很多设师产品理刚入门时，都会对一些数据指标很模糊。尤其与产品团队运营扯需求、与发谈指标、谈实场景，数据指标就常见。假如我们对指标不了解、概念，则会被多方质疑的专业能力，同时也无法提升「数据驱动务、数据驱产、数据驱设计」的核心。
关注数据指标，不仅仅产品理或运营的「专利」，作交互 UI 设师也需掌握这方面的技能，帮我们产出贴近用户行的设。同时，监测产品数据也 2 重作用：一可以监控产品迭中的问题点设点，运营市场活动的收入水平，看看他们目处于什么状态，也可以后续产品迭的方向提供参考帮。二通过对数据的挖掘分析，可以发新的商业机会产品爆发点，也就近两常听到的数据增、用户增、增设的概念。
此，作为名设计师或品经理必须要了解与业务相关核心数据指标。由于所在领域不、业务不，此团队所关注数据侧也不。今天从「网页基础指标、用户数据指标、如何获取数据指标、品设计生命期」来梳理我们品设计者常见指标维度。
它是前业务有参考价值统计数据，是过于业务需求进步抽象，并进数据埋点后，加出的一套算规则，并通过效的方法论数据可视化呈，终能够解释业务变化用户行。当然，不所的数据指标都叫指标，只对当业务参考价的指标可称作指标，同时具备：可统、可分析、可监测的特点。
先了解下流的概念：分站外流源站内流径。以下就拿电商产品举例。
站流量：过其他平台或界媒体进入到你店铺是站流量。又分为免费和付费，免费有自然流量和搜索流量（比如在百度搜你店铺名称并击进入，这是从免费界平台进入），而付费则主要是些广告投放流量（比如将你店铺链接付费植入到某公众号，让他帮你广，即从他公众号进入店铺流量）。
站内流量：通过内的推入或者搜索路径等方式，进入你的铺就是站内流量。主要指用户在网站内的行为路径。
1. PV（页面浏览量）
用户每 1 次对网站中的每个网页访问（成功访问/进入）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 1 次也被计算 1 次。
理论上 PV 与来访者数量成正比，但是它不能精准决定页面的访问数，比同一个 IP 地址通不断地刷新页面，也以造出非常高的 PV。
2. UV（独立访客人数）
访问网站的一台电脑客户端为一个访客。00:00~24:00 内相同的客户端只被计一次。
使独立户作为统计量，可更精准地了解一个时间，实际上有多个访问者来到了相应的页面。
3. VV（户访问次数）
当户成浏览并退有页面就算成了一次访问，再次打开浏览时，VV数+1。VV 同时是视频播放次数（Video View）的简称。
4. PV、UV、VV有么区别？
如你上午打开了优设，访问了两个作页面并闭页。午又打开了优设，访问了五个作页面。则当日统计结果为：PV=7、UV=1、VV=2。
5. 跳出率
一个非常重要的指标，表示用户来到网站，并没有进行操就直接离开的比例，代表着陆页面（访客进网站的一个页面）是否对用户有吸引力，常用的计方式是落地页面的访问量除以总访问量。
如，在一个统计时间，有 1000 个同户从某个链接进入，中有 50 人没有二次浏览行为，是直接退的，那么这个链接的跳率为：50/1000=5%。然而有些退的行为作为退考虑，如页面上刻意添的导链接，如合作伙伴的等，还有联系我们，付款页面等，都算是负面的跳，要根据同情况统计有效的数据才得可靠的跳率。
统一网站的跳出率非常必的，能帮产品提高用户粘性。跳出率高，明用户体验得不好，用户去就跳出去了，陆页满足用户的望与需求，或人群不精准。相反如果跳出率较低，明用户体验得很好，起码用户能第一时间获取自己需的内，并且可能还会二次光顾。
6. 退出率
针对网站内某一特的页面言，退出率衡从这页面退出网站的比例，通过一页面的退出次数除以访问次数。
