深爱憿情网六月综合,狠狠综合久久久久综合网小蛇

搜索

APP

起點課堂會員權益

職業體系課特權

線下行業大會特權

個人IP打造特權

30+門專項技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導直播

12場專業技能直播

會員專屬社群

榮耀標識

發布

注冊 | 登錄

干貨：常見數據指標的內在聯系和應用【入門篇】（配抖音案例解析）

大圣

2022-02-24

0 評論 6341 瀏覽 48 收藏

58 分鐘

編輯導語：數據如何用？用的好不好？最關鍵的是“用戶意識”，也就是從數據使用者的角度去做分析。你一定知道，一個產品的成功，取決于它在多大程度上滿足了用戶的需求，解決了用戶的問題。但是，在數據應用的過程中，很多人卻往往會忽略掉“用戶意識”。下面跟著作者一起去思考一下關于數據指標的問題吧！

一、數據指標是什么？

說到數據指標，大家聯想到的肯定是一大堆花花綠綠，波動起伏的線和柱狀圖。往大了說，這些花花綠綠的柱子也算是數據的一部分，只不過是直觀展現后的數據結果。那對于設計師來說，是看這些花花綠綠的結果還是原始數據呢？

如果你是會數據分析的設計師，那么原始數據對你的幫助會更大，因為你能在一堆雜亂無章、復雜無序的數字中抓住要點。如果你不懂數據分析，那還是好好地看結果吧，畢竟結果是專業的數據分析師或是軟件計算之后得出的，相信配合設計師的工作是綽綽有余了。

數據結果的圖表展示

關于數據其實有很多內容可以講，不過本節的重點不在這，而在于和設計師相關的數據指標。那什么又是數據指標呢？

所謂數據指標用官話講就是：在企業運營過程中，對已記錄歷史信息進行處理，轉化成為數字。根據特定商業目的，對相關數字按一定的業務邏輯，使用一定的技術手段進行加工處理后，成為描述、衡量、分析、預測業務結果的工具。簡單理解就是一種標準參照值，能夠對當前業務有參考價值的數據才可被稱為“數據指標”。咱們姑且換個詞：數據衡量參數，這樣就可以理解指標是什么意思了。

那為什么設計師需要掌握數據指標的分析能力呢？它對實際工作具有又有什么幫助呢？筆者舉個案例來解釋一下：

看看下面三輛車。相信了解或買車的讀者都知道，車的銷量不僅是依靠內部的硬件配置，比如驅動、功率和風阻等因素，還需要考慮車的外形設計和內飾搭配等，比如流線型設計、車燈設計、內飾裝潢等，當然還會考慮一些外部環境和市場趨勢，比如新能源、品牌和口碑等。以上種種都是能夠影響市場銷量的重要因素。

特斯拉、保時捷和凱迪拉克的參數對比

現在我們轉換下思路：硬件是不是產品經理需要解決的問題？而口碑和市場推廣是不是運營需要解決的問題？最后只剩下設計內容，這得歸設計師管了吧？

所以車的銷量，即銷量數據，不僅使硬件和市場的事情，設計的好丑與否同樣也可以影響到整車的銷量，通過特斯拉Model X 的“鷹翼門”、保時捷的“四點式前燈”和凱迪拉克的“直列式車燈”可以略知一二——車主選擇這些車型（或品牌）的其中一大原因，主要是設計得有特點，能夠彰顯車主身份、地位和個性，設計師在其中的力量貢獻不可謂不大。

這樣看下來，你還會覺得設計師不需要掌握數據分析能力么？只有得到市場數據的反饋，設計師才能知道市場需要怎么樣的車型，這樣才能對癥下藥。

俗話說得好：“設計是理性的科學，而非感性的藝術”，設計師掌握數據分析能力可以讓設計方案在解決問題的過程中更有針對性，方便設計師圍繞數據問題利用設計手法去修復和完善它。

所以，掌握數據分析能力其實是為了讓設計師少做無用功，把更多的精力投入到更有針對性的優化上，產生更多的既得價值。

可用、易用、好用和好看

二、常見的數據指標

實際工作中需要接觸的數據指標有很多很多，甚至一些和設計不相關的指標也會遇到，比如經濟指標、商業指標等。為了便于讀者們理解和記憶，下面的數據筆者主觀、人為地將其拆分成兩大類型，即功能型指標和業務型指標。

功能型指標特指那些可以直接反映產品情況的指標，比如頁面瀏覽量、訪問量、點擊次數等，這些指標可以算是復雜數據中的基礎指標，就好比26個英文字母可以構成千千萬的不同單詞和句子；
而業務型指標主要是通過對功能型指標的深入分析，反映產品生命力的指標，比如新增用戶、活躍用戶、總成交等，是一種可以指導業務發展方向的指標。

