数据分析常用的数据指标

数据指标的作用是用来衡量、追踪和监控业务的，对于一项具体的业务来说，它所包含的数据通常有三大类：用户数据(谁)、行为数据(做了什么)、产品数据(对应的产品是什么)。那么，相应的数据指标也可分为三大类：
用户数据指标
行为数据指标
产品数据指标

1 用户数据指标

用以衡量个体或客户群体的情况，或者用来划分客户群体。而划分客户群体的目的，是为了能够分而治之，对不同的客户群体采取不同的运营策略，以此最大化收益。

1.1 日新增客户

就是每天新增的客户是多少。新注册的就是新增客户，如果按渠道拆解新增客户，还可以从中判断出不同渠道的推广效果。

1.2 活跃率

计算活跃率，首先要对活跃有一个明确的定义，不同的产品，对活跃的定义是不一样的。比如对一般的网站，只要用户登录访问就算活跃用户；但是有些网站或者APP可能需要用户签到或者使用其他的功能才算活跃用户。有了用户活跃的定义，就可以计算出某段时间内活跃的用户数，然后与同时间内客户总数一除，就能得到该段时间内用户活跃率。活跃客户是产品收益的主要贡献者。

1.3 留存率

留存率和活跃率一样，也需要事先定义清楚，不同的产品对留存的定义也是不一样的。和留存率相对的是用户流失率。
留存率对产品来说至关重要，可以评估产品对用户的黏性，留存率低的产品容易被市场淘汰。
留存率的计算公式:

留存率 = (第1天新增用户中，在地N天还使用产品的用户) / 第一天新增的用户

2 用户行为数据指标

用户的行为指标，可以用以辅助划分用户群体，进而辅助如推荐系统的正常运转。

2.1 PV和UV

PV(Page View): 一定时间内某个页面的浏览次数，用户每打开一个网页可以看做一个PV。用户访问网页内容的时候，可以记录此内容的标签，如此可以为客户推送相关的内容。
UV(Unique Visitor): 一定时间内访问某个页面的人数。
一个页面每天被用户访问10次，则PV=10；一个网页被一个人打开10次和打开1次，UV都是1.

2.2 转发率

转发率相对比较简单，计算公式:

转发率 = 用户转发的次数 / 用户看到的次数

2.3 转化率

转化率的计算方法也与具体的业务场景有关:
比如店铺转化率:

购买产品的人数 / 访问店铺的人数

2.4 K因子

可以用来衡量推荐的效果，就是一个发起推荐的用户可以带来多少新用户。K因子的计算公式为:

K因子 = 用户发出的邀请数 * 收到邀请的人转化为新用户的转化率

如果每个用户平均向10个人发出邀请，而平均转化率为20%的话，则K因子=10*20% = 2。当K>1时，新用户就会不断增长；繁反之，新用户则会停止增长。

3 产品数据指标

产品数据指标，能够直接反映业务的运行情况以及产品的受欢迎程度。比如成交总额、成交数量、付费率、复购率等。

3.1 产品总量

用来衡量业务总量的指标主要有：成交总额、成交数量、访问时长。
成交总额: 就是零售业中的流水，包括四部分: 实际销售额、取消订单金额、拒收订单金额、退货订单金额。
成交数量就是实际卖出去了多少。
用户访问时长，指的是用户使用网站或APP的时长。

3.2 人均

用来衡量人均情况的主要有: 人均付费、付费用户人均付费、人均访问时长
人均付费：

人均付费 = 总收入 / 总用户数

这里的总收入指的是成交的销售额。不同行业人均付费的含义不同，在游戏行业叫ARPU；在电商行业叫客单价。
付费用户人均付费：

付费用户人均付费 = 总收入 / 付费人数

人均访问时长:

人均访问时长 = 访问总时长 / 总用户数

3.3 付费

付费相关的指标，主要有付费率和复购率。
付费率:

付费率 = 付费人数 / 总用户数

付费率能反应产品的变现能力和用户质量，此指标可以将不同付费能力的用户划分开。

复购率:

复购率 = 一定时间内消费两次以上的用户数 / 付费人数

3.4 产品

产品相关的指标主要为了能够发现产品的问题，找到优质的产品进行重点推销；发现劣质产品的问题，进行改进。
常见的指标有销量、好评率等。