退出率反映了网站用户吸引力，如退出百分比很高，说明用户仅浏览了少量页便离开了，此需要改善网站内容来吸引用户，解决用户内容诉求。
7. 跳出率与退出率又有什么区？
跳出率是指用户进入网站起，没进什么跳转操作，又从这个页退出或关闭比例。退出率则是论用户从哪个页进入网站，最终从这个页退出比例。
跳出率适用于访问的着陆页（即用户成功访问的第一个页面），而退出率则适用于任何访问成功并退出的页面，即用户在网站上访问的最后一个页面。退出率通常针对局部的页面来统计，比如支付流程退出率高，那就要针对现状对流程做优化。但站在网站总体的角度统计退出率没什义，因为有访问网站，就必然有离开网站。而跳出率则可以适用于着陆页面，也可适用于网站整体。
8. 均访问长
指在定统计间段内，浏览网站的一个页面或整个网站，用户所停留的总间除以该页面或整个网站的访问次数的比例。
用户在网站特定时间内总停留时间为 1000 秒，在段时间内，总的访问次数是 100 次，么个页面或网站的平均访问时长就是 1000秒/100=10秒。
该数据是分析户粘性的重要指标之一，可侧面反映的户体验。平均访问时长越短，说明对户的吸引越差，可容信息越。
9. 转率
在一个统计周期，成转行为的次数占推广信息总点击次数的率。
转化率=（转化次数/点击）×100%。以用户登录行举例，如果每 100 次访问中， 10 登录网站，那么此网站的登录转化率就 10%，后 2 用户关注了商品，则关注转化率 2%，一用户产订单并付费，则支付转化率 1%。
转化率是品盈利要指标，它接反映了品盈利能力。不业转化率，关注也不，比如电商品要关注销售转化，看看参与活动用户有多少是在活动后生支付，有需要可以根据数据分析出人均购买次数购买金额。再比如我们监测注册，就关注注册转化率，看看这活动给产品了多少新增用户。所以转化率可以针对性分析产品哪些方面的不足，可以速到问题点。
10. 转化率采用访客数（UV）还访问（PV）？
这需根据团队数据分析的目的。比如采用访问，就认每次访问都可产付费。若采用访客，就认用户多次访问能购买常的行。人建议采用访客数，以排除自己团队对网站访问的数据扰，因访问可以通过同一 IP 不断刷新网页递增的，访客数精准到一 IP 址（即一用户、一设备）。
11. 回购率
指用户对商品或者服务的重复购买次数（回客）。
复买率有两计算法：是所有买过品用户，以个为独立单位复买品数，比如有 10 个客户买了品，5 个生了复买，则复买率为 50%；是单位时内，复买数占比，比如 10 个客户买了品，其有 3 生买，3 又有 1 生三买，则复买数为 4 ，复买率为 40%。复买率越高，则用户品忠诚度越高，反则越低。
1. ARPU
即每用户平均收入。
ARPU=收入/用户数。它注是个时段内运商从个用户所到收入，衡量互联网公司业务收入指标。ARPU 值高说明平均个用户贡献收入高，法反映利润情况，为利润需要考虑到成本。如用户成本也很高，那么即使 ARPU 值很高，利润也未必高。
而用户数可以是总均在线用户数、付费用户数或是活跃用户数，不同产品标准可能存在差异。ARPU 注重定间段内从每个用户所得的收入，衡量互网公业收入的指标。ARPU 值高说均每个用户贡献的收入高，但未必说利润高，因为利润还需要减去成本。ARPU 的高低没有绝对的好坏之，析的候需要有一定的标准。ARPU 值高说均每个用户贡献的收入高，这段间业在上升。
2. 新增用户
即安装应用后，首次成功启动产品的用户。
按照统计跨度不同分为新增（DNU）、周新增（WAU）、月新增（MAU）。新增用户按照设备度进行去重统计，果该设备卸载应用，一段时间又重新安装该应用，且设备未进行重置，若次打开应用，则不被计为一个新增用户。