那這兩類指標中又有哪些具體的細分指標呢？

1. 功能型指標

首先是功能型指標。（溫馨提示：閱讀以下內容時，一定要留意網站和網頁（頁面）的名詞區分。）

（1）頁面瀏覽量（Page View，簡稱PV）

是指網頁瀏覽量或點擊量。如果一個用戶在前一秒訪問了這個網頁則會被記錄1個PV，下一秒刷新之后又會被記錄1個PV，這是一個累積的過程，用以衡量網站用戶訪問某一網頁的具體數量。

（2）國際互聯協議（Internet Protocol，簡稱IP）

是指訪問某站點（網站）的IP數據，以獨立用戶的IP地址作為統計依據，比如00:00-24:00點之間相同IP地址訪問同一站點只被計算（記錄）一次（大型網站可能同時存在多個站點，比如百度、Google）。

（3）獨立訪問量（Unique visitor，簡稱UV）

和IP有點類似，是指00:00-24:00點之間使用相同的賬號瀏覽網頁只被計算1次訪問，所以一天內同一賬號多次訪問同一網頁僅計算1個UV。比如你和朋友用同一臺電腦在同一天內，通過各自賬號訪問了某個頁面，那么對于這個頁面來說就是IP+1，UV+2，PV+2。

對比PV而言UV可以稱作是“真實的訪問量”。

（4）用戶訪問次數（Visit View，簡稱VV）

是指所有訪客1天內訪問網站的次數，當訪客完成所有瀏覽（頁面）并最終關閉該網站的所有頁面時便完成了1個VV。比如訪客今早打開了站酷進行瀏覽，五分鐘后全部關閉，間隔半小時又打開了，這時候VV+2。

在視頻播放領域，VV又是Video View的簡稱，是視頻播放數據的一項重要參考指標。

補充：PV、IP、UV和VV的區別。

假如今早李明09:00打開了百度（網站和站點時一一對應的前提下），瀏覽了5個不同頁面，隨后全部關閉；

13:00李明又打開了百度，瀏覽了3個頁面（其中2個頁面上午瀏覽過），隨后全部關閉。那么最后的數據結果是：PV+8、IP+1、UV+6、VV+2。

講到這里也許有些讀者已經繞暈了，不怕。筆者再舉個接地氣的例子：

IP就是拿著身份證去商場實名登記，領取一個胸牌，然后今天內你就可以隨意進出；
VV就是疫情期間為了安全起見，你進出幾次商場就要出示幾次健康碼；
UV就是你一共在這家商場訪問過多少家服裝店（一般人逛過這家后就不會再回頭重新逛一遍了）；
PV就是你在一家服裝店總共翻過多少件衣服（重復的也算）。

那么一個網頁的瀏覽量到底該用UV還是PV呢？這個就需要根據產品要宣傳的點作選擇了，比如早期產品的用戶量低，那么PV數據會好看點；到了后期，用戶體量大了，那么對于頁面而言UV會更真實。

（5）跳出（失）率（Bounce Rate，簡稱BR）

指僅瀏覽了一個頁面就離開的用戶占一組頁面或一個頁面訪問次數的百分比，計算公式是：

跳出率=（瀏覽單頁即退出的次數/總訪問次數）*100%

和下面要介紹的“退出率”相比，跳出率的重點是作為“著陸頁”而言的，即用戶訪問了第一個頁面后就走了，這個時候就可以判定是跳出結果。如果用戶在第一個頁面基礎上點擊其他鏈接進行了跳轉，那么第一個頁面就不能作為跳出頁。

BR圖解

如上圖所示，頁面A的跳出率是50%，因為李明將頁面A作為著陸頁，并且在該頁面上直接跳出。而王皓雖然也落在了頁面A上，但是他通過頁面上的鏈接跳轉到了頁面B，所以對于王皓來說頁面A只能算是過渡頁，不是著陸。

最終，頁面A的總訪問次數是2，瀏覽單頁即退出的次數是1。而頁面B的跳出率是0，因為它不存在著陸頁，但是退出率卻是100%。

通過跳出率，我們可以看出一個網站的用戶粘性如何。比如跳出率高，說明用戶體驗不好，或者網頁本身的內容并不能幫助用戶解決某些問題，產生某些價值；反之，如果跳出率低，則在一定程度上說明網頁對于用戶來說是有益的，用戶愿意更深入地去探索網站的其他功能。

（6）退出率（Exit Rate，簡稱ER）

是指用戶退出網站的次數除以用戶進入瀏覽網站的次數的百分比。正所謂有出必有進，有進必有出，用戶不可能一輩子只看一個網頁或網站，所以有瀏覽就必然會有退出。計算公式是：

退出率=（從該頁退出的的頁面訪問數/進入該頁的頁面訪問數）*100%

相對于跳出率而言，退出率的重要程度對于設計師來說反倒沒有前者那么重要——因為退出率是必然會發生的，站在用戶體驗角度來看，無論網站的體驗設計是否優劣，都會產生退出率。

