1. 为什么数据分析师说话像“加密通话”刚入行那会儿我第一次参加数据周会听到“这个项目DAU掉了但次留还稳ARPU也扛住了就是GMV差了点意思”这类话整个人是懵的。明明每个字都认识连在一起就完全听不懂。散会后我拉着同事问DAU是什么次留又是什么同事看了我一眼说“你补补课吧这些都是最基础的黑话。”后来我才意识到所谓行业黑话本质上是分析师之间为了高效沟通而形成的“压缩语言”。一句话里塞进好几个指标每个指标背后都有明确的定义、计算逻辑和业务含义。听不懂这些词不仅是面子问题更会让你在会议里完全失去判断力别人说“数据不错”你都不知道到底是哪里不错。这篇内容就是把数据分析领域最常见、最容易被小白卡住的指标类黑话按照业务流梳理一遍。我没打算把每个公式都列出来吓人而是侧重讲清楚每个指标在真实业务里是怎么用的、有什么坑、为什么老板们喜欢盯着它看。适合刚转行做数据、运营岗想看懂数据周报、以及产品经理和技术开发偶尔需要跟数据打交道的人。翻译黑话这事懂了规则之后其实比学一门方言简单得多。指标背后都是业务逻辑业务逻辑理顺了词就都串起来了。1.1 黑话的本质数据的“翻译接口”我把这些术语看作业务和分析之间的“翻译接口”。业务方说“我们的用户挺多的”这话没法量化多少算多分析方说“日活用户数达到500万”这就有了一个明确的定义和可比较的基准。行业黑话的体系大致可以分成四个层级流量类指标用户怎么来的、行为类指标用户来干嘛了、质量类指标用户呆得爽不爽、营收类指标钱从哪来的。这四个层级从拉新到转化再到变现像漏斗一样层层递进。所以不要死记硬背单个指标而是把它们放到一条业务链路里去看词与词之间的关系就清楚了。2. 流量侧黑话从曝光到进入用户是怎么“摸到”你的流量是数据分析的地基没有流量后面所有指标都无从谈起。流量侧最容易听到的词包括PV、UV、DAU、MAU、新增用户数、渠道来源还有最近几年被反复强调的CPM、CPC这类投放相关术语。很多小白分不清PV和UV或者觉得DAU就代表全部用户这里需要细拆。2.1 PV和UV一次访问和一个人完全是两码事PVPage View是指页面浏览量用户每次刷新、每次跳转都有可能产生新的PV。UVUnique Visitor是指独立访客数一般通过设备ID或Cookie去重代表“有多少个人来过”。举例来说一个用户一天打开你的APP二十次每次点开首页、详情页、下单页总共产生了六十次PV但这个用户在UV里只占一个名额。换句话说PV天然会大于或等于UV这两个家伙一般不会相等。PV/UV的比值也就是“人均浏览次数”如果特别高说明产品的粘性不错但也可能意味着用户找不到想要的内容在反复跳转。我见过一些新人汇报数据直接说“我们的页面访问量很高”老板追问一句“那到底是多少人看了”就答不上来。建议养成习惯说PV的时候一定带上UV说UV的时候也带上PV这样才不会被指标的口径坑到。2.2 DAU、WAU、MAU活跃用户的“时间切片”DAUDaily Active Users是日活跃用户数MAUMonthly Active Users是月活跃用户数WAU则是周活跃。它们的计算逻辑是对某个时间窗口内的活跃用户做去重统计。注意“去重”这两个字如果一个人一周七天每天都来在WAU里只能算一个用户。活跃的定义也是产品之间差异最大的地方。有的产品把“打开APP”就算活跃有的产品要求“有真实浏览行为”有的要求“产生了核心动作”比如看完一篇文章、做完一组练习题。定义不同数字能差出去好几倍。所以当别人跟你说一个产品的日活是五十万你要追问一句活跃的定义是什么打开就算还是有实际消费行为这问题不丢人反而显得你很专业。DAU和MAU的组合还能推导出DAU/MAU比值行业里有人把它叫“用户粘连度”。比值越接近1说明用户几乎每天都回来这种产品的忠诚度极其恐怖。通常来说社交类、工具类产品的比值偏高而低频但刚需的产品比值就会低一些这都是正常的没必要拿自己产品的数值去跟完全不相干的行业硬比。2.3 新增用户小心“渠道注水”和“数据口径坑”新增用户这个概念看似简单不就是新来的用户嘛。