網(wǎng)站分析常用的指標之內容指標(

互聯(lián)網(wǎng)好的數據指標是一個(gè)比率的可操作性強嗎？)

　　在互聯(lián)網(wǎng)公司，在評審設計方案時(shí)，總有一些這樣的聲音“用數據說(shuō)話(huà)”。數據驅動(dòng)的設計并非不合理。數據在一定程度上可以揭示產(chǎn)品用戶(hù)的行為習慣，而這些關(guān)鍵數據也可以幫助和改進(jìn)產(chǎn)品設計。同時(shí)，從公司或者產(chǎn)品經(jīng)理的角度，他們會(huì )關(guān)注一些關(guān)鍵的數據指標，比如轉化率、留存率、日活躍度、月活躍度等等，什么樣的數據指標才值得我們關(guān)注，并能幫助企業(yè)或產(chǎn)品找到適合自己的市場(chǎng)和改進(jìn)方向。在《精益數據分析》一書(shū)中，作者談到了一些關(guān)于良好數據度量的指南。

　　一.什么是好的數據度量？

　　1.好的數據指標具有可比性：如果我們能夠比較一個(gè)數據指標在不同時(shí)間段、不同用戶(hù)群、不同競品的表現，可以幫助我們更好地了解產(chǎn)品的實(shí)際走勢。比如某醫療APP本周的藥品購買(mǎi)率高于上周，“高”的原因可以通過(guò)不同時(shí)間段的對比來(lái)找到。

　　2.一個(gè)好的數據度量簡(jiǎn)單易懂：團隊或公司的其他同事很容易記住或討論它。比如用戶(hù)增長(cháng)率。

　　3.一個(gè)好的數據度量是一個(gè)比率：比率是最好的數據度量，原因如下：

　　理由一：比值機動(dòng)性強，是行動(dòng)的指南：比如開(kāi)車(chē)時(shí)的速度（距離/小時(shí)），速度是一個(gè)比值，我們可以通過(guò)改變速度來(lái)控制到達目的地的時(shí)間。

　　原因2：比率是一個(gè)天然的比較指標：例如通過(guò)比較月度新用戶(hù)率來(lái)判斷產(chǎn)品的用戶(hù)是否在穩步增加。

　　理由三：這個(gè)比例也適合比較各種因素之間的正負相關(guān)關(guān)系：如果滴答單APP產(chǎn)品采用免費+收費模式，就會(huì )面臨一個(gè)選擇，為了吸引用戶(hù)，是否加足免費版本豐富的功能，或者將這些豐富的功能保留在付費版本中，以鼓勵用戶(hù)付費。

　　4.好的指標會(huì )改變行為：只有幾個(gè)“試驗指標”可用于測試和幫助產(chǎn)品優(yōu)化、定價(jià)和市場(chǎng)定位。例如：如果超過(guò)一半的用戶(hù)反饋他們不會(huì )為勾選列表中的“日歷小部件”付費，他們可以決定不開(kāi)發(fā)此功能或將此功能放入免費版本。

　　一個(gè)好的數據指標可以改變業(yè)務(wù)行為，因為它符合您的產(chǎn)品目標：留住用戶(hù)、鼓勵口碑、有效地獲取新用戶(hù)或產(chǎn)生收入。

　　二.如何找到合適的數據指標？

　　1.定性定量指標：

　　定性指標：通常是非結構化的、經(jīng)驗性的、有啟發(fā)性的、難以分類(lèi)的。

　　定量指標：涉及大量數值和統計數據，提供可靠的定量結果，但缺乏直觀(guān)的洞察力。定量數據易于使用、科學(xué)，易于分類(lèi)和推斷。比如電影收視率、點(diǎn)贊數等量化數據。

　　如果定量數據回答“什么”和“多少”之類(lèi)的問(wèn)題，那么定性數據回答“為什么”。定量數據排除主觀(guān)因素，定性數據吸收主觀(guān)因素。

　　2.虛榮指標和可操作指標：

　　虛榮指標：如果您有一段數據，但您不知道如何對其采取行動(dòng)，這就是虛榮指標。需要用數據來(lái)揭示信息，指出方向，幫助產(chǎn)品改進(jìn)商業(yè)模式，并決定下一步的行動(dòng)。這就是“數據驅動(dòng)的決策”。文章 中需要注意的 8 個(gè)虛榮指標：點(diǎn)擊次數、頁(yè)面瀏覽量、訪(fǎng)問(wèn)量、唯一身份訪(fǎng)問(wèn)者、粉絲/朋友/喜歡、網(wǎng)站停留時(shí)間/瀏覽的頁(yè)面數、采集的用戶(hù)電子郵件地址和下載次數.