所以關于跳出率和退出率，設計師更應關注的是“用戶為什么會在該頁面跳出？”而不是“用戶為什么會在該頁面退出？”

下面舉個復雜的案例，方便諸位讀者理解跳出率和退出率之間具體的關系和區別：

李明（橙）：A>B>C>D；
王皓（藍色）：C>B；
孫宇（綠色）：D>A>C>B；
何凱（紫色）：A；

跳出率和退出率圖解

（觀察上圖）對于這個網站而言，總的訪問次數(VV)是4——因為只有四個用戶；總的頁面瀏覽量（PV）是11。

其中頁面A的跳出率為50%，退出率為33%；頁面B的跳出率為0，退出率為66.7%；頁面C的跳出率為0，退出率為0；頁面D的跳出率為0，退出率為50%。

實際工作中碰到的數據或許會比這個更復雜，比如李明A>B>C>D>B，王皓D>A>C>B>D等情況，所以很多時候還是要要具體問題具體分析。

如果將跳出率和退出率相對比的話，這兩種類型的數據其實并沒有誰大誰小的問題。在實際的數據分析中，還是需要根據工作需要來使用合適的數據進行分析。

（7）完成率

是指完成某項任務的用戶數占全體用戶總數的百分比，比如100位用戶在操作任務A，其中只有80位成功完成，那么完成率就是80%。

（8）和完成率相對的就是失敗率

完成率和失敗率都可以幫助設計師衡量一段任務流程的易用性和可用性問題，比如失敗率高，則說明用戶在利用此段任務流程時遇到了阻礙；反之成功也不能驕傲，更需要保持謙卑的態度去分析未完成的那20%是發生了什么問題，讓完成率得到進一步提升——在很多時候錯誤或失敗數據或許意味著有更多的機會點可以發掘。

（9）點擊率（Click-through Tate，簡稱CTR）

這個數據可以用來衡量某模塊是否被用戶接受的程度，一般會和之后要講到的CVR產生橫向對比。計算公式為：

點擊率=（模塊點擊人數/頁面訪問人數）*100%

單看CTR和設計的關系可以折射出一部分的設計價值，比如CTR高，則說明設計能夠有效吸引和引導用戶眼球，聚焦注意力；反之則設計可能有失偏頗，需要考慮更合適的引導方案。

如果綜合地看CTR，它主要是幫助運營驗證內容或信息是否與用戶感興趣的點相匹配。

（10）轉化率（Conversion Rates ，另稱CVR）

是衡量產品最終價值的重要指標之一，和點擊率一樣，它也是不同數據項綜合計算而得出的一個百分比?？梢灾苯臃磻a品在某些地方的價值——這個某些地方則需要根據不同的關注點進行定義。計算公式為：

轉化率=(最終結果/初始的全部數量)×100%

比如電商網站的商家會更關注收藏和付費人數的轉化、平臺會更關注注冊的轉化，舉個例子：

1000位訪問用戶中，有800位完成了注冊，那么注冊轉化率就是80%；

其中這800位瀏覽了商鋪A，有500位收藏了這家店鋪，那么收藏轉化率就是50%（對于全局而言）；

最后有100位完成了付費行為，那么消費轉化率就是10%（對于全局而言）。

會發現，轉化率其實就是一個漏斗，隨著層級越深，轉化的數量只會比前者更低。

訪問、注冊、收藏和付費呈漏斗狀

那么是否有辦法來提高這個轉化率呢？甚至有沒有可能讓這個漏斗模型最后的消費轉化率超越收藏轉化率呢？這也是有辦法的。

轉化率最大的特點就是可以幫助需要的人有針對性地分析產品在哪些方面的不足之處，比如設計師在觀察漏斗的時候發現某個節點出現了關鍵漏損，就可以快速定位相關節點進行優化，這回答了第一個問題。

現在回答第二個問題：還是上面電商網站的例子：

對于全局而言，最終實際付費的用戶其實只占據了總數的10%，那么如果可以在用戶瀏覽的第一頁就提供一個快速下單的入口，那是不是這1000位的用戶就可以不需要經過注冊和收藏，然后直接消費呢？

通過某些技術和方法，這個方案也是可以被實現的，比如京東或者淘寶的快捷購買、一鍵加入購物車等——少了中途的詳情頁，只需一次點擊就可以直接購物，這不僅減少（前置）了操作路徑，還提升了消費的轉化率。

這樣的方法針對那些無需選擇配置的商品尤其有效，比如水果零食這種可以直接下單（或按照規格下單）的產品。

電商平臺的直接下單操作

2. 業務型指標

接著就是業務型指標。

（1）新增用戶（New Users，簡稱NU）

從時間跨度上來看，新增用戶可以分為日新增（DNU）、周新增（WAU）和月新增（MAU）。

新增用戶的判定標準是以設備的獨立IP或者根據成功注冊的用戶作為計算依據的，比如用戶在使用一段時間（活躍用戶（DAU）+1）后卸載了應用（未注冊），后續又重新下載回來，那么這個用戶就不算新用戶（以獨立IP計）。假設用戶新注冊賬號之后，退出又重新注冊了一個，那么此時DNU+2。