但落到数据上首先会遇到口径问题是按设备维度算还是按账号维度算一个用户换了台新手机重新注册算不算新增如果沿用老账号登录那算活跃还是算新增实际操作中绝大多数产品按“首次产生某类核心行为的时间”来定义新增时间。注意这里是“首次”。一个用户今天下载了APP但是两周后才第一次打开他的新增日期是哪个如果按首次打开来算那就应该在两周后计入新增而不是下载当天。这块在渠道投放的对账里尤其重要投放平台展示给你看的数字和你在自己数据后台看到的数字经常对不上原因多半出在“激活”和“安装”这两个动作的界定上这也是行业里公认的黑洞之一。新增用户这一项适合看趋势不适合看绝对值。单日新增五千还是八千本身不代表什么关键是获客成本顺便看下CAC、新增来源质量、以及后续留存表现。渠道带来的量再大次日流失百分之九十这种量基本等于打水漂。2.4 CPM、CPC、CAC流量是花钱买来的得算清楚账投放侧的黑话里CPMCost Per Mille是千次曝光成本CPCCost Per Click是单次点击成本CACCustomer Acquisition Cost是获取一个有效用户需要的成本。三者的关系是曝光→点击→进入→注册/使用每一步都在漏人成本一步步被放大。假设一个广告的CPM是50元意味着你的广告被展示一千次需要付出50元。如果这一千次曝光里产生了20次点击那么CPC就是2.5元。如果这20个点击进来的用户里只有5个人完成了注册那么CAC就飙升到了10元。可以看到CPM低并不代表划算如果点击率、转化率稀烂CPM再低都是在浪费钱。新手最容易犯的错误是只看CPC或者只盯CPM而忽略了完整漏斗。建议搭建投放报表时把CPM、CPC、CTR点击率、CAC、次日留存率全放到一张表里看用组合来判断渠道质量。单看任何单一指标都很容易被片面的数据误导。3. 用户行为侧黑话用户进来之后干了什么事用户进了门接下来就要看他们在产品里做了什么、做得多深、有没有留下来。这一层的核心指标包括访问时长、访问深度、页面跳出率、留存率、流失率、沉默用户和召回率。这里的坑特别多尤其是“跳出”和“退出”的区别很多人到离职都没搞明白。3.1 跳出率、退出率一字之差意思完全不同跳出率Bounce Rate是指用户进入产品后只看了一个页面就离开的比例。计算口径是“只产生了单次访问的会话数”除以“总会话数”。退出率Exit Rate则是指某个页面作为用户访问的最后一个页面的比例。一个用户进站后看了首页、列表页、详情页三个页面最后从详情页关闭了APP。那么这次会话不算跳出因为用户看了不止一个页面。但在数据报表里详情页的退出率会被记一次。简单说跳出率是“会话维度”的坏消息反映入口页面的吸引力失败退出率是“页面维度”的常态信息任何页面都可能成为用户旅程的终点。很多大数据报告里会把这两个词混着用但实际上它们指向的业务问题完全不同。跳出率高优先优化入口页的内容匹配度和加载速度退出率高要考虑这个页面是否完成了它的任务比如下单页退出率高那很可能卡在支付环节或运费说明上。知道这两个词的区别你才敢在会议上对结论提出质疑。3.2 访问时长和访问深度呆得久不一定就是好事单次访问的时长和会话内的页面浏览数是衡量用户参与度的常用指标。但是“久”不一定等于“好”。用户在产品里找不到想要的功能玩命点来点去也会拉高访问时长和深度但这其实是糟糕的体验信号。所以我一直认为访问时长必须与任务完成情况结合着看。如果用户花了五分钟才完成下单那叫流程繁琐如果用户花了五分钟浏览推荐内容那叫内容有效。同样的时长不同的业务定义解题方向完全相反。分析时最好加上行为路径看看用户的时间都花在哪些页面上而不是只看一个总时长。3.3 留存率最锋利的一把数据“手术刀”留存率可能是所有指标里最值得反复琢磨的一个。N日留存的计算方法是在第0天新增的一批用户里有多少人在第N天回来了。次日留存看“第一印象”7日留存看“习惯养成”30日留存看“长期价值”。我常用的一个心法是做“留存对比曲线”把不同渠道进来的用户分别画出他们的留存曲线放在同一张图里。你会发现有的渠道带来的用户次日留存能到40%有的只有10%。那前者即使获客成本贵一倍也值得投因为用户留下来才有可能产生长期价值。