----廣告指標----

不同時期產品的宣傳必要要選擇合適的投放媒體和渠道，這就需要我們了解基本的廣告相關數據指標。

CPM

cost per impression，按千次展示付費，指通過某一媒體投放廣告，聽到或看到此廣告的人達到一千人平均所要花費的廣告費用。

CPM=（廣告費用/到達人數）×1000，比如投入廣告費用200元，有10000人瀏覽過此廣告，則CPM=（200/10000）×1000=20元

CPM取決于產品的印象，不是評價廣告效果的單一指標，是對不同媒體進行衡量而制定的一個相對指標，通過比較不同渠道的廣告收入找出效果最好的渠道。

CPA

cost per action，按行為付費，通過廣告使用戶產生一定行為而計費，不限廣告投放量。對于用戶行為的定義依產品而定，包括形成一次交易、獲得一個注冊用戶、下載一次軟件，或是填寫一次有效問卷等，這些統稱為用戶行為轉化。

CPA=廣告費用/有效轉化次數

轉化次數的統計較為困難，另外由于廣告被點擊后會觸發用戶的后續行為（如注冊或消費行為），在網站中不大受歡迎。

CPC

cost per click，按點擊量付費，對某一廣告點擊所產生的廣告費用，統計點擊量可以設定一定標準，比如對于同一個IP，在一個時間段內重復點擊，統計為一次，也可忽略IP的限制，直接統計總點擊量。

CPC=廣告費用/點擊量

CPC為網絡廣告投放效果的重要參考數據，但也有其缺陷，比如雖然用戶沒有點擊廣告，但他已經看到了廣告。

CPS

cost per sales，按銷售付費，按照廣告點擊之后產生的實際銷售筆數來計算廣告費用，

CPS=廣告費用/有效銷售量

適合購物類、導購類、網址導航類網站，需要精準的流量才能帶來轉化。

CPT

cost per try，按試用次數付費，主要是移動應用渠道營銷平臺以試玩或試用為付費標準。

CPT=廣告費用/有效試用次數

這種方式的特點是按用戶使用時長或使用周期計費，可以從根本上杜絕刷流量，是最真實有效快捷的營銷方式之一。

----網頁指標----

PV

page view，即頁面瀏覽量，用戶每1次對網站中的每個網頁訪問均被記錄1次。用戶對同一頁面的多次訪問，訪問量累計。在一定統計周期內用戶每次刷新網頁一次也被計算一次。

可通過后臺運營獲得數據；也可通過相關統計工具獲得，如Alexa、百度統計、Google Analysis等。日均 IP/PV 訪問量約為 600/2400的意思是今天訪問首頁次數為2400次，訪問IP為600個，也就是說這600個IP一共訪問網站2400次。

一般來說PV與來訪者數量成正比，但是PV并不直接決定頁面的真實來訪者數量，例如，同一個來訪者通過不斷的刷新頁面，也可以制造出非常高的PV。

UV

unique visitor，即獨立訪客，訪問網站的一臺電腦客戶端為一個訪客。

00:00-24:00內相同的客戶端只被計算一次。

使用獨立用戶作為統計量，可以更加準確的了解單位時間內實際上有多少個訪問者來到了相應的頁面。

PR

pagerank，即網頁的級別

安裝Google Analytics等統計工具

一個PR值為1的網站表明這個網站不太具有流行度，而PR值為7到10則表明這個網站非常受歡迎(或者說極其重要)。

跳出率

指用戶到達你的網站上并在你的網站上僅瀏覽了一個頁面就離開的訪問次數與所有訪問次數的百分比。這里的訪問次數其實就是指PV。

瀏覽單頁即退出的次數/訪問次數。比如，在一個統計時間內，一個網站有1000個不同訪客從某一鏈接進入，并且其中有50個人沒有二次瀏覽行為，是直接退出網站的，則針對這個鏈接的網站跳出率為50/1000=5%。然而有些退出的行為不能作為退出考慮，比如頁面上刻意添加的導出鏈接，如合作伙伴的網站等，還有聯系我們，付款頁面等，都不算是負面的跳出，所以要根據不同情況統計有效的數據才能得出可靠的跳出率。