新增用戶可以衡量一款產品的健康程度。如果新增用戶是有序增長，那么說明產品處于自然增長模式；如果是爆發式增長則說明推廣在起作用，同時這也是運營（營銷）衡量績效的重要指標之一。而對于設計師來說，新增用戶的數據沒有留存率那么重要，因為新增用戶大部分是靠對外的推廣得來，而設計師的職責更多的是將這些推廣所得的新用戶使用某些設計方法或方案將他們承接起來，也就是提升留存率，而不是只做“一次性用戶”。

如果把一款產品比作是一個魚塘，那么新增用戶就是魚塘里的全部小魚。推廣和獲取則是在想魚塘補充新鮮血液，保證魚苗的充足供給。

新增用戶池

（2）活躍用戶（Active Users，簡稱AU）

活躍用戶的判定標準是在一定時間周期內，成功啟動過或使用過產品的用戶，當然也可以將判定條件定義為是使用核心功能的用戶。這個定義范圍和目標需要根據產品需要進行選擇。

活躍用戶是在新增用戶的前提下才會產生的，比如第一天注冊的是新增用戶，然后第二天依然使用產品的，就可以定義成是日活，將“第二天活躍數量/第一天新增數量”就是次日活躍率。所以，活躍用戶以時間跨度來分可以分為日活（DAU）、周活（WAU）和月活（MAU）。

對比新增用戶，活躍用戶的判定條件略微有些復雜：

日活（DAU）：某個自然日內成功啟動過產品的用戶，并且該日內同一個設備多次啟動只記一個DAU。比如社交產品、咨詢產品，如抖音、微信、騰訊新聞等產品，對于運營同學來說， DAU占了績效考核指標中的大頭；
周活（WAU）：某個自然周內成功啟動過產品的用戶，并且該周內同一個設備多次啟動只記一個WAU。對比DAU來說，WAU更能分析出用戶的結構類型和偏好程度，一般偏工具型產品對WAU的考核會多一點；
月活（MAU）：某個自然月內成功啟動過產品的用戶，并且該月內同一個設備多次啟動只記一個MAU。由于周期設定比較長，一個月的時間是可以衡量出用戶對產品的粘性和忠誠度的，所以一般這樣的指標會在工具型，尤其是偏中長期的產品中會比較重視，比如馬蜂窩、攜程等。這個指標還可以用來衡量被服務的用戶粘性以及服務的衰退周期。

除了可衡量粘性和忠誠度以外，MAU還可以通過側面來衡量一款產品的生命衰退周期，比如月活的數量在走下坡路，則說明產品出現了某些問題，需要去進行改進和優化。

還是魚塘的例子。有了新鮮魚苗后，有些魚苗不適應環境最終死了，而有一些則活了下來，并長成大魚。其中死了的魚指的就是流失用戶（一部分也會成為一次性用戶），而生存下來的就是活躍用戶。

活躍用戶池

（3）一次性用戶

既然有活躍用戶，那么必然有非活躍用戶，所以一次性用戶是指第一次使用產品（即新增首日）之后就再也沒有使用過的用戶，一般特指那些無效用戶，是區分有效和無效的一項重要參考指標。

常規來說，直接按照第二天是否活躍過于武斷，所以一般會把判定的界限定位在“七天內都無活躍”的用戶。

（4）流失率（Turnover Rate）

流失率一詞最早被應用于企業人員管理，亦有“跳槽率”、“主動離職率”一說，是員工離開組織的兩種形式之一（另一種是被辭退，即“被動離職率”）。后被指代用戶在使用產品后由于各種原因而不使用產品所占新增用戶的比例。

和產品主動丟失用戶，即“被動流失率”相比，該流失率是一種積極主動的行為，是用戶處于自身的原因而產生的流失，比如認為產品不好用等理由而離開產品的那些用戶。

不過對于產品來說，流失率需要根據產品的性質來定義是否嚴重，比如微信屬于社交類軟件，如果次日或一周后用戶都不再啟動產品則可以判定為流失用戶；而對于郵箱或其他工具類，少則兩周、多則一個月才能判定成是流失用戶。

和失敗率相同，流失率也是錯誤或失敗數據之一，設計師應該多關注用戶流失的問題，挖掘出機會點，降低流失率，提升留存率。

用戶池中的流失用戶和一次性用戶

（5）留存率（Retention Rates）

有流失那必然有留存（除非產品實在差勁，連一個用戶都留不?。?，因此留存率是指在某一時間段內新增用戶數在經過一段時間仍然啟動產品的用戶比例，通常這個時間段會以次日（2日）、3日、7日（一周）、14日（兩周）和30日（一月）作為衡量區間。