留存曲线的形状也能说明问题曲线陡降然后走平说明存在一批核心忠实用户曲线一直阴跌说明产品没有找到让用户回来的理由。留存率的分子分母也需要小心。分母是新激活用户数分子是第N天回来的人。问题来了“回来”怎么定义是打开APP就算还是产生了核心行为才算很多产品内部因为口径不统一各部门拿到的留存率都不一样。开会之前先对口径不然讨论半天说的根本不是同一批用户的同一个数据。3.4 流失、沉默、召回那些“已经走掉”的人流失用户和沉默用户的定义每个产品都不一样。市面上常见做法是把“连续N天未登录/未产生核心行为”的用户定义为流失或沉默。这个N怎么定要看产品的使用频率。新闻类产品的N可能定成7天社区类产品可能会定成30天。召回率是运营活动常看的指标计算方式是“成功召回的流失用户数”除以“目标召回用户数”。数据团队在做的通常是输出高价值流失用户清单包括他们的历史行为偏好、活跃时间、内容偏好等。只有先确定了流失和沉默的口径后续才能谈得上精细化召回。否则把正常活跃用户误判成流失一顿短信发过去那就闹笑话了。4. 业务质量侧黑话光有量不行还得看到“体质”流量和用户行为看完了就该进入更关键的一层——业务质量。很多产品DAU高得吓人但是业务质量指标全线崩盘那这个产品离衰退也不远了。业务质量层的黑话包括留存曲线上面提过、人均使用时长、核心功能渗透率、内容消费层指标、互动率。再有就是和变现相关的我们放到下一章专门说。4.1 核心功能渗透率用户是不是真的在用你的“招牌菜”每个产品都有所谓的核心功能比如工具类产品的核心功能是处理任务内容类产品的核心功能是阅读/观看电商类产品的核心功能是浏览和加购。核心功能渗透率就是“在活跃用户里有多少人使用了核心功能”的占比。这个指标回答的问题是用户留下来到底是因为你的核心价值还是被签到奖励、活动红包这种“钩子”留住的如果渗透率长期偏低说明产品核心价值没有打动用户拉新再多都只是虚假繁荣。这里有一个建议每一种核心功能最好单独拆出来看渗透率。内容社区有“发帖率”和“评论率”电商有“搜索使用率”和“加购率”工具类有“关键任务完成率”。不要只做一个大大的“核心功能渗透率”综合指标拆细了才看得到问题出在哪个环节。4.2 互动率、点赞率、评论率社区运营的晴雨表互动率听着直观但不同产品定义差很多。内容产品里常见的有点赞率点赞用户数/浏览用户数、评论率、分享率、收藏率。这些“率”分子分母的选择很讲究。我倾向于用“曝光人数”做分母而不是“曝光次数”做分母。因为一个用户刷一百次信息流每次看到你的内容点赞一次按次数算分母点赞率就会很低按人数算其实就是“看到内容的人里有多少人点赞”更接近内容质量的真实表达。分享率是未来最值得关注的指标。点赞可能是廉价的支持但分享必须付出社交成本只有用户真心觉得内容有价值才愿意把它转给自己的朋友。所以分享率的含金量比其他互动指标高得多。在做互动数据分析时比“率”更重要的是“绝对量级”。一个指标只有百分之五的互动率但如果它的曝光量级是千万级那实际产生的互动量也相当可观。反过来曝光只有几百互动率百分之五十也说明不了产品的成功。所以率要跟量一起看这叫“量率结合”。4.3 人均行为次数/深度不能只看比率要看绝对行为人均浏览篇数、人均观看时长、人均发帖数这些“人均类”指标在内容产品里非常常用。它们比比率更直接因为没有基数干扰直接反映每个用户的行为强度。注意这个概念新用户会显著拉低人均行为次数。用户量快速增长时大量新用户涌进来人均指标大概率会掉头向下。这不是产品变差了而是分母里混入大量“新手”拉低了平均值。看人均指标之前最好先按用户生命周期分层把新用户、成长用户、成熟用户、衰退用户分开统计不然会被总量数据欺骗。5. 营收侧黑话钱怎么赚、赚多少、赚得好不好商业产品逃不开营收。营收侧的黑话比流量侧更密集从GMV、ARPU、LTV到转化率、客单价、复购率每一个词背后都是生意本质的某个侧面。这一部分不仅要懂定义更要懂指标之间的联动关系。5.1 GMV看起来很美但要学会看“水分”GMVGross Merchandise Volume即商品交易总额是电商平台最常挂在嘴边的一个词。