是評價一個網站性能的重要指標，跳出率高，說明網站用戶體驗做得不好，用戶進去就跳出去了，網站沒有滿足用戶的期望與需求或是人群定位不精準，反之如果跳出率較低，說明網站用戶體驗做得不錯，用戶能夠找到自己需要的內容。而且以后他可能還會再來光顧你的網站，提高了用戶粘性。慢慢的可以積累大量的網站用戶。

退出率

對某一個特定的頁面而言，從這個頁面離開網站的訪問數占所有瀏覽到這個頁面的訪問數的百分比。

從該頁退出的的頁面訪問數/進入該頁的頁面訪問數，可采用訪問統計工具如Google Analytics進行統計

從某方面反映了網站對于訪客的吸引力，如果退出百分比很高，說明訪客僅瀏覽少量的頁面便離開了，因此當你的網站退出百分比很高的時候就要想辦法改善你網站的內容來吸引訪客了。

跳出率與退出率

跳出率適用于訪問的著陸頁 （即用戶訪問的第一個頁面），而退出率則適用于任何訪問退出的頁面（用戶訪問過程中在你的網站上訪問的最后一個頁面 ）。退出率是對于特定的頁面來說的，對于網站整體來說并無意義，因為來到網站的訪問必然最終都會離開網站，對于網站整體來說其退出率必然是100%。而跳出率則可以適用于著陸頁面，也可適用于網站整體。

跳出率只能衡量該頁做為著陸頁面的訪問， 跳出率分母等于Landing Page的visits ，分子也是指跳出的visits。

退出率則是針對全部的訪問頁面不限于著陸頁面（Landing Page），任何頁面都有退出率。

退出率的分子=退出的次數（包括一次訪問過程中用戶瀏覽單頁即跳出的次數，也包括瀏覽多頁后從該頁面退出的次數。）

平均訪問時長

指在一定統計時間內，瀏覽網站的一個頁面或整個網站時用戶所逗留的總時間與該頁面或整個網站的訪問次數的比。

訪問總時長/訪問次數，如一個網站在一定時間內總的逗留時間為1000秒，在這段時間內，總的訪問次數是100次，那么這個頁面或網站的平均訪問時長就是1000秒/100 = 10秒。

是體現被統計對象的用戶黏性的重要指標之一，進而可以評估網站的用戶體驗，指導改善頁面。平均訪問時長越短，說明網站對用戶的吸引力越差，可用的有用信息越少，也說明網站需要優化或都添加有用信息了。

轉化率

指在一個統計周期內，完成轉化行為的次數占推廣信息總點擊次數的比率。

轉化率=（轉化次數/點擊量）×100%。

以用戶登錄為例，如果每100次訪問中，就有10個登錄網站，那么此網站的登錄轉化率就為10%，而最后有2個用戶訂閱，則訂閱轉化率為2%，有一個用戶下訂單購買，則購買轉化率為1%。

轉化率反映了網站的盈利能力，重視和研究網站轉化率，可以針對性的分析網站在哪些方面做的不足，哪些廣告投放效果比較好，可以迅速的提升用戶體驗、節約廣告成本，提升網絡轉化過程。

重復購買率

指消費者對該品牌產品或者服務的重復購買次數。

重復購買率有兩種計算方法：一種是所有購買過產品的顧客，以每個人人為獨立單位重復購買產品的次數，比如有10個客戶購買了產品，5個產生了重復購買，則重復購買率為50%；第二種算法是，單位時間內，重復購買的總次數占比，比如10個客戶購買了產品，中間有3個人有了二次購買，這3人中的1個人又有了三次購買，則重復購買次數為4次，重復購買率為40%。直與復推薦企業采取第一種算法。

重復購買率越多，則反應出消費者對品牌的忠誠度就越高，反之則越低。

----用戶指標----

ARPU

Average Revenue Per User，即每用戶平均收入

在一定時間內，ARPU=總收入/用戶數，一般是計算長期的ARPU比較有意義，如平均每月每用戶收入。

而用戶數可以是總平均在線用戶數、付費用戶數或是活躍用戶數，不同產品標準可能存在差別。

ARPU注重的是一個時間段內從每個用戶所得到的收入，衡量互聯網公司業務收入的指標。ARPU值高說明平均每個用戶貢獻的收入高，但高未必說明利潤高，因為利潤還需要考慮成本。ARPU的高低沒有絕對的好壞之分，分析的時候需要有一定的標準。

