数据分析常见指标及影响因素

产品经理需要掌握一定数据分析能力，这里持续总结日常工作中用到的数据分析方法，本篇先简单聊一下数据指标的应用。

几种通用型数据指标

无论是对于什么样的产品，我认为下面的这几种指标都会在产品工作频繁用到，接下来简单讲一下我对这几种指标的理解：

（1）新增数据：新增设备数、新增注册数、注册转化率

通过观察这几个数据，主要用于两个用途：

其一，初步评判各渠道流量质量，匹配度，成本。目前市面上App流量的主要来源无外乎以下几种渠道：

手机厂商自家应用商店（华米ov等应用商店）

第三方应用商店（应用宝，360应用商店）

信息流广告投放（抖音，快手，头条等）

品牌，裂变，自然流量，口碑传播等

通过对比各类渠道的新增设备数，新增注册数。可以了解到目前流量来源分布占比，并依此去计算渠道投放成本。即单用户成本=总投入成本/有效新增用户数（不同产品对有效定义有差异）。

举个例子，如果华为商店新增设备数和小米商店新增设备数是2:1，但是他俩的新增注册数比例是1:2，那他们两个渠道对比，很明显小米渠道的用户更愿意注册，更愿意使用产品，那在两家投放价格一样的情况下，市场应该加大对小米渠道的投放力度。这样才能将整体用户成本降低。

因此，通过对不同渠道的新增数据横向比较，可以指导市场部门去对比成本，优化渠道投放计划。

其二，初步评判新用户流程是否合理，顺畅，产品价值是否被用户感知。一个新用户刚使用产品时，初来乍到，对产品功能是第一次体验。是否愿意注册，在产品上，留下自己的手机号码信息，取决于在使用过程中，流程是否自然，引导是否明显。

对产品部门来说，如果新用户的注册转化率过低，说明在新用户的使用流程上存在优化空间，应该尽量去将登录前的流程优化，提升注册转化率。除此之外，还可以根据此数据去拆分成更多数据。比如：通过已有的信息，对比不同画像间用户的注册转化率差异。比如男生和女生的注册转化率是否存在差异，一线用户和三四五线用户注册转化率是否有差异。单对此项数据做交叉分析，能得到很多有趣的结论

（2）行为漏斗数据：首页→详情页转化率，ctr，cvr，详情页到成交转化率

用户在使用产品核心功能时，往往会分为多步完成。每一步都会有一些用户在当前页面流失或跳到非核心页面，造成分流。如果将所有的用户行为数据整合在一起，就会形成以数据呈现的用户关键行为的漏斗。

这里以电商类产品的核心漏斗为例：

用户想随便看看商品：用户浏览首页信息流

↓

突然有了明确的目标：去搜索目标关键词

↓

浏览商品：在搜索结果页滑动浏览商品

↓

相中某一款商品，想具体了解该商品参数：点击进入该商品详情页

↓

产生购买意愿：点击加入购物车

↓

确认结账：下订单并付款

在整个用户的行为漏斗中，会涉及到首页到搜索页转化率，搜索页到搜索结果转换，搜索结果到详情页转化率，详情页到订单转化率，订单到付款转化率等等。

环环相扣，页面流量越来越少，用户使用越来越深入。形成一个完整的行为漏斗。每一步都有转化，有流失。通过分析各个页面的流失，就能去做相应的优化。

比如搜索结果到详情页转化率很低，可能说明搜索结果不准确，并未满足用户真实需求。因此导致用户只看搜索结果，但没有想点进去的意愿。

产品的行为漏斗数据，一定程度上说明了用户对产品的使用深度，漏斗转化率越高，说明用户使用越深入，使用过程越流畅。

（3）留存数据：活跃留存与关键行为留存

留存率，往往用来衡量产品的核心价值。并且总会和新增关联在一起去衡量整体流量池的存量。如果留存率很高，即使新增率很低，依然能维持很大的存量用户群。反之，留存率低，新增率高。那长期看，很难保持持续的存量用户群。

活跃留存分次日，三日，七日，月的单位。具体以哪个为主，取决于绝大部分用户的生命周期，如果本身产品是个高频刚需行为，那么短周期留存会很高，因此适宜观测长期留存，去衡量产品质量，及用户体验。

如红极一时的脸萌，在短时间内汇集了大量的用户，如果只看次日留存，那在那段时间的次日留存，应该会处于很高水平。如果将时间拉长，观察次周留存，也许就能看出一些问题。产品提供的价值可持续性越强，往往用户粘性越高，长期留存就会越高。因为培养了用户习惯，用户也会乐于去长期保持习惯。