在這個時間遞增的過程中，可以觀察出產品留存率的衰減情況，以反映用戶粘性和忠誠度。時間段的取值越長，留存率也同樣高時，那就證明產品的用戶粘性和忠誠高。

一般來說，留存率主要關注次日、7、14日和30日的數據：

次日留存率：新增首日內開始計算到第2天仍然成功啟動過產品的用戶占全部新增用戶的比例；
7日留存率：新增首日內開始計算到第7天（一周）仍然成功啟動過產品的用戶占全部新增用戶的比例。一周的時間用戶通常已經完整體驗過產品的全部內容，能夠留存下來的用戶說明粘性已經得到了保證。
14日留存率：新增首日內開始計算到第14天（兩周）仍然成功啟動過產品的用戶占全部新增用戶的比例。一般互聯網產品的迭代周期是2～4周，14日留存率正好是版本迭代（雙周迭代）的最低周期；
30日留存率：新增首日內開始計算到第30天（四周，一個月）仍然成功啟動過產品的用戶占全部新增用戶的比例。和14日留存一樣，是產品迭代周期的最高周期，用戶已經完整地體驗了一個版本的絕大多數內容，能夠留存一個月的用戶可以判定該用戶屬于粘性和忠誠度較高的人群，可以對其進行更多深入的推廣。

具體的時間周期需要根據產品需要的數據進行選擇，只有針對性地關注相關數據才能解決相應的問題。

回到池塘養魚的例子。池塘死了一批魚苗，但仍還有部分的大魚活著。到了收獲的季節，這些魚就要捕撈。

目前池塘里所有活著的魚都是留存用戶，而能夠捕撈出來的魚就屬于留存用戶中能夠產生價值的用戶（以電商平臺為例，就是能夠產生消費數據的用戶）。

留存用戶和價值用戶池

（5）人均啟動次數

顧名思義，是指用戶平均啟動應用的具體次數，是衡量用戶使用頻率的一個重要指標。啟動次數越高，說明產品越健康；啟動次數越低，則應該綜合根據產品性質來判斷接下去的發展方向。比如微信的啟動次數往往會比愛奇藝要高出很多，前者是日用社交類，而后者只有在需要時才會啟動。

（6）使用間隔

使用間隔是需要配合啟動次數進行綜合判斷的一項頻率數據。一般來說產品進入后臺后30s內被再次啟動，是不被判斷為再次啟動的。只有當超出30秒或關閉之后重新啟動才會被判定為1次成功的啟動次數，而前后的啟動間隔時間就是使用的間隔。

一般會根據啟動次數來綜合判斷用戶使用軟件的粘性，比如使用頻率越高，則說明用戶的粘性越大。

根據QuestMobile數據顯示（2018年數據）：在過去一年中，在線音樂用戶使用時長基本不變，但月人均使用次數逐漸增加。由于多數音樂APP是設計成后臺運行的，使用次數更能反映出用戶的使用粘性。

（7）人均訪問時長

人均訪問時長是指在一段統計時間內，瀏覽某個頁面或整個網站時用戶所逗留的總時間與該頁面或整個網站的訪問次數的比例。

舉個例子：

網頁總的PV是1000次，而該網頁全部用戶的訪問時長是3000秒，則該網頁的人均訪問時長是3000s/1000pv=3秒/次。

人均訪問時長并不能單純地根據時間長短來判斷產品內容或體驗的優劣，更應該結合其他數據來綜合判斷，比如學習類產品的平均訪問時長越長，則說明產品的內容越能得到用戶認可；而工具類產品平均訪問時長越長，則說明產品的效率越低。

下面是一些關于銷量、金額之類的數據指標，設計師簡單理解即可。

（8）總成交（Gross Merchandise Volume ，簡稱GMV）

總成交是各大電商用來衡量產品總成交金額的一項重要指標！包含但不僅限于所下單的訂單金額，有已付款、未付款、取消訂單和退貨等，一般來說只要是生成了訂單編號，那么就會被計算進GMV中。

2019年天貓雙十一當天1分36秒的GMV

會發現，GMV還包含了未付款、取消、退貨等指標，所以GMV的金額肯定會大于實際的銷售金額。那么為什么各大電商還是要對外宣布今年雙十一GMV突破xxx億呢？這是因為GMV可以直觀地衡量出該平臺的用戶規模和消費能力，是對外宣傳的一個光彩門面，主要目的是為了彰顯平臺的價值和體量。

（9）支付UV（Pay UV）

根據前文所知，UV是指真實的訪問量，那么相對的支付UV就是真實的支付量，是不包含未付款、退款、取消訂單的人數的。（注意，支付UV指代的是人數，而GMV是指代金額）

