編輯導語：在產品經理的工作中，要結合具體業務、數據分析、數據工程這三個方面來進行數據分析，而其中所涉及的步驟工具又可以分為6個模塊。本文作者對其中的一個模塊——指標建模進行分析闡述，一起來看一下吧。

產品經理所要進行的數據分析要結合3個方面來進行——具體業務、數據分析、數據工程，而整個數據分析所涉及的步驟工具等又可以分為6個模塊——指標建模、數據工具、數據處理、數據分析基礎、數據分析進階、數據采集。今天我們來講一下指標建模模塊。

一、指標建模概述

筆者先提出幾個問題作為本文的引子——什么是數據指標？常用的數據指標有哪些？它們是怎么定義的？日常工作中查看這些指標會碰到哪些坑？如何選擇數據指標？選擇數據指標會遇到哪些坑呢？

選好數據指標的常用方法論：

如果老板問到：“剛上線的社區產品，最近表現如何？”

新人產品：“很不錯——日活每天都在漲，新增也很多?！?/p>

資深產品：“現狀堪憂——日活按設備數看一直在漲，但如果按注冊用戶數看并不樂觀。新增用戶轉化成注冊用戶的只有20%，說明我們社區現在還沒有促使用戶注冊的動機?！?/p>

三個月后，老板想知道是否要開始推廣？

新人產品：“最近日活平穩，新增用戶減少，要不要推廣拿不準?！薄憩F平平

資深產品：“最近日活雖然上漲趨勢不大，但：1. 用戶人均發帖量相比剛上線時翻了一番，2. 用戶間的好友密度月環比上漲30%，我覺得社區氛圍已經形成，3. 這個從新用戶次日留存由上個月的35%增長到50%也能得到驗證。因此，認為可以開始大規模推廣?！薄挚孔V

二、認識常見的數據指標

什么是數據指標？即對當前業務有參考價值的統計數據。進一步說明，當前業務+有價值——不是所有的數據都叫指標，與當前業務無關的，也意義不大；可統計——數據不是憑空產生的，不能脫離現實。

舉一個直白的小例子，老板為了提高自己小賣部的營業額搞了促銷活動，為了衡量促銷效果，他首先記錄了一天中小賣部門口的路過人數為3，進店人數為2，購買人數為1，這些即是統計數據（可被觀測、統計、記錄）；隨后計算出進店率為67%，購買率為50%，這就是對業務有參考價值的數據（衡量活動是否有效）。

常見的數據指標有哪些？即如何量化“誰干了什么，結果怎樣”這句話，誰——用戶數據，干了什么——行為數據，結果怎樣——業務數據。

1. DAU/MAU

DAU/MAU=Daily/Monthly Active User

1）理解Daily/Monthly

2）理解Active

方法一：數據統計系統的定義

基于事件上報判定活躍：有事件上報->該用戶活躍。

tips：上報可能有坑——假定了事件上報一定來自用戶主動操作；謹防活躍暴增，其他數據并無顯著增加的情況。

預制報表的統計系統（友盟、百度統計、GA、……）都是基于事件上報進行統計，其統計邏輯是：今天上報過事件（->用戶進行了主動操作）->這個用戶是活躍的。

然而有時上報并不說明用戶的真實行為，如手機收到PUSH后上報事件，這屬于后臺回報消息，并非用戶行為。

這個坑的終極來源可能是運營一周前向RD提出需求：“我要統計發下去的PUSH，的指導有多少條PUSH是到達了用戶設備上的，不然無法優化推送轉化?！盧D采用如下解決方案：“我在后臺給你寫一個Service，APP收到PUSH的時候，我就給友盟上報一個事件說我收到了?！?/p>

方法二：業務上的定義

基于關鍵事件上報：用戶執行了關鍵事件->該用戶活躍。

tips：存在維護成本——需不斷維護日活事件列表；存在溝通成本——團隊內外對[活躍]的認知需統一。

這需要制作日活事件列表，定義哪些事件需要上報。比如：

3）理解User

認人：每位注冊用戶一個唯一ID，但未登錄的用戶會被漏掉。

具體操作：給每位用戶一個唯一的專屬ID，只適合強注冊/登錄環境，用戶數=訪問過服務的ID數。

認設備：每臺設備一串唯一標識符，但無法對對應設備背后的用戶。

具體操作：在網頁cookie中買下一段長隨機字符串，作為設備唯一標識符，用戶數=訪問過服務的設備數。

關于到底是認人還是認設備，筆者總結方法如下：

2. 如何定義新增

每個人都在提[新增]，每個人嘴里面講的新增其實都不一樣。

• 渠道商：“只要點了你們產品的下載按鈕，就算一次新增了”
• 運營：“總得下載成功了才算吧，而且一個用戶一天最多算一次”
• 產品：“我們按啟動算吧。沒打開APP也算，數據質量太差了”
• RD：“注冊了才叫新增[用戶]，否則后臺根本沒這條數據”

所以需要根據具體業務統一[新增的定義]。

1）增——選擇合適地節點，定義[增]

因為渠道商往往強勢，所以在哪個節點結算應該談清楚。

2）新——用適當的方法，判別[新]