增户量指标要是衡量营销推广渠道效果的最基础指标。增户占跃户的例可于衡量产健康程（产没有增和跃，就进入「绝症状态」）。如果某产户占过，那说明该产的跃是靠推广得来，这种情况非有必要注，尤是增户的留存率情况。
3. 活跃用户
即在特定的统计周期内，成功启动产品的用户。除此之外，我们还以将活跃用户定义为某统计周期内操产品核心功能的用户（按照设备去重统计）。
跃户是衡量产户规模的重要指标，和增户相辅相成。如果只看一个指标来定义产的成功与否，那一定是跃户数。当然，一般重点注核心户规模即可。希望户每天都使的应有闻 APP、社交 APP、音乐 APP 等，产的 KPI 考核指标一般都有日跃户数这项。但对于某些低频消需求和时性需求的 APP，如旅游、摄影、工具类等，可会注月跃数，甚至特定周期的跃数。
活跃用户数根据不同统周可以分日活跃数（DAU）、周活跃数（WAU）、月活跃数（MAU）。
- DAU（日）：某个自然日成功启过应的户，该日同一个设备多次启只记一个跃户；
- WAU（周活）：某自然周内功启动过应用的用户，该周内同一设备多次启动只记一活跃用户。这指标了查看用户的类型结构，如轻度用户、中度用户、重度用户；
- MAU（月活）：某个自然月内成功启动过应用用户，该月内个设备多启动记个活跃用户。这个指标般用来衡量被服务用户粘性以及服务衰退期。
4. 留存率
即在某一统计时的增户数中再经过一时间后仍启该应的户例（留存率=留存户/增户*100%）。通重点注次日、3日、7日、30日即可，并观察留存率的衰减程。
- 次留存率：即某一统计时段新增用户在二天次成功启动应用的比例。果次留存率达到 50% 以上，说明个产品已经是非常优；
- 7日（周）留存率：即某一统计时增户在第 7 天再次成功启该应的例。这个时间，户通会经历一个整的产体验周期，如果这个阶户够留来继续使，很有可成为产的忠实户；
- 30日（月）留存率：即某一统时段新增用户第 30 天再次功启动该应用的比例。通常移动端产品的迭周 2~4 周一版本，所以月留存率能够反映出一版本的用户留存况，一版本的新，或多或少会影响部分用户的体验，所以通过对比月留存率能判断出每版本的新对用户的影响面积，从到类似问题行优化。
若以上时段的留存率低，映射出哪问题？
- 次日留存率低：说所针对的用户群对的产品不兴趣；
- 7留存率低：说明我们产品的内容质量太差，用户新鲜劲儿之现产品用来特别枯燥；
- 30日留存率低：版本迭代规划做得好，功更、容更、BUG 修复、性等都做得较差，此时需要重规划迭代容，可一错再错。
留存率是验证用户粘的关键指标，设计师和产品经理通常以用留存率与竞品对标，衡量用户的粘和忠诚度。对一个版相对成熟的产品，果留存率有明显变化，就说明用户质量有变化，很能是因为推渠道等因素所引的。同时，留存率也是产品改版的重要指标，产品验越，越符合用户需求，则留存率越高。若产品身满的是小众低频需求，留存率则选择双周甚至是 30 进行监测。一般来说，留存率低 20% 是一个比危险的信号。
5. 流失率
指曾经使用产品或服务，由各种原因不使用产品或服务的用户。用户流失率=某段时间内不启动应用的用户/某段时间内总计的用户量。流失率和留存率有紧密关联，流失率高即留存率低，但活跃度不一定高，因此需要综合分析。也是重点关注次、7、30的流失率。
对于流失户的界定依照产务的同而标准同，对于微博和邮箱这类户几乎每天登录查看的产而言，可户未登录超过 1 个月，我们就可认为户可已经流失了。而对于电商产而言，可 3 个月未登录或者半年没有任何购行为的户可被认定是流失户，是每个产都有固定的流失期限，而是根据产属性而判断。设计师和产经需要到流失的异数据，定位流失户的原因，并在个版本中修复产中存在的问题。甚至还可定位到流失的具体户 ID，通过当时户注册的个人信息进行跟进，我们最见的就是游戏类产「召老玩」的营手。