（10）人均客單價（Average Revenue Per User，簡稱ARPU）

人均客單價是平臺用來測量每個最終消費用戶的一個指標。計算公式是：

人均客單價=GMV/支付UV

該公式的分母除了支付UV外，還可以選擇平均在線用戶數、活躍用戶等數據。具體的選擇需要根據產品需要而定。

ARPU的值越大，說明單用戶所貢獻的金額就越大，可以直觀反映該業務在近期處于上升階段。該數值對于奢侈品行業是一項重要的衡量指標！畢竟奢侈品不沖量，賺的是單份的錢——消費數量雖然不多，但是個體用戶的消費能力卻極為強大。

不過，ARPU并不能衡量企業的盈利情況，畢竟消費行業的最終利潤是要和成本掛鉤，尤其是邊際成本的計算。

（11）復購率（Repurchase Rate）

復購其實就是日常所說的“回頭客”，是指消費者對該產品或者服務的重復購買次數占全體購買的百分比。重復購買率越高，說明消費者對產品的忠誠度就越高，反之則越低。

復購率有兩種計算方法：

一種是單純地計算進行重復購買的消費者，比如以獨立賬號為單位，總共有100個消費者對產品A進行過初次購買。其中有70個用戶產生了重復購買，那么復購率就是70%。
另一種則是按照交易的次數計算，比如總數是100人，其中在一個月內有70人進行了第二購買，這70人中又有20人進行了三次購買，那么復購率就是90%。

對比兩種方法，第一種方法的數據會更加真實可靠；而第二種方法計算出來的數據則是針對總數的一種參考值，如果作為分析指標來看，價值不會像前者那么大。推薦設計師采取第一種發方法進行分析和評估。

這么多數據綜合看下來會發現，有些數據和設計的關聯度微乎其微，甚至都無關聯。比如DNU、DAU，往往是由推廣和運營而導致的數據波動，這些數據指標往往和內容及產品本身的服務質量呈正向聯系，設計很難在其中發揮大的價值。除非設計參與到內容運營層面（比如電商設計），否則很難利用這些數據指標來衡量設計所產生的價值。

因此，涉及到數據的問題，尤其是眾多數據，設計師自己要梳理清楚其中的利害關系，要多多關注設計能夠產生重大影響的數據指標上，把重心花在設計需要產生價值的地方，而不是舍本逐末，撿了芝麻丟了西瓜。當然，筆者這句話也不是在倡導大家不要關注小指標，只是重心倚重不同罷了。

還有一些像CPA、CPS、CPC、CPM等等都是涉及到金錢、業務和商業的復雜數據，這些數據對于設計師而言了解即可。如果想往管理層發展的讀者建議可以自行擴展了解，本書不做過多贅述。

三、數據來源

介紹了這么多數據項，那么這些數據的具體來源又有哪些（渠道）呢？

下面筆者將各個渠道大致分成了三類來源：行業洞察、后臺日志和調研數據。

1. 行業洞察

行業洞察一般是經過專業數據分析公司過濾過的信息。這些公司會通過某些渠道獲得某款產品或該領域的詳細數據，然后他們內部會先自行消化一遍。最終通過這些消化后的信息進行分析和重新編譯，產出有價值、可供市場借鑒參考的行業趨勢報告。

各大數據分析公司對當下市場某些趨勢的數據分析和判斷報告

在這些報告中，也許某些敏感數據會被處理或抹除，但對于設計師所需要的數據而言，報告中的部分數據依然能夠提供給設計師更專業和獨特的分析參考，并為方案的下一步迭代和優化提供方向。同時也因為是行業報告，可以為設計師對產品的體驗設計方案作出重要的趨勢分析和把控。

這些行業報告不僅可以作為設計的數據支撐，同樣還可以作為產品的競品存在。比如某公司正在開發的一款短視頻軟件，數據公司A正好“出爐”了一份關于抖音短視頻的數據分析報告，那么此份報告就可以作為競品分析的依據存在，幫助該公司了解市場環境，輔助找準產品定位，借此制定差異化策略或其它策略。

市面上比較知名的數據報告企業有百度指數、企鵝智酷、艾瑞咨詢等，設計師可以利用閑暇時間多多關注這些公司公布的部分報告，提升對行業的了解程度。

2. 后臺日志

后臺日志一般都是提前部署好“埋點”才會產生相應的數據。關于后臺日志和埋點，簡單理解其實就像是商場監控一樣，比如：

你在商場某服裝店偷了一件衣服，而且還沒被抓到（但攝像頭捕捉到了）。那么當店員在對銷售數據進行復盤的時候發現少了一件，這個時候一翻監控就能輕松地獲取到關于“是誰偷了這件衣服”的行為和結果。

這就是“后臺日志”，它需要“監控”和“提前埋伏好”才能捕捉到相應的數據，算是一種“隱藏式”的數據獲取渠道。

后臺數據

至于埋點要埋在哪里，一般會由產品和運營去規劃，然后交代給開發來執行。當然設計師也可以根據需要向產品或是開發提出埋點需求。

埋點埋好了，接下去就是誰能獲取這些數據的權限問題。一般來說，一款產品的數據都掌握在利益相關者手中，尤其是小公司，產品數據可以直接看出產品命脈，肯定不會輕易透露給不相關或是底層的基礎員工。當然，如果你是有能力的設計師或者你嘗試采用某些方式說服老板也是可以獲得對方案有價值的數據指標的。