它的计算方式是所有成交订单的总金额。这个概念看起来简单但值得注意的是GMV包含了很多“没有实际收到钱”的订单。用户拍下但未付款、付款后发起退款、以及刷单产生的虚假交易都可能被计入GMV。所以行业里慢慢形成了一个共识GMV用来衡量平台的交易规模和行业地位、讲给投资人听但内部看真实收入还要看“核销金额”“实付金额”和“退款后净GMV”。小白刚接触数据报表时看到GMV涨了百分之五十兴奋得不行结果一看退款率也涨了百分之三十那就尴尬了。另外品类结构对GMV影响巨大。卖一百万一单的房子和卖十块钱一单的日用品GMV完全不是一个量级。所以看GMV一定要带上订单量、客单价、退款率一起看才能还原交易的本来面目。5.2 ARPU、ARPPU、LTV用户值多少钱值多久ARPUAverage Revenue Per User是每用户平均收入计算方式是总收入除以总用户数。ARPPUAverage Revenue Per Paying User是每付费用户平均收入分母只算付过费的用户。这两个指标的区别非常关键ARPU低不一定是坏事如果你的用户基数大但付费比例还在提升中ARPU肯定低但成长空间大。ARPPU则是看付费用户群体的消费能力。举一个真实场景。某内容平台同时有免费用户和会员用户付费渗透率为5%ARPPU是80元。如果平台通过促活手段把付费渗透率从5%拉到了8%那么即使ARPPU从80元降到72元总体收入还是涨的因为付费人数多了。看指标时要有全局观盯着一个ARPPU就下结论说“用户消费能力降了”很可能会被另外几个指标打脸。LTVLife Time Value用户生命周期价值是所有这些指标里最有前瞻性的一个。它是说一个用户从第一次来到最后一次离开平均能贡献多少收入。LTV高的产品才有底气去花钱买用户。如果LTV低于CAC那就是一笔亏本买卖除非产品能靠规模效应摊薄后续成本否则模式很难持续。LTV的计算方式没有唯一标准最简单的估算方式是ARPU乘以用户平均生命周期月数。但是用户生命周期又是从留存率曲线推算出来的所以LTV本质上是一个估算值。说白了LTV的作用不是算出精确的数字而是给决策者一把衡量“该不该花钱买量”的尺子。我见过有的团队把LTV算得无比精细精确到小数点后两位但参数稍微一改数字就完全变样。与其追求精确不如把LTV当区间来看再配上敏感性分析才是实打实的用法。5.3 转化率漏斗各层之间藏着所有秘密转化率的通用公式是“完成目标行为的人数/进入漏斗的人数”但实际业务里漏斗每一层都可以单独定义转化率。电商看“曝光到点击”“点击到加购”“加购到支付”内容产品看“曝光到阅读”“阅读到关注”“关注到付费”步骤拆得越细越能定位问题。案例某电商平台的加购到支付转化率只有15%同行是30%。先怀疑支付环节异常拉取支付页面的报错日志之后发现问题出在优惠券未自动抵扣、用户看到价格高于预期所以放弃支付。这只是排查思路的第一步但确实体现了一个原则每个转化率跌了都要往下拆直到拆到可以定位到具体环节为止。5.4 复购率、频次、客单价生意是不是“一锤子买卖”复购率或者叫回购率通常有两种计算方式。按“人”算就是统计周期内购买过两次及以上的用户占购买用户的比例按“订单”算是看“非首单”订单占比。两种算法得出的数字差异很大汇报时一定要说清楚你用的是哪种口径。复购率高的生意才值得做长期。因为获客成本CAC往往是一次性的大头支出而复购带来的收入会分摊掉前期成本。一个只卖一次就结束的产品每个新用户都必须重新买一次流量成本永远降不下来。复购率配合购买频次和客单价可以算出“用户月度消费额”这是给用户分层和做会员权益的重要输入。6. 数据分析中的“暗语”细节比率、占比、同环比除了上面那些业务指标数据分析日常报告里还有些通用黑话属于“基础设施级别”的术语。比率、占比、同比、环比、分母口径、去重逻辑、数据粒度这些词看着平平无奇但任何一处理解偏差都可能导致整篇分析白做。6.1 不要被比率和占比糊弄看清分母再发表意见比率率是两个数的除法关系占比是某个部分在整体中的比例。但关键是分母到底是什么。“通过率”的分母是有多少用户进入了该步骤还是有多少用户访问了该页面选择不同的分母数字天差地别。