6. 一次性户
即增日后再没有启过应的户。
一次性用户关键的营指标，判断无效用户的标准，从中把目标用户过滤出。一般划的界限至少超过 7 天时间能够义否一次性用户。
7. 使用时
即统时间段内，某设备从启动应用到结束使用的总时。
般按照均使用时长、均使用时长、单使用时长进分析，衡量用户品着陆粘性，也是衡量活跃度，品质量参考依据。
8. 启动数
即统计时段内，用户打开应用数。
重点关注人均启动次数，结使用长可进行析。用户主动关闭应用或应用进入后超过 30s，再返回或开应用，则统计为次启动，启动次数主要待频数布情况。
9. 使用间隔
即用户上次使用应用的间再次使用间的间差。
使用频数分，观察应用对用户的粘，以及运营内容的深度。虽是使用间隔，但是通计同一设备，先两次启动的时间差，来完成使用间隔统计，充分考虑应用周期和碎化使用的特征。
在工中能生种情况「上文提到的数据指标有看不到」、「不道怎么看」，最终因为没有数据而无法进行监测和分析。里主要是因为在产品上前没有对数据进行开统计。部分工一般是由产品经理去规划，开来执行，设计师也以提出自己想要监测数据的需求给到开，我们把个规划叫做「数据埋点」。
埋点实是对产的一个可视健康检查，贯穿产的整个生命周期，使产逐步达到最佳状态（需要数据结果和产迭代相互呼应），为未来产优方向给指导意见。当然，埋点的目标同，最终数据验证的结果会有同。
比如，新版本线，需验证用户行功能效果的几种场景：
- 功是否得到了户的使与认可？本次增的功户点击率和跃怎样？
- 用户核功能的操作径否顺畅？因功能按钮的设导致无效点击增多？
- 在某个特节日进了品内 banner 广或者促销，该活动运效如何？新用户增长是怎样？
所以，埋点互联网领域非常重的数据获取手段。埋点采集信息的过程一般也称作日志采集。通俗点讲，就 APP 或者 WEB 产品中植入一段码，监控用户行事件。典型的应用场景就某运营活动，页面的点击（PV）多少，点击用户数（UV）多少，都用埋点数据行算的。当然这些信息并不消费一次就用了。通过埋点收集到的信息，可以作监控并通过可视化数据呈出，帮产品、设、运营人员看到产品的表，也可以作基础原料，行复杂的运算，用于用户标签、渠道转化分析、性推荐。比如我们用某资讯类产品看新闻的时候，会发每次推荐的内都次所点击的相关类别，这就通过埋点数据获取的用户行习惯，通过数据行性化推荐。
除了需要监测特定功能区做埋，般大公司也有自主研发供内部品组使用数据分析系统，些关键数据在上都能够实时监测到，并有特定团队去维护它。其，现在市场上有很多数据统计工具可以自动监测到品相关数据，大多都是付费，这里不打广告了，百度搜索关键词会出现大堆类似数据监测品。
品阶段是品生命期，可分为初创期、成长期、成熟期、衰退期，个阶段工作权和数据关注都会有所区。
1. 初创
初创的重点于验证产品的核价，通过某种产品或服务可以特的人群解决某问题。这时我们需关注的关键数据目标用户画，同时第一批种子用户对产品的使用况反馈建议。所以初创需设师产品理去性分析（比如用户访谈），直接确产品否满足了用户需求、产品覆盖到多的使用场景。因此产品初我们可以不用数据分析投入多精力。白了，该阶段用户较少，用户行数据还停留比较初的阶段，所以数据分析的效果不能发挥到化，且价不明显。该阶段就先保证产品顺利，同时绑一批种子用户，解决基本的用户诉求，让产品团队先存下。阶段与手段不匹配的况下，还把某些事强加去，这就「作秀」。
2.