用戶流失率

是指那些曾經使用過產品或服務，由于對產品失去興趣等種種原因，不再使用產品或服務的用戶。

用戶流失率=總流失用戶數/總用戶數，流失用戶數依產品而定，并且有各自的不同標準。

分析用戶的流失情況可以找到流失的原因，針對產品所處的時期再找到解決辦法。一般流失用戶都是對于那些需要注冊、提供應用服務的網站而言的，比如微博、郵箱、電子商務類網站等。對于流失用戶的界定依照產品服務的不同而標準不同，對于微博和郵箱這類用戶幾乎每天登錄查看的網站而言，可能用戶未登錄超過1個月，我們就可以認為用戶可能已經流失了；而對于電子商務而言，可能3個月未登錄或者半年內沒有任何購買行為的用戶可以被認定是流失用戶。因此這里有個流失期限。

活躍用戶

是相對于“流失用戶”的一個概念，是指那些會時不時地光顧網站，并為網站帶來一些價值的用戶。

活躍用戶用于衡量網站的運營現狀，而流失用戶則用于分析網站是否存在被淘汰的風險，以及網站是否有能力留住新用戶。

每個產品活躍的定義千差萬別，如果是有帳號的客戶端產品，例如IM、端游等，通常以帳號登錄作為活躍標識。如果是某些工具軟件，有的以啟動作為活躍，例如看天氣的。有些需要進行一些核心操作，例如拍照軟件，至少是完成一張照片拍攝，才能算活躍吧。

日活躍用戶

DAU，Daily Active User，指某個自然日內啟動過應用的用戶，該日內的多次啟動只記一個活躍用戶。

月活躍用戶

MAU，Monthly Active User，指某個自然月內啟動過應用的用戶，該月內的多次啟動只記一個活躍用戶。

這兩個指標一般出現在在線服務的分析統計指標中，比如在線文檔，或者是網頁郵箱服務，網絡游戲，SNS游戲等等。一般用來衡量服務的用戶粘性以及服務的衰退周期。

DAU/MAU比例是SNS游戲的重要參數，一般最低極限是0.2，這保證游戲能夠達到臨界規模的病毒式傳播和用戶粘性。

周活躍用戶

WAU，Weekly Active User，指某個自然周內啟動過應用的用戶，該周內的多次啟動只記一個活躍用戶。這個指標是為了查看用戶的類型結構，如輕度用戶、中度用戶、重度用戶等。

用戶保有率

用戶保有率指在單位時間內符合有效用戶條件的用戶數在實際產生用戶量的比率，也叫用戶留存。

保有率=保有量/實際量

次日留存率：（當天新增的用戶中，在第2天還登錄的用戶數）/第一天新增總用戶數。因為都是新用戶，所以結合產品的新手引導設計和新用戶轉化路徑來分析用戶的流失原因，通過不斷的修改和調整來降低用戶流失，提升次日留存率，通常這個數字如果達到了40%就表示產品非常優秀了。

第3日留存率：（第一天新增用戶中，在往后的第3天還有登錄的用戶數）/第一天新增總用戶數。

周留存率：（第一天新增的用戶中，在往后的第7天還有登錄的用戶數）/第一天新增總用戶數。在這個時間段里，用戶通常會經歷一個完整的使用和體驗周期，如果在這個階段用戶能夠留下來，就有可能成為忠誠度較高的用戶。

月留存率：（第一天新增的用戶中，在往后的第30天還有登錄的用戶數）/第一天新增總用戶數。通常移動APP的迭代周期為2-4周一個版本，所以月留存是能夠反映出一個版本的用戶留存情況，一個版本的更新，總是會或多或少的影響用戶的體驗，所以通過比較月留存率能夠判斷出每個版本更新是否對用戶有影響。

渠道留存：因為渠道來源不一，用戶質量也會有差別，所以有必要針對渠道用戶進行留存率分析。而且排除用戶差別的因素以后，再去比較次日，周留存，可以更準確的判斷產品上的問題。

