互联网数据分析：指标体系建立

对互联网的产品岗和运营岗的同学来说，数据分析能力在工作中是一项必备的技能，因为很多人对数据分析的理解仅仅停留在看统计的报表结果，并且做产品运营决策仍然依靠经验而不是用业务数据分析得到的洞察结论。

本系列文章希望简单讲解为什么要用到数据分析、以及用案例说明数据分析的全部工作流程。旨在向那些对互联网业务数据分析感兴趣的同学科普较简单的概念常识和工作流程。

前言

在上篇中，我们介绍了数据的作用是①统计和评估②指导产品设计和运营策略设计③产品的日常监控。数据分析的工作流程分为明确需求→建立指标→获取数据→分析数据并回归业务这四步。（见下图）

内容包括：

• ①常见的数据指标分为哪几类，各是什么？
• ②对于不同类型的产品或者业务如何对他们建立指标体系

1. 数据指标的分类

互联网中的数据多种多样，比如用户的活跃数、留存数、消费金额、订单量、页面的PV/UV、转化率等等，看起来比较繁杂，但大体可以用这样一句话来将其分类——谁，干了什么，结果怎么样。分别对应用户数据、行为数据、 业务数据。

1.1 用户数据（谁？）

用户数据包括用户存量、增量、健康程度和来源。

• 存量：一般用活跃数来反映。日活、周活、月活分别表示一天、一周、一个月内在产品内活跃的用户数（活跃的定义由产品来定义，一般为打开APP，或者完成产品内某个关键行为动作）
• 增量：一般用新增数来反映。（对于新增的定义也有几种：包括点击下载APP按钮、下载成功、首次启动APP、注册为新用户）
• 健康程度：一般用留存率来评判健康程度，表示新用户在接下来的一定时间段内，再次活跃的比率。

其中，日留存和月留存的评判分析作用又有所不同：

日留存（如七日的日留存）可以评判某个渠道拉来新用户的质量——假设某款社交产品，同时在微博、知乎、今日头条、豆瓣APP内发布其产品下载广告，那么可根据用户的留存表现，来分析出从哪个渠道来的用户质量更高（有更大比率是其目标用户），从而优化其渠道广告配置。

月留存（如次月的月留存）可以衡量产品的健康情况，观察用户在平台上的粘性——比如某产品的次月月留存是20%，表示第一个月活跃的用户中，只有20%的用户在下一个月在APP内活跃，其他用户则没有活跃。因此可以以此指标来分析产品是否对用户有长期的吸引力，用户是否依赖此产品。也可以用对比分析某功能上线后，用户的月留存率是否提升，来评判功能的效果。另外，除了观看整体的留存（大盘留存），也可以给用户分群和分类，观看某个特定群体的用户分群的留存率（精准留存），这部分内容将在下篇详细介绍。

• 来源：表示用户从哪里来。

对于网页：可以获知用户跳转到此页面的前向链接（用户是从哪个页面跳进来的）；或者用户在哪个搜索引擎搜索了什么关键词，或者点击了哪个搜索引擎的推广链接进入的；

对于APP：可以获知用户是从什么应用商店下载的；是自然搜索还是从其他产品矩阵APP导流；是通过好友邀请来的还是自己直接下载的？

结合不同渠道来源的用户在产品内的不同表现，可以帮助更好地进行市场推广、进行SEO（搜索引擎优化）、为运营拉新活动提供思路和指导。

1.2   行为数据（干了什么？）

用户在使用产品时的一系列行为被记录下来，形成了行为数据。大致也可以分为质（健康程度）和量（次、频、时长）。

• 访问深度：对于信息流产品功能（如朋友圈、知乎首页、各种新闻APP、带动态timeline的产品），需要用户下滑刷新或者下滑后加载出更多新内容的产品，加载的新内容次数越多表示用户访问深度越深；对于电商产品，用户从首页到分类再到商品详情页，再到商品详情页内的大图、讨论区浏览，这个流程走的越深表示用户对商品越来越感兴趣。
• 路径走通程度（转化率）：在某些步骤较长的过程，比如注册，或者是一些输入手机号获得优惠券，填写较长的表单，从发现到体验到下单到支付，在探探上成功匹配陌生好友（我玩探探的时候就没有成功匹配到一个好友，桑心，可能是我动机不纯，只是想体验一下产品功能和流程，没有其他目的导致的~）等等。
• 次数：包括PV(page view)和UV（unique visitor），可以简单地理解为次数和人数，如某个商品的详情页或者某篇文章某个活动页面被多少不同的人浏览，被浏览多少次。（张小龙说每天有7.5亿人进入朋友圈，阅览总量为100亿次左右）
• 频率和访问时长：频率为用户在一段时间内完成行为的次数（比如平均每人每天要看十几次朋友圈）；访问时长为用户使用产品的时长（比如张小龙说每天用户要平均刷上30分钟左右的朋友圈，哔哩哔哩上市官方宣传视频中说用户平均每天要使用76分钟产品）

1.3   业务数据（结果怎么样？）

业务数据是用户在产品内的行为，对于业务的结果贡献程度是什么样的，以电商产品为例：有总量、消费人数、质量，另外可以分析被消费内容的数据。

• 总量：通常用总成交量（GMV，Gross Merchandise Volume）来衡量
• 消费人数：指有多少人购买商品。
• 质量：人均消费可分为人均消费金额（ARPU，Average Revenue Per User）和付费用户人均消费金额（ARPPU，Average Revenue Per Paid User）。付费频次指用户多长时间购买一次物品。
• 被消费内容：可以分析被消费内容的特征、分类、价格，来优化内容。