• 基于設備：IOS、Android、web各有門道
• 基于賬號關聯：與后臺已有賬號比對匹配

3. 如何理解留存

為什么要看留存，這個表格可以簡明概括留存的作用。

舉例：以7日日留存的三種算法為例來評估某渠道的質量。

算法一：（第七天/第一天）x100%——7日日留存，只關心到特定日的留存情況，避免了其他日數據的干擾。比如比較渠道在Day7的留存情況時，引入Day2~Day7的用戶數據，反而影響判斷。

算法二：（第二天~第七天去重后/第一天）x100%——7日內留存，引入了其他日數據，適用于有固定使用周期，且周期較長的業務。有些時候恰恰需要引入Day2~Day7的數據，比如，有些情況下用戶訪問特別集中（如kfc瘋狂星期四，大量肯德基APP訪問集中在星期三、四），只看Day7來評價，往往不能反映真實情況。此時，關注7日內活躍情況，更能描述渠道質量。

算法三： （ 第七天/第0天）x100%——7日日留存，新增當日為第0日，下一日為1日，使第7日與新增當日對齊，某種程度上能抵消某些星期級別的周期性差異。

同理，當不再以日為統計單位，而是以更長時間周期來統計時，就得到了周留存/月留存，此時可以更好觀察整個大盤。注意，在計算時務必將用戶去重，公式如下：

無論使用哪一種算法，公司內部結合業務特性達成彼此認同時最重要的。

4. 渠道來源怎么看?

關于“用戶從哪兒來的？”這個問題，我們通?？梢钥辞纴碓催@一指標解決。在實際工作中，產品經理會通過公司合作的數據機構給出的各類報表查看。在這里筆者簡單總結幾種主要渠道。

不同的網站統計工具與分析工具對網站流量獲取的渠道各有差異，但基本上可分為幾個渠道：

• 直接訪問（Direct）
• 引薦流量（Referral）
• 搜索引擎自然流量（Organic Search）
• 付費搜索流量（Paid Search）
• 社交媒體（Social）

直接訪問（Direct）：指的是用戶直接訪問網站，而不是從其他網站或搜索引擎進入。包括但不限于：用戶在地址欄輸入網址訪問網站、從瀏覽器收藏夾訪問、用戶點擊聊天工具里的鏈接如QQ聊天記錄里的鏈接。

引薦流量（Referral）：從用戶非搜索引擎與社交網站點擊進入網站。比如友鏈互惠網站、百度貼吧等站外社區論壇。

搜索引擎自然流量（Organic Search）：從搜索引擎自然搜索結果鏈接進入網站的流量。區別于Paid Search，自然流量時搜索引擎自然排名結果的鏈接，通俗講就是非競價非付費的搜索引擎排名頁面鏈接。另外值得一提的是，某些有中國特色的搜索引擎如百度，出了提供搜索引擎服務外，也提供很多的內容產品服務比如百度貼吧、百度知道等，從這些非搜索引擎搜索頁面進入的流量并不歸屬于自然流量，而是引薦。

付費搜索（Paid Search）：即搜索引擎競價，很多沒有搜索引擎優化資源的網站，短平快的流量獲取方式。在國內，競價流量已經成為眾多網站流量獲取的主要渠道。

社交媒體（Social）：社交網站流量在絕大多數國產網站統計工具中并沒有單獨列出來。但是，全球最大的搜索引擎谷歌搜索的排名因素中，社交媒體因素已經占有超過10%的權重，所以也要引起重視。

還有在國內互聯網圈不太提的幾類:Email、展示廣告、其他廣告。另外，許多數據工具如果統計不到用戶的渠道來源，會默認其為直接訪問（Direct）。

5. PV UV 轉化率 訪問深度

PV（Page Views），即次數；UV（Unique Visitors），即人數。然而在衡量完成目標行為的潛力時，通常會用PV/PV表示該頁面引發下一行為的能力；UV/UV表示用戶的行為傾向；PV/UV表示人均行為次數。

1）PV/PV；UV/UV

2）PV/UV

3）訪問深度

算法一：用戶對某些關鍵行為的訪問次數。

算法二：將網站內容/功能分成幾個層級，以用戶本次訪問過最深的一級計算。

6. 訪問時常

1）為何要統計訪問時長

通過統計特殊事件，支持業務需求。比如，記錄暫停/關閉頁面后、播放器中視頻進度條當前的位置，可以統計視頻被消費程度，評價內容質量。

2）如何統計訪問時長

• Web時代，直接統計頁面打開時長（但如果我一直沒關，或是上了個洗手間……）
• APP時代，統計前臺駐留時常（如果我開著APP中途被叫去聊天……）
• 通過瞳孔與注意識別，即攝像頭觀察，瞳孔是否注視屏幕（需要外設和隱私授權……）

總之，采用何種方式統計訪問時長一定要回歸業務本身。

7. 業務相關的數據指標

舉例：小賣部老板想知道，一共賣了多少錢？消費水平怎么樣？來了多少人？有多少人買東西了？有多少人是老顧客？我們的商品好不好賣？……這些涉及總量、人均、付費數、付費率，通常要看業務數據指標。

8 彈出率（Bounce Rate）

通俗理解即，用戶一點開某個頁面就馬上退出，不進行任何下一步操作的比率。一般統計的是整個網站產生的所有會話的彈出率。

本文由 @DarcyAI 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。