留存用戶和留存率通常反映了不同時期獲得的用戶流失的情況，表現不同時期用戶對產品的適應性和黏性，分析這個結果往往是為了找到用戶流失的具體原因。

PM關注的產品數據有哪些？

產品這群人啊，真的是三句話不離老本行，之前和部門的產品Mentor一起吃飯的時候，他問了我這么一個問題：“如果你是餓了么的產品經理，那你日常工作的時候應該關注一些什么數據?”當時我是這么回答的：“那我會主要關注三方面的數據–產品本身、競品、用戶。關注產品本身的活躍用戶的數量、每天成交的單量、客單價，關注競品的數據、最新動態和運營活動，關注用戶的反饋建議。”

后來又就這個問題進行了深入的思考，發現自己當時對于這個問題考慮的并不全面，并沒有界定問題的邊界，于是就又整理了下思路，便有了這篇文章。順便說一下，現在不少人會將大牛在某些場合下說出來的話語奉為圭臬，卻全然不顧那些話語成立的背景條件，這樣其實與斷章取義并沒有什么區別。我們不僅僅要看待某種觀點本身的正確與否，還應該結合觀點背后的環境，以確定觀點成立的邊界。

產品經理需要關注什么數據指標，估計接觸過產品一點的人都能夠說出來幾個數據指標，比如說UV、PV，活躍用戶數、新增用戶數、留存率等等，誠然這些都是產品經理需要關注的數據，但卻并不是說所有的數據都應該去關注。首先應該界定邊界，對于不同類型的產品需要關注的數據指標肯定是不一樣的，其次對于不同時期的產品所需要關注的指標也是不同的，下文將從種子期、推廣期、成熟期三個階段來簡述產品經理需要關注的數據指標。

一.種子期

種子期是不需要做大規模的運營推廣的，此階段的用戶更多的是來自于用戶自增長，所以在種子期需要關注的數據主要是用戶相關的數據是和產品本身的數據。

1. 用戶相關的數據

a) 設備終端：用戶使用App的終端設備是什么，Phone和Pad的占比分別是多少，iOS和Android設備的占比分別是多少;

b) 網絡及運營商：用戶使用設備時的網絡環境是什么樣子的,wifi、2G、3G、4G占比為多少，運營商占比為多少;

c) 使用時間段:用戶使用App的時間段是什么時候;

d) 用戶屬性：用戶的性別比例、年齡等。

關注這些數據是為了收集用戶相關的信息，確定產品實際使用的用戶群體是誰，與產品定位時確定的目標用戶是否一致，從而檢驗產品定位時確定的目標用戶群體是否準確，有無對目標用戶進行適當調整的必要。

2. 產品本身的數據

a) 單次使用時長：用戶每次自啟動應用開始算起，單次使用產品的時長為多少;

b) 日/周/月啟動次數：用戶使用App的頻次為多少;

c) 使用頁面數量：用戶會跳轉至的頁面層級為多少，每個頁面的到達率為多少;

d) 任務完成率：對于用戶而言， App中完成一個任務的完成率為多少，如下載完成率、安裝完成率、啟動完成率、注冊完成率等;

e) 錯誤數量：用戶在使用產品的過程中是否會出現錯誤，出現錯誤的數量為多少,頻次為多少;

f) 錯誤摘要：在出現的錯誤里，錯誤的詳情描述是什么。

關注產品的數據是為了驗證產品設計的正確性，為了更加清楚的了解用戶使用產品的情況，了解用戶使用的時長、使用頻次，從而判斷當前的產品是否能夠滿足用戶的需求，能否為用戶創造價值。同時也去判斷產品的設計是否符合用戶的使用習慣，任務路徑是否最優，能否進行優化，以及產品是否存在Bug。

二.推廣期

種子期是為了驗證產品定位的正確性，而在推廣期需要關注的更多的則是用戶數量的增長情況，通過各個用戶相關的指標，同行業的標桿產品進行比較，從而判斷產品是否處于健康狀態。

