上一篇文章將產(chǎn)品評估的數(shù)據(jù)指標(biāo)從“用戶數(shù)量” + “用戶粘性” + “用戶價值”三個維度進(jìn)行了拆分晴氨，視角完全從用戶出發(fā)康嘉，數(shù)據(jù)項集中在商業(yè)影響力較大的關(guān)鍵指標(biāo)，用來對產(chǎn)品進(jìn)行全方位的評估籽前。文章地址：產(chǎn)品運(yùn)營的“商業(yè)型關(guān)鍵指標(biāo)”亭珍。
產(chǎn)品運(yùn)營為了有效把控這些“商業(yè)型關(guān)鍵指標(biāo)”敷钾，還需要掌握那些間接影響的、工具型的肄梨、作為決策參考的數(shù)據(jù)指標(biāo)阻荒。不僅要知其然，還要分析其所以然众羡。才可以精準(zhǔn)的定位問題侨赡，才可以有針對性的采取針措施。
本文將從“用戶屬性” + “產(chǎn)品表現(xiàn)” + “運(yùn)營效果”這三個維度來列舉那些為產(chǎn)品運(yùn)營所關(guān)心粱侣、所需要的“工具型參考指標(biāo)”羊壹。
一、用戶屬性相關(guān)數(shù)據(jù)/指標(biāo)
我們可以從“用戶畫像”和“用戶結(jié)構(gòu)”兩個不同的角度來拆解與用戶屬性相關(guān)的數(shù)據(jù)指標(biāo)齐婴。
“用戶畫像”
用戶畫像：是目標(biāo)用戶群主要特征的提煉油猫，是目標(biāo)用戶的一個綜合原型。
用戶畫像包括多類用戶屬性柠偶，主要分為：基本屬性+用戶行為屬性+偏好屬性情妖。
每個屬性再向下解析，就得到了我們所關(guān)心的那些數(shù)據(jù)指標(biāo)诱担。
1）用戶基本屬性——包括性別毡证、地域、年齡蔫仙、職業(yè)情竹、學(xué)歷、收入等人口統(tǒng)計學(xué)特征匀哄，以及設(shè)備品牌秦效、型號、操作系統(tǒng)涎嚼、運(yùn)營商阱州、聯(lián)網(wǎng)方式等設(shè)備屬性。
2）用戶行為屬性——包括使用時長法梯、啟動次數(shù)苔货、活躍天數(shù)、消費(fèi)頻次立哑、頁面瀏覽次數(shù)等屬性夜惭。
3）偏好屬性——①在內(nèi)容產(chǎn)品中主要指用戶對內(nèi)容的偏好，可以通過用戶對不同類型內(nèi)容的點擊數(shù)铛绰、收藏數(shù)诈茧、點贊數(shù)、評論數(shù)捂掰、搜索等數(shù)據(jù)來反映用戶的偏好敢会；②在電商產(chǎn)品主要指用戶對商品的偏好曾沈，可以通過用戶對這些商品的瀏覽數(shù)、購買量鸥昏、評論數(shù)塞俱、添加購物車等數(shù)據(jù)來反映用戶的偏好。
“用戶結(jié)構(gòu)”
我們會用AARRR模型吏垮、金字塔模型障涯、RFM模型等對用戶進(jìn)行分層分級分群，形成一套對當(dāng)前業(yè)務(wù)適用的用戶體系膳汪。用戶結(jié)構(gòu)主要是指所區(qū)分的不同類型的用戶數(shù)量分別是多少像樊，用于衡量產(chǎn)品健康度。
譬如我們可以嚴(yán)格的按照AARRR模型（拉新旅敷、促活、留存颤霎、轉(zhuǎn)化媳谁、傳播），將用戶分為新手用戶友酱、普通用戶晴音、真實用戶、付費(fèi)用戶缔杉、忠誠用戶锤躁，然后統(tǒng)計某日/某周期/全部用戶在各個層次的分部數(shù)量。
譬如我們也可以統(tǒng)計日常較為關(guān)心的那些指標(biāo)：新用戶數(shù)或详、老用戶數(shù)系羞、連續(xù)活躍用戶數(shù)、忠誠用戶數(shù)霸琴、流失用戶數(shù)椒振、回流用戶數(shù)···只要以一定標(biāo)準(zhǔn)進(jìn)行區(qū)分并且對業(yè)務(wù)具有指導(dǎo)意義即可。
二梧乘、產(chǎn)品表現(xiàn)相關(guān)數(shù)據(jù)/指標(biāo)
1）流失率
如果說留存率更關(guān)注時間點的話澎迎，流失率則更關(guān)注時間段，以一定的標(biāo)準(zhǔn)判定用戶在一個時間段中是否流失选调。
參考指標(biāo)：每個月的用戶流失率降低到5%以下夹供。如果流失率高于這個值，可能產(chǎn)品的用戶黏性還不夠強(qiáng)仁堪。如果能達(dá)到2%哮洽，你就做的非常棒了。
2）網(wǎng)絡(luò)性能
首屏載入時間要在2秒以內(nèi)弦聂，全部載入時間要在10秒以內(nèi)袁铐，互聯(lián)網(wǎng)時代的用戶普遍缺乏耐心揭蜒，除非他不得不用。
3）產(chǎn)品功能指標(biāo)