不過有些數據并不掌握在利益相關者，甚至連老板都無權過問，比如外包公司。外包公司的數據一般都是在業務方手中，而設計師身為外包人員肯定是無權過問業務方數據的。這個時候就需要設計師發揮職業素養，利用職場技能和溝通技巧與業務方建立良好的合作和信賴關系，相信只要你有能力，是一位有價值的設計師，業務方一般都會將需要的數據提供給你。

3. 調研數據

在所有調研活動中，最常用的獲取媒介就是問卷調研，比如通過滿意度調研、評分問卷等方式，然后再配合某些計算模型和方法，計算得出有價值的數據指標，比如NPS凈推薦值。

調研數據和后臺日志不同，調研數據更多的是存在于外部，比如用戶本身。說得再直白點，調研數據大部分獲取的都是定性數據，至于詳細的PV、UV、GMV這些功能型指標和業務型指標，依然需要借助后臺日志去獲取。所以，一般來說調研數據只是配合這些內部數據進行論證的一種方式，是一種證偽的價值。

四、產品生命周期

如此多的數據又該如何應用呢？或者說該怎么配合PM來賦能產品呢？根據前文我們知道，數據是可以直觀體現產品命脈的，所以數據最好還是配合產品不同的生命周期使用，才能讓數據發揮最大效益。

根據產品生命周期理論，即PLC（product life cycle）指出，產品生命周期大致可以分為引入期、成長期、成熟期和衰退期。不同的生命周期所關注的權重數據占比會有所不同。

產品生命周期理論最早是由美國哈弗大學教授雷蒙德·弗農（raymond vernon）在1966年的《產品周期中的國際投資與國際貿易》一文中首次提出的。

1. 引入期

顧名思義，引入就是引入用戶的時期，也就是常說的產品初創期。如果與人類生命周期相比，引入期算是新生兒時期。

產品初創期的重點在于驗證產品目標和價值是否與市面上大眾用戶所需要的價值相匹配，說白了就是驗證產品所提供的服務是不是可以為特定用戶解決特定問題。所以，初創期的做法更多的是圍繞驗證假設而展開，而不是圍繞數據而展開。

因此，各種市場分析和用戶調研的手段，比如定性和定量的研究、對用戶行為態度的掌握等是初創期最需要關注的重點，數據在這個階段的價值退居次要位置。

那初創期是不是就應該閉門造車，就像造火箭一樣，待完成的那一刻才是一飛沖天的光輝時刻呢？并不是。尤其是互聯網產品并不適用這種一飛沖天的模式，更應該去嘗試“小步快跑，快速迭代”的研發模式，即快速驗證痛點和需求的方法，該方法被稱為MVP（Miumum Viable Product），是由埃里克.萊斯（ Eric Ries ）在《精益創業》一書中關于精益創業的核心理念和思想衍生而來。詳細具體的MVP方法在本書的7.2.6-精益設計一節中會提到，這里不作過多闡述。

下面將以抖音App作為產品生命周期案例來詳細講解四個時期的抖音分別是如何“成長”的。尤其會講述在這四個時期中，抖音都是重點關注哪些數據指標的：

2015年前后，短視頻在國內已經具備了比較成熟的市場，像快手、秒拍等產品已經成功培養出了用戶的體驗模式和操作習慣。而抖音就是在這個時期介入的短視頻領域。

它只需要分析市場環境，然后結合產品自身特點作出針對性的產品定位策略，就可以輕松地鎖定目標用戶，抓住其特點和需求，然后引入一部分的種子用戶來探索和打磨產品，尋求發展機遇。

短視頻市場在不同時期，不同產品的入局時間線

到了2016年9月26日，A.me正式上線（2016年12月22日，A.me更名為抖音短視頻），同時也是抖音正式加入短視頻爭奪戰的日子。這個時期的抖音正處于產品的引入期，是對市場需求、價值和方向探索的時期，需要一步步地驗證用戶需求和產品價值，借此來保全自身能在洪流中穩健成長。

在這個階段，抖音的市場整體影響力和營銷傳播暫時可以忽略不計，所有的資源都是為了下一步的成長期做“起跳準備”。

核心功能：打磨基本的視頻拍攝功能，定義產品基調；為了考慮后續的市場推廣，抖音也開始探索社交渠道的擴展，支持查找通訊錄、邀請QQ和微博的功能。不過相對來說，在引入期就開始考慮社交化不免有點為時過早，風險有點大。