举一个最常见的例子某功能页面的“使用率”分母是日活用户还是访问过该模块的用户。如果分母是日活使用率天然会很低因为大部分日活用户根本没进过这个模块如果分母是访问过该模块的用户使用率的数字会好看得多。这两个口径没有绝对的对错但必须固定和透明。分析报告里但凡看到比率我都会先去票据里找口径说明没有口径说明的报告我默认参考价值减半。另外要重视“分子分母时间范围一致性”。有的报表分子来自当月数据分母却是上月的基数这种错位会直接毁掉报告的可信度。做数据的人第一课就应该学会对口径保持洁癖。6.2 同比、环比搞混了会被老板当场问住同比是今年跟去年同期比环比是今年跟上个周期比。对于有明显季节性的业务同比更有参考价值对于快速变化的业务环比更能反映最新动态。举个例子某电商平台的日订单量今天比上周同期涨了5%这是环比。和去年双十一当天的订单量比今年双十一当天少了20%这是同比。另一个常见的场景是遇到春节、国庆这种节假日各项指标都会异动这时候跟日常比没有意义跟去年的同一时期比才合理。新人在做数据解读的时候最容易犯的错误是忽略季节性和周期背景。一个教育类产品在暑假的DAU下滑不一定代表产品衰退也许只是因为学生都放假出去玩使用场景减少。这时跑一个同比数据发现去年的暑假也这样结论就是季节性的正常波动不用惊慌。6.3 数据的粒度从日到月每个维度都有自己的尺度数据粒度就是数据的细化程度。按小时粒度看数据可以看到一天之内的波峰波谷按日看可以看到一周的规律按月看才能看到长趋势。粒度越细噪音越大分析起来越容易误判粒度越粗越稳定但也会掩盖掉关键细节。我个人的习惯是监控报表通常用日粒度甚至关键页面用小时粒度比如核心转化漏斗、支付成功率这种而周报月报则至少要到日粒度才能谈趋势。有些通用行业的报表为了省事直接把数据聚合到月然后拿来分析新用户行为路径那是完全没法做事的因为新用户的转化发生在分钟级时间尺度上月度数据根本看不出路径。7. 从“听懂黑话”到“用黑话思考”讲了这么多术语最后想分享一个更重要的心法听懂黑话只是第一步真正拉开差距的是能不能用这些指标去构建一个系统的分析框架。7.1 指标必须连成线而不是孤立的点很多新人学指标一个词一个词地背定义背得滚瓜烂熟但面对实际问题依然手足无措。原因很简单业务不是由单个指标构成的而是由指标之间复杂的因果关系构成的。看到一个指标下跌要沿着链路去找原因看到一个指标上涨也要去判断它是被哪个变量带起来的。我做了一个“指标地图”的习惯强烈推荐新手也试试。用一张纸把你的产品从“用户怎么进来的”开始一直到“用户怎么付费的”结束把每一步对应的指标写出来用箭头连起来。比如渠道投放CPM、CPC、CAC→ 到达落地页跳出率→ 注册转化注册率→ 首次体验核心功能渗透率→ 次日回来次日留存率→ 持续使用7日留存、30日留存→ 付费行为付费转化率→ 长期价值LTV。画完之后任何一个指标波动你都应该能顺着这张地图找到它上游和下游的关联指标。7.2 汇报时用“事实对比结论”三段式数据分析的最终落脚点不是数字而是决策。我平时跟团队汇报时有一套固定的表达方式先摆事实这个指标是多少再做对比跟上周比、跟目标比、跟行业比最后给结论所以我们应该关注什么。这算不上一套严格的格式但每次汇报都能用上既能帮自己理清思路也能帮领导快速抓重点。举个例子“上周新用户次日留存率是28%事实比前一周下降了三个百分点对比主要原因是新用户引导流程改动后注册到首次内容消费的路径变长建议回滚引导页结论。”这样一条信息领导和同事都能在五秒内抓到重点比丢出一大堆表格有力得多。如果真的想把数据分析的路走下去不妨从这十几个指标练起试着给自己手头的产品画一张“指标地图”遇到不懂的术语就回到定义和业务场景里去按摩索。等你能用一个指标解释另一个指标的时候恭喜你这场“加密通话”你就已经能插上话了。
