12个用户数据的理解与使用误区

王镇雷：作中，无论设师还产品理都会广泛接触到用户商业数据，如何确的理解及使用数据，每一互联网作者的必修课。通过对数据的洞察解读，可以帮我们发产品的问题，了解用户的需求，挖掘商业发力点。

这文章不会系统性穷举数据类型和分析手段，希望过些基础数据理解，帮助初学者消除误区，打开思路。

首先来几个简单，于指标定义误解。

1. GMV不代表利润或盈利能力

GMV（商品交易额 Gross Merchandise Volume）常是电商平台最核心数据指标，如年双11，各大平台最受关注也是 GMV。

值得注的是，GMV 并不等于利润，仅仅表征在产品上的销额，真正计算利润是需要减去成本的。因此，也不会纯因为 GMV 的高低就判断个的盈利能力。

2. 每日/月的UV不等于DAU/MAU

UV（独立访数 Unique Visitor）同是产品的一项核心数据，但并不是每一个 UV 都是有效的、可转化的，因此不同产品会定义不同的门槛，如有超过三次点击的用户会被记录为一个活跃用户（Active User），而常见的日活（DAU）、 月活（MAU），就是指每和每月的活跃用户数。

根据不同产品的特点，甚至是同一个产品的不同时期，活跃用户的定义有变化，需要尽早确定，以免数据被错误使用。

3. 模块点击率不是（模块点击量/页面总UV）

CTR（点击通率 Click-Through-Rate），我们常说一个页面或者一个组件的点击率，但不少人并不明白点击率正有价值的定义。

尤针对模和单个组件，有人将点击率定义为（模点击量/页面总 UV），殊知由于手机屏幕长有限，同模被户看到的概率是同的，除总 UV 自然就正确。

实际应用中，CTR = Click / Show content，即点击次数除以看到模块的用户，时候也称曝光点击率。一，由于分母选取的不同，还 UV 点击率 PV 点击率之分，会细微的使用差异。

定义了解楚了，提升下难度，指标价值理解偏。

4. PV不是越高越好

PV（页访问量 Page View），值注意是，个用户在页击都会累加到 PV 上，此单看 PV 高低并不能真实反映页效。毕竟，大量击可能代表用户内容感兴趣，也可能表示用户在进低效盲目浏览。

5. 停留时长不是越长越好

平均留时长代表用户在个页留时，常认为留时长越长，表示页内容用户越有吸引力. 用户越喜爱。

但事实上，对于多效率型产品和工，花费间长未必是一件好事。就拿商品详情页来说，花费了更多的间如果不能带来更多的购买，只能代表效率低下。

6. 高点击率可能带来副作用

通常认为，通过测发现个组件的（曝光）点击率有高低之，表组件对用户的吸引力不同。事实上，仅仅个组件的点击率也并不观，如果一个组件的面积大. 高度高. 视觉优先高，当然就更容易获得点击。

但对应地，它是争夺其他组件的曝光机，对整个页面而言，也许它个的效果更，但对整反而有害。

控制变量法是小初中就会接触的实验方法，然而即在大互联公司的数据测试中，被误。

7. 未做到实验同时进行

严格 AB 测试需要保证两个实验组同时进行测试，因为同月份户习惯有差别、工作日和假期有差别、周一和周二有差别，甚至早上中午和晚上有差别。

不同时间，页面的用户基数、展示的内（如性化）、用户行特征、网络状态都会显著差异。因此，常常因技准备不足，运营直接分两天线不同内/模块测试得到的结果，服力往往差强人意。

△ 图源：Leigh Taylor

8. 未设置对照组

如果的产品日常100万用户，当需测试一新功能时，用户应该如何分组？

为避免新功能造成太大负影响，测试用户数肯定不能太大，常见做法是随90用户组，10用户组。

但科学的对照方式应该是80万用户作为正常 A 组，10万用户作为测 B 组，另10万用户作为对照 C 组。实际数据比较，将BC组做比对。这做的因是，相同的用户基数才有说服力，才能避免基数过带来的数据偏差。

9. 用户群体的选择陷阱

在产品计，有不同的功能会针对不同的用户群体，可能是男用户之，新老用户之，有钱没钱之，有没有间之……画像差异会带来行为差异。

在进行测试时，必须时刻紧盯数据到底针对的是不是你想要的用户，以及不对其他群造成影响。最理想的情况，特定产品只有特定用户能看到，但际上能其他用户也能看到和使用。我就见一个针对高消费级用户的产品，对高消费人群效果良，但对中低级用户验带来极大损害，此时就要仔细分析它的弊。

因为户行为是一个连续的过程，因此数据使要组合起来看，切可盯着单独的数据研究。

10. 关于高点击和低转化

如果前一个分流页面的点击率很，但是后一个页面的转化率很低，能说明你成功吸引用户的注意力，但没有很地满他们的预期。

就拿电商产来说，导购层面我们优首页、搜索和容频道，有更多户点击来到了商详情页，但可没有发生更多的购。此时，就为设计带来了一个突破机会 —— 优后续页面对前序行为的承接。

一页面吸引人的点，后一页面能否被看到？除了这点以外，后一页面否明显的缺陷瑕疵？通过用户访谈去了解用户产趣但不转化的原因……绝部分人都提高点击率提高转化率的事，但少人把他们结合一起看。

11. 进入页面后产生首次点击的时间

点击时间，这两数据。时我们会研究用户到达一页面后，产首次操作花费的时间。

如用户快速做出了反应，代表页内容容易理解、符合预期；而如用户花了较多时才进击. 滑动，可能代表页理解成本较高。然，我们步会看用户做出反应是什么，如用户进入页后上返回（跳失），说明页完全没有迎合他预期。

另一方面，也会针对不同类型产品来使用这个数据，效率型的产品希望用户快速操作，内容型产品则期待用户完成阅读。

12. 用户特征和行为数据

关于用户层的话题会在下次文章中独讨论。值得一提的是，不用征用户的数据往往揭示了更多的计机会。

果你的产品新用户首次转化的时间很久，但是老用户复购率又还不错，能需要你设计一系列针对新用户的引导和功能；有高频用户每天来，他们需要更新鲜的内容，而每隔一段时间来一次的低频用户能依赖的是某个特定的产品功能；果你的产品服务高端用户，是否有设计以帮助中低端用户向高端进行转化？

这都是可发的设计点。

欢迎关注作者的微信公众：「王镇雷」

图片素作者：Lunamik