引入期，數據起止時間：2016年9月27日～2017年4月01日

總的來說，產品處在引入期更重要的是“精心呵護”產品的各項功能，而不是去分析數據“拔苗助長”，更應該沉淀下來安心做好產品，全心全意為用戶服務才是重中之重。

2. 成長期

如果與人類生命周期相比，成長期算是青少年時期，正是青春洋溢、意氣風發的時期。

產品經過了引入期的沉淀，對核心功能和場景已經有了相對完善的體系，此時產品開始進入了一個自發成長的階段。為了讓產品擁有更大的用戶體量，相關的團隊需要開始進行主動推廣和傳播，即拉新和留存等活動。所以在這個時期，產品重點關注的數據也應該放在拉新和留存上（產品的研發同步繼續）。

該階段是抖音開始對市場進行大幅度推廣和傳播的階段。因為產品已經具備了基本的核心功能，已經完全有能力面對廣大市場用戶的需求了，所以這個時期也是營銷和研發團隊“雙管齊下”的時期。

從2017年五月開始，營銷團隊不斷發力，在短短半年不到的時間，用戶量激增了十倍以上！抖音開始像火箭發生一樣完全暴露在了大眾的視野中，也同時奠定了短視頻行業“大佬”的位置。

成長期，數據起止時間：2016年9月27日～2018年1月05日

在這個階段，對于營銷團隊而言要重點關注推廣數據，如PV、UV、新增用戶、活躍用戶和留存率等。同時還要關注新老用戶對產品的滿意度和推薦值等數據，這些數據可以有效傳遞市場用戶不同的情緒和態度，可以為產品后續的研發做出方向上的優化和迭代參考。

至于研發，則需要關注CTR、CVR、跳出率和留存率等數據指標，即對這些新用戶的承接能力強弱是需要通過這些數據指標來判斷的。

和上述單獨描述數據指標有所不同，在這個時期要對各項數據進行綜合交叉監測，也就是說要站在全局視角來看待數據，不能孤立，也不能主觀。因為不同的數據指向的目標不同，影響的結果也不一致，數據之間甚至有可能還會形成交叉影響，這就要求數據分析師或設計師掌握對多項數據進行并行追蹤和分析的能力。

當然，完成承接是設計師最基礎的能力體現，如果能夠做到進一步提升目標用戶在核心場景的承接率，比如人均啟動次數的頻率、人均訪問時長的長度那肯定是再優秀不過了。

核心功能：改進“新鮮”模塊，更名為“附近”（這是抖音對社交化的進一步探索）；對濾鏡和美顏技術的強化是抖音俘獲用戶芳心的利器之一；同時“視頻原聲支持他人使用”的功能是抖音在市場推廣上的另一大利器。

借助此階段高速增長的暴利，同時也為了讓產品的價值更廣、體量更大，抖音也開始了商業化道路的探索。

3. 成熟期

一款產品的青少年期總歸有限，他遲早有一天會長大成人，步入社會，歷經社會的各種磨難。這個時候產品的各項生命指標就會開始出現問題，就像青少年身體隨著年齡增長會邁入壯年一樣，身體是會出現大大小小的毛病。

這時候，產品就進入了成熟期。雖說產品邁入成熟期，但上一時期的拉新、獲客行為依然會持續下去，并且還會伴隨一些復雜的商業化行為，

在這個階段，部分老用戶會開始流失，產品的部分數據會開始出現下滑趨勢。所以對這些流失數據，設計師就需要配合相關部門采取相應的措施來進行回流或減緩數據流失的速度，比如游戲領域的“老玩家回歸”就是回流的典型案例。

王者榮耀的老玩家回歸活動

除了回流這些基礎的拉新留存行為外，還要考慮到用戶價值大小的問題（這是產品在成熟期需要重視的問題）。產品要開始有選擇地進行“保大保小”的決策，盡量提升那些已有用戶群中高估值的用戶，比如付費用戶、忠實用戶等，而對于那些低估值的用戶就要適當減少精力付出，盡量把力量往一個地方使。

正因為有了這樣一個市場趨勢，各大電商平臺開始陸續推出配套的會員店來進一步挖掘高估值用戶的價值。當然，這也不是說要拋棄原先的核心產品以及核心場景，不能“有了新歡就忘了舊愛”。

在這個階段，設計師的工作可能就不是大幅度地改變產品，更多的工作會圍繞單個模塊或核心任務流程進行優化。當然也可以將用戶群體進行細分，在細分場景下做足功夫實現“精細化設計”。至于如何優化和迭代，實現精細化設計，就需要借助各項數據來支撐迭代的理由，這樣設計師才能借助數據把握方向，實現設計價值。

2018年初，直播領域開始盛行，抖音為了擴大市場影響力，上線了“線上直播”功能，同時還推出了答題類的“百萬英雄”和“原創音樂人”活動等，這近一步降低了抖音的獲客成本。并且配合春節的紅包熱潮，通過老拉新、搶紅包的營銷策略對已經流失的用戶進行回流營銷。再加上產品本身的品牌效應和口碑，這一系列的動作都在不斷地鞏固抖音在市場中的地位。