然而，并不是所有产品的目标都跟电商一样希望卖出更多的商品（比如微博、哔哩哔哩、虎扑、贴吧、抖音、Faceu相机、有道词典等产品，它们的业务并不像淘宝天猫等电商平台那样希望有更多的GMV），而业务数据要能够准确衡量它们的业务目标。

因此，在接下来，我们要了解不同类型产品是如何选取不同的数据指标来进行衡量和分析，这也是为后面的监测和优化做准备。

2.    指标建模

市面上有很多种产品，每个产品内又不止一个模块（比如知乎有问答社区、动态想法、知乎大学等等；keep也有课程、电商、动态社区等不同模块），而每个模块所承担的任务和责任不同，因此选取的数据指标也不同。

为不同类型的产品模块选取数据指标（指标建模）分为三步：

①明确业务的最终目的

②将产品拆分成模块，并判断其分类

③根据模块选取合适指标

2.1 明确业务的最终目的：

产品都有各自的目的，并且为了达成目的而利用一些功能模块来作为其手段，有时还会有支持手段的工具。首先，我们就需要明确一个复杂产品各个部分：谁是目的、谁是手段。

目的：任何产品都有一个目的，比如卖出更多的实体和虚拟商品，让更多的人消费、成为会员；让更多的人浏览更多的广告；更多人购买其APP或增值服务；而一些处于生命周期的成长期阶段的产品可能更希望产品能够对用户产生粘性，希望更多的活跃度和留存率。

手段：为了达成目的，需要一些功能模块来作为“手段”。比如，今日头条APP会提供更适合用户阅读偏好的内容，来让用户浏览更多内容从而浏览更多的广告；滴答清单、印象笔记、百度云网盘通过提供更好的工具服务来让用户使用并付费购买其增值服务。

支持手段的工具：手段的底层可能还有支持。比如，今日头条的大数据推荐算法为其智能推送提供支持；抖音内丰富多样的视频编辑功能和海量的背景音乐为用户创作优质短视频内容提供支持。

2.2 将产品拆分成模块，并判断其分类：

如上文所述，一个复杂的产品有很多不同的业务模块，有的是目的，有的是手段，那么明确二者之后，需要将其拆开。

尽管市面上有很多种不同的产品功能模块，但为了简化分析，可以根据2个维度将功能模块大致分为4种：工具、交易、社区、内容浏览。（游戏产品不在本文分析范围内）

有一些产品对用户的价值来自其自身，按照帮助用户省时间和帮助用户消磨时间可分为：

• 工具类：比如抖音的拍摄视频工具、美颜相机、查词工具、笔记工具、地图等等
• 内容浏览类：抖音内的内容、新闻文章、视频网站（部分社区如大众点评的攻略、微博、知乎问答在某种程度上也是内容浏览性质）

另一些产品对用户的价值来自其帮助用户连接其他资源（本身不产生价值，有点像“平台”），按照帮助用户省时间和消磨时间可分为：

• 交易类：比如电商板块、会员付费板块、直播打赏充值板块等
• 社区类：比如百度贴吧等论坛；大众点评、小红书等发布个人内容平台；各大APP内部的个人动态（知乎想法、keep社区、QQ空间、微信朋友圈、即刻社区、哔哩哔哩动态、微博等等）

2.3 根据模块选取合适指标：

将产品内的模块大致分为4类后，可以将模块根据其地位（是目的还是手段）和性质（4类中的哪类），为它设置指标体系。

下面对4种分类的功能模块，分别介绍如何选取指标体系：

• 工具类：工具模块更希望用户能够利用此产品达成其目的，并养成固定的习惯，尽可能地多使用，形成依赖。因此主要选取目标达成率、使用量、频次作为指标。（举例：高德地图的导航功能）

• 交易类：交易模块更希望用户能够更大比例地完成付费转化、并且更多次地反复地购买更高金额的商品和服务。因此主要选取详情页转化率、购买人数、频次和复购率等作为指标。（举例：直播APP内的打赏礼物充值功能）

• 内容浏览类：内容浏览模块更希望能够让用户在模块内获得更优质的内容，从而投入更多的时间浏览更多的内容，并与内容产生互动。因此主要选取浏览数、浏览广度、浏览时长和与点赞评论收藏分享人次数等作为指标。（举例：爱奇艺优酷的电视剧、新浪网的新闻）

• 社区类：社区模块希望用户发布更多的内容，并且与更多的内容产生评论点赞等互动，让社区内的发帖发言发布人数越来越多，内容越来越多，内容内部的评论点赞等行为越来越多，从而营造一个非常活跃的社区。因此主要选取发布量、互动量、用户间关系密度等作为指标（举例：小红书的笔记社区、虎扑步行街社区帖子）

总结

在本篇中介绍了数据按照「谁-干了什么-结果怎么样」而分为三类，以及如何拆分产品内的不同功能模块并为其选取合适的指标建立数据体系。

本文的工作是为后续的分析打下基础，明确重点关注的指标后，才能更好地做针对性的优化和改进，为产品运营的决策提供指导。

文：魏楚时 / CTSA实验室( CTSA_lab )

首席增长官CGO荐读：

• 《百度App央视春晚9亿红包拉新10 000 000+新用户》
• 《流量红利消失之际，2019新营销增长的登场》
• 《红包大战：谁越积极，谁越焦虑》

更多精彩，关注：增长黑客（GrowthHK.cn）

增长黑客（Growth Hacker）是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度，梳理整合产品发展的因素，实现低成本甚至零成本带来的有效增长…