1. 用戶相關的數據

a) 新增用戶數量：新增用戶數量、新增賬號數量。至于采用哪個作為新增的標準，則需要看怎么去定義新增;

b) 留存率:次日留存率、7日留存率、月留存率。不同類型的產品留存率肯定是不同的，對比不同類型的產品也沒有意義，應該將產品與同類型的標桿產品進行對比;

c) 活躍用戶數量：日活躍用戶數量、7日活躍用戶數量、月活躍用戶數量。首先應該定義什么算作“活躍”，是啟動應用就算，還是用戶產生了行為才算，定義好了“活躍”的定義，再去關注這個數據;

d) 沉默用戶數量：首先應該定義什么叫做“沉默用戶”，然后再去關注這個數據;

e) 流失用戶數量：首先應該定義什么叫做“流失用戶”，然后再去關注這個數據以及流失率。

看數據的時候也要看是怎么定義指標的，不同的定義得到的數據指標可能并不同，另外單獨的數據也并不能代表什么，還需要同歷史數據或者行業數據進行對比，通過數據的對比來進行分析判斷。

2. 產品本身的數據

a) 單次使用時長：用戶每次自啟動應用開始算起，單次使用產品的時長為多少;

b) 日/周/月啟動次數：用戶使用App的頻次為多少;

c) 使用時間段:用戶使用App的時間段是什么時候。

通過關注用戶的使用時長、使用頻次、使用時間段等數據和歷史數據進行對比，看數據有無大的波動，判斷產品有無Bug出現，同時也根據用戶的實際使用情況對產品的功能進行優化迭代，以使產品更能夠符合用戶的使用習慣，從而滿足用戶的需求。

3. 渠道相關的數據

a) 用戶下載的時間段：用戶下載下載應用的時間段是怎么分布的;

b) 渠道分布：用戶都是在哪些應用市場進行App下載的，在不同的應用市場的占比是怎樣的;

c) 地域屬性：用戶的地域是否呈現明顯的地域差異，與產品定位時確定的目標用戶的屬性是否吻合。

通過用戶在應用市場下載的占比和下載的時間段分布，能夠在相應的時間段進行有效的推廣，保證產出最大化。另外由于種子期的用戶數量較少，不能夠判斷出相應的用戶地域屬性，所以就在有一定的用戶基礎的情況下再對相應的數據進行分析。

三.成熟期

產品在成熟期階段主要關注的是用戶的活躍度以及營收，關注用戶的活躍度從而去判斷產品目前是否處于正常的狀態，對未來的功能版本的發展給出一定的參考，關注營收則是產品商業價值的實現。

1. 開源

a) 活躍用戶數量：首先依然是關于“活躍用戶”的定義，然后再去關注這個數據指標;

b) 付費轉化率：對于這樣的一款產品，用戶愿意為之買單么，轉化率說話;

c) ARPU值：每用戶平均收入，不同的類型的產品沒有可比性，同行業平均水平進行對比。

營收=用戶數量×付費轉化率×ARPU值，為了能夠提升營收，可以從這三方面入手去考慮，如何增加用戶基數，如何能夠提升用戶的付費轉化率以及用戶付費留存率，用戶是付費一次就不再付費還是付費之后還會重復付費，以及如何去提高產品的ARPU值。

2. 節流

a) 沉默用戶數量：定義什么樣的用戶為“沉默用戶”，然后去關注這個指標;

b) 流失用戶數量：定義什么樣的用戶為“流失用戶”，然后去關注這個指標。

對于產品而言，一旦用戶流失則很難能夠再次召回，就算召回，成本也很高，所以應該提前建立預警機制，定義“沉默用戶”與“流失用戶”，在用戶變為沉默用戶的時候，就開始采用相應的手段，防止用戶流失，同時也應該設立老用戶回流機制，進行老用戶的召回。

數據本身是客觀的，但是在解讀的過程中則會摻雜主觀因素，同時數據波動的背后也可能會有著其他因素的干擾，所以數據也可能會騙人。在用數據說話的同時，也應該辯證性的去看待數據，相信數據但又不唯數據是從。另外對于不同的產品需要關注的數據是不同的，而不同時期的產品需要關注的數據也是不同的，要根據產品本身的特點和產品的生命周期階段去選擇合適的數據指標進行關注，以保證產品的健康發展。

作者：王家郴，公眾號(產品經理從0到1)，每周都會在公眾號上寫點東西，歡迎關注,求指教、求分享、求交流。目前是大四黨、產品經理實習生，奔走在產品的道路上，漫漫產品路，與君共勉。