　　可操作的指標：它是“活躍用戶(hù)百分比”（活躍用戶(hù)百分比）。該指標揭示了產(chǎn)品的用戶(hù)參與度。如果產(chǎn)品調整，該指標上升，則可以繼續向調整方向迭代。另一個(gè)可以關(guān)注的指標是“單位時(shí)間新用戶(hù)數”（新用戶(hù)增長(cháng)率），這往往有助于比較不同營(yíng)銷(xiāo)方式的優(yōu)劣。

　　3.探索性和報告性指標：

　　探索性指標：具有投機性，并提供以前未知的見(jiàn)解，以幫助您在業(yè)務(wù)中領(lǐng)先一步。

　　可報告指標：適用于公司日常經(jīng)營(yíng)管理活動(dòng)，保持信息暢通，節奏一致。

　　4.先見(jiàn)之明和后見(jiàn)之明：

　　有先見(jiàn)之明的指標：可以用來(lái)預測未來(lái)。例如，通過(guò)“銷(xiāo)售漏斗”中現有潛在客戶(hù)的數量，可以大致預測未來(lái)可以獲得的新客戶(hù)數量。例如，某產(chǎn)品在一段時(shí)間內的用戶(hù)投訴次數，可以作為用戶(hù)流失的先見(jiàn)之明。如果投訴數量繼續增加，用戶(hù)放棄使用您的產(chǎn)品或服務(wù)的概率就會(huì )增加。因此，這個(gè)指標可以幫助了解產(chǎn)品和服務(wù)的真實(shí)情況。

　　后見(jiàn)之明指標：揭示當前問(wèn)題。如流失（在一定時(shí)期內離開(kāi)產(chǎn)品或服務(wù)的客戶(hù)數量）。大部分流失的客戶(hù)都找不到，但是這個(gè)指標可以幫助產(chǎn)品降低產(chǎn)品用戶(hù)的流失率。

　　5.相關(guān)性和因果性指標：

　　相關(guān)性和因果性指標：即兩個(gè)或多個(gè)指標是相關(guān)的，找到相關(guān)性可以幫助你預測未來(lái)，找到因果關(guān)系意味著(zhù)或可以改變未來(lái)。通常，因果關(guān)系并不是簡(jiǎn)單的*敏*感*詞*關(guān)系，很多事情都是多種因素共同作用的結果。想要證明因果關(guān)系的指標：找到相關(guān)性指標，運行控制變量實(shí)驗并測量因變量的變化。但是這樣的測試需要考慮足夠大的用戶(hù)樣本。

　　在數據分析中，測試通常用于證明更改的合理性。這種測試通常是比較兩個(gè)樣本之間的差異。常用方法包括市場(chǎng)細分、隊列分析、A/B 測試和多變量測試。

　　1.Market Segment：具有共同特征的用戶(hù)群。

　　2.隊列分析：比較相似組隨時(shí)間的變化。該產(chǎn)品會(huì )隨著(zhù)開(kāi)發(fā)和測試進(jìn)行迭代，從而為在產(chǎn)品發(fā)布的第一周加入的用戶(hù)和稍后加入的用戶(hù)帶來(lái)不同的用戶(hù)體驗。每個(gè)用戶(hù)都有一個(gè)生命周期。在此期間，商業(yè)模式不斷調整。這會(huì )對用戶(hù)流失率產(chǎn)生什么影響？通過(guò)隊列分析可以找到答案。隊列分析可以觀(guān)察用戶(hù)在生命周期不同階段的行為模式。這種分析方法適用于收入、客戶(hù)流失、口碑病毒式傳播等數據指標。

　　3.A/B測試：假設其他條件不變，只考慮體驗中的某個(gè)屬性對被測用戶(hù)的影響。比如“立即試用”和“免費試用”的區別。這種方法更適合用戶(hù)流量大的網(wǎng)站（微軟、谷歌）

　　4.多變量測試：如果沒(méi)有大的用戶(hù)流量，考慮同時(shí)測試多個(gè)屬性