針對產(chǎn)品某功能的活躍用戶數(shù)剔桨、新增用戶數(shù)屉更、用戶留存率、用戶結(jié)構(gòu)等一系列指標(biāo)洒缀；只不過針對的不是整個產(chǎn)品瑰谜，而是具體到某一功能。用于分析該功能的使用情況树绩，以及不同功能之間的熱度對比萨脑、用戶偏向等等。
4）頁面與頁面之間的轉(zhuǎn)化率
是指下一個頁面的訪問量與當(dāng)前頁面的訪問量的比值饺饭，它通常用來衡量產(chǎn)品路徑的用戶體驗渤早，進(jìn)而指導(dǎo)產(chǎn)品頁面流程的優(yōu)化和功能迭代。譬如在購物流程瘫俊，每一環(huán)節(jié)都會有大量的用戶流失鹊杖，每日監(jiān)測哪一環(huán)節(jié)的轉(zhuǎn)化率偏離正常值，分析數(shù)據(jù)異常原因并進(jìn)行優(yōu)化扛芽。
5）頁面訪問分析
①頁面訪問次數(shù) + 停留時長 + 跳出率
跳出率→指只訪問一個頁面就離開產(chǎn)生的訪問量與總訪問量的比值
這些指標(biāo)都可以反映具體到某一頁面對用戶的吸引力骂蓖，分析這些指標(biāo)有利于發(fā)現(xiàn)可能存在的產(chǎn)品流程和用戶體驗方面的問題。
②用戶訪問頁面數(shù)
用戶訪問頁面數(shù)→指用戶一次啟動后訪問的頁面數(shù)
我們通常會分析訪問頁面數(shù)的用戶數(shù)分布川尖，可以通過對比不同周期的頁面訪問分布來發(fā)現(xiàn)用戶體驗問題登下。
③用戶頁面訪問路徑
用戶頁面訪問路徑→指用戶從打開APP到關(guān)閉APP過程中每一步頁面訪問和跳轉(zhuǎn)情況
不同類型的用戶會有不同的頁面訪問路徑，我們需要對用戶進(jìn)行區(qū)分之后再去分析他們的頁面訪問路徑叮喳，針對性地作出優(yōu)化被芳。
三、運(yùn)營效果相關(guān)數(shù)據(jù)/指標(biāo)?
“拉新活動”
1）下載量
2）用戶激活率馍悟、用戶激活花費(fèi)時長
3）病毒K因子
傳播數(shù)量：平均每個用戶向他的朋友們發(fā)出的邀請數(shù)量
轉(zhuǎn)化率：接收到邀請的人轉(zhuǎn)化為新用戶的轉(zhuǎn)化率
從整體上看筐钟，K值的高低，直接體現(xiàn)自傳播結(jié)果水平赋朦，當(dāng)K值大于1時篓冲，將激發(fā)自傳播巨大的力量，K值越大宠哄，力量越強(qiáng)壹将。而若K值小于1，那么傳播水平會逐步減弱毛嫉，直至消失诽俯。
參考示例：病毒K因子為0.4，獲取100個新用戶需要花費(fèi)1000美元承粤，那么獲客成本是10美元暴区，但是這些用戶又會邀請另外40個用戶闯团，如此往復(fù)，獲取的100個用戶會變成165個用戶仙粱，所以你的實際獲客成本變成了6.06美元房交。
參考指標(biāo)：病毒式傳播系數(shù)超過0.75就是一個好現(xiàn)象。
“大促活動”
1）渠道指標(biāo)
以渠道為前提將用戶區(qū)分開伐割，再來看來自不同渠道的活躍用戶數(shù)候味、新增用戶數(shù)、留存率等指標(biāo)隔心，它可以用來評估不同渠道的質(zhì)量白群，優(yōu)化渠道投放策略。
2）GMV（Gross Merchandise Volume）
是指產(chǎn)品的成交金額硬霍，而成交金額包括付款金額和未付款金額帜慢；屬于電商產(chǎn)品的常用指標(biāo)，可以反映電商平臺的體量唯卖。
3）收入增長率
可針對某次大促活動進(jìn)行效果評估粱玲，進(jìn)行環(huán)比與同比。
也可用于對日常增長的監(jiān)察耐床。
參考數(shù)據(jù)：每周5%為底線。好的增長率是每周增長5%~7%楔脯。如果每周增長10%是非常優(yōu)秀的表現(xiàn)撩轰。
4）PV（Page View）、UV（Unique Visitor）
即“頁面瀏覽量”和“獨立訪客數(shù)”昧廷，用來反映某次運(yùn)營活動頁的用戶的瀏覽情況堪嫂。
5） 市場資源流量漏斗
①
②
③
④
這些轉(zhuǎn)化率反映了運(yùn)營活動整個購物流程的用戶行為，可以分析每個環(huán)節(jié)的轉(zhuǎn)化數(shù)據(jù)是否有異常木柬、是否有待提高皆串，從而指導(dǎo)產(chǎn)品頁面流程的優(yōu)化和功能迭代。
四眉枕、總結(jié)
通過以上兩篇文章恶复，基于現(xiàn)階段自己對于產(chǎn)品運(yùn)營這個角色粗淺的理解，匯總了這些數(shù)據(jù)速挑。還記得最初設(shè)立的目標(biāo)是“邏輯清晰谤牡、囊括全面”的整理一下自己四零八落接觸到的繁多數(shù)據(jù)，不論如何姥宝，就自身而言翅萤，我想我的目的達(dá)到了~