过了产品打磨的初始阶段，产品一般会较好的留存率，这时候产品始入自发增（）。该阶段的产品已能够解决用户的基本诉求了，所以将侧重点关注用户的命周的理，产品吸引多的新用户使用（新鲜血液），即拉新留存，那么我们数据关注的重点也拉新留存。
新要关注广数据和荐数据。
推广数据：就是产品以拉新目的所采取的所有推广运营活动和行为的指标数据，不同推广方式（线上+线下）的达率、触达面积、点击率、转化率、二次访问率、流失率。比如举了一线下活动，现实多少人、哪些是目标用户、哪些不是目标用户、有多少人当用了的产品，有多少人在活动后下载了产品等等。
推荐数据：是用户是否愿意将产品推荐给他人的行为数据分析。里我们在数据上以关注整个分享节动态，比产品有 100 个种子用户，他们中有少人只是自己用产品、有少人分享给朋、他们的分享行为带来少新增用户等，数据告诉我们产品在用户心中的位置。
留存则是要做户的留存分析：重点有户的次日留存率、7日留存率、30日留存率、日、周、月、产页面访问深、退率等等。需要注意的是，这些指标单独监测，需要将他们结合起来看。说透了，留存就是要目标户在核心场景的反复现频率和停留时间（核心场景即产的要功、要盈利模式和户最的模）。
3. 成熟期
随着户快速增长，产断善，产在进入成熟期前后，设计师和产经的重心开始从户生命周期的前半（吸引、激、留存）往后半（流失、流）开始偏移并做相应的产设计，同时更注商行为，即户值（户给产带来的值，产给开发者带来的值）。
这里的用户价指的用户对公司产品的商业价，即解决产品诉求。我们常的用户诉求所不同。该阶段我们根据用户的况行细分，「保弃小」，尽可能提升高价用户的活跃度，对于低价用户可以当减少投入精力。增就减少，所以除了对用户活跃度的关注之外，还需关注核场景的用户行数据高价用户的流失率。
假设我们品日活和活都很高，是核心场景上击率或是留时常低，核心场景关系到公司商业目标和价值实现，用户在这块为少，要么你用户不是目标用户，要么你核心场景存在比较大缺陷让用户不满意。高价值用户流失率也是个理，都是值引起我们警惕数据指标。
4. 衰退期
个品都有个生命期，这是受市场素导致，此时用户会逐渐流失（这里说流失并不是完全放弃我们品，而是从降低活跃度渐渐走到消失），即被其它新品体验模所吸引，所以这时应该更关注用户流失后使用品，分析竞品商业模和功能，时监测流失速度，需尽快拓展品边界，寻找新切入。
1. 改版不，迭发布后关注数据
对于平常就很少关注数据的设师，常改版因专注于界面的优化，忽略了真实的用户行。
真实案例：我们品有个步进组件，用于客户选择相应天数，此项为必填项。前我们内部沟结是提供个 7 天默认值，然此默认值是有争议，有事认为默认 10 天比较合理，所以为了验证用户操作习惯，我们在上线前该组件进了埋。经过用户使用过段时后，我们过数据发现大部分用户在使用步进时，击「减少」比「增加」数要多，而般留在5天，这样我们把默认值从 7 天优化为 5 天，减少了大部分用户 2 击，并在类似业务模块内，会记住用户上所选值，从而提高填写表单效率。
虽然是个小小交互优化，足以证明设计师关注品数据不仅能够验证设计结，能品体验不断打磨，精细化提升用户体验。很显然，如没有此数据监测和教训，会让我们继续活在自己世界里，永远也不会在意这个小问题，导致这个组件继续复用、滥用，再，到用户亲自我们提优化议时候，已经太晚了。
所以，如果你想让某个计方案更贴近用户或者想对比改版前后的效果，那就需要提前将的埋点需求整理成 Excel 表格，发给相关的开发同事，再对照交互型详细讨论这些埋点，确保双方理解一致，不至于最后埋点的数据不是想要的。
下面分享一份我在工中用到的埋点需求表（用户行为统计表）和数据收集表。
载链接：https://share.weiyun.com/53kg548 密码：fecckp
备用下载链接：https://share.weiyun.com/5uQ5kt9
2. 成为一名解决产问题的设计师
随着互联行的发展，行对我们设计师的要求只会越来越，从两年冒的 UX 设计岗、产设计岗就感知到。，未来的界面设计师一定会更注产和数据，再是曾经「画」页面的团队层执行者了，了解一些数据知识可将户的行为可视，更清晰地了解户行为，经过一时间的数据对，设计师和产经可共同验证并规划后面迭代的方案，预测产的走向与趋势。并且通过数据分析，可量交互方案的效果，作为一名解决产问题的设计师，可承担一些研工作，被为。
以一些基础的数据指标，希望对所帮。若自不同行业业务的产品数据指标，欢迎讨论交流。
欢迎关注作者微信公众号：「UXD笔记」
浙公网安备33011002017549号