1. 为什么数据分析师说话像“加密通话”刚入行那会儿我第一次参加数据周会听到“这个项目DAU掉了但次留还稳ARPU也扛住了就是GMV差了点意思”这类话整个人是懵的。明明每个字都认识连在一起就完全听不懂。散会后我拉着同事问DAU是什么次留又是什么同事看了我一眼说“你补补课吧这些都是最基础的黑话。”后来我才意识到所谓行业黑话本质上是分析师之间为了高效沟通而形成的“压缩语言”。一句话里塞进好几个指标每个指标背后都有明确的定义、计算逻辑和业务含义。听不懂这些词不仅是面子问题更会让你在会议里完全失去判断力别人说“数据不错”你都不知道到底是哪里不错。这篇内容就是把数据分析领域最常见、最容易被小白卡住的指标类黑话按照业务流梳理一遍。我没打算把每个公式都列出来吓人而是侧重讲清楚每个指标在真实业务里是怎么用的、有什么坑、为什么老板们喜欢盯着它看。适合刚转行做数据、运营岗想看懂数据周报、以及产品经理和技术开发偶尔需要跟数据打交道的人。翻译黑话这事懂了规则之后其实比学一门方言简单得多。指标背后都是业务逻辑业务逻辑理顺了词就都串起来了。1.1 黑话的本质数据的“翻译接口”我把这些术语看作业务和分析之间的“翻译接口”。业务方说“我们的用户挺多的”这话没法量化多少算多分析方说“日活用户数达到500万”这就有了一个明确的定义和可比较的基准。行业黑话的体系大致可以分成四个层级流量类指标用户怎么来的、行为类指标用户来干嘛了、质量类指标用户呆得爽不爽、营收类指标钱从哪来的。这四个层级从拉新到转化再到变现像漏斗一样层层递进。所以不要死记硬背单个指标而是把它们放到一条业务链路里去看词与词之间的关系就清楚了。2. 流量侧黑话从曝光到进入用户是怎么“摸到”你的流量是数据分析的地基没有流量后面所有指标都无从谈起。流量侧最容易听到的词包括PV、UV、DAU、MAU、新增用户数、渠道来源还有最近几年被反复强调的CPM、CPC这类投放相关术语。很多小白分不清PV和UV或者觉得DAU就代表全部用户这里需要细拆。2.1 PV和UV一次访问和一个人完全是两码事PVPage View是指页面浏览量用户每次刷新、每次跳转都有可能产生新的PV。UVUnique Visitor是指独立访客数一般通过设备ID或Cookie去重代表“有多少个人来过”。举例来说一个用户一天打开你的APP二十次每次点开首页、详情页、下单页总共产生了六十次PV但这个用户在UV里只占一个名额。换句话说PV天然会大于或等于UV这两个家伙一般不会相等。PV/UV的比值也就是“人均浏览次数”如果特别高说明产品的粘性不错但也可能意味着用户找不到想要的内容在反复跳转。我见过一些新人汇报数据直接说“我们的页面访问量很高”老板追问一句“那到底是多少人看了”就答不上来。建议养成习惯说PV的时候一定带上UV说UV的时候也带上PV这样才不会被指标的口径坑到。2.2 DAU、WAU、MAU活跃用户的“时间切片”DAUDaily Active Users是日活跃用户数MAUMonthly Active Users是月活跃用户数WAU则是周活跃。它们的计算逻辑是对某个时间窗口内的活跃用户做去重统计。注意“去重”这两个字如果一个人一周七天每天都来在WAU里只能算一个用户。活跃的定义也是产品之间差异最大的地方。有的产品把“打开APP”就算活跃有的产品要求“有真实浏览行为”有的要求“产生了核心动作”比如看完一篇文章、做完一组练习题。定义不同数字能差出去好几倍。所以当别人跟你说一个产品的日活是五十万你要追问一句活跃的定义是什么打开就算还是有实际消费行为这问题不丢人反而显得你很专业。DAU和MAU的组合还能推导出DAU/MAU比值行业里有人把它叫“用户粘连度”。比值越接近1说明用户几乎每天都回来这种产品的忠诚度极其恐怖。通常来说社交类、工具类产品的比值偏高而低频但刚需的产品比值就会低一些这都是正常的没必要拿自己产品的数值去跟完全不相干的行业硬比。2.3 新增用户小心“渠道注水”和“数据口径坑”新增用户这个概念看似简单不就是新来的用户嘛。但落到数据上首先会遇到口径问题是按设备维度算还是按账号维度算一个用户换了台新手机重新注册算不算新增如果沿用老账号登录那算活跃还是算新增实际操作中绝大多数产品按“首次产生某类核心行为的时间”来定义新增时间。注意这里是“首次”。一个用户今天下载了APP但是两周后才第一次打开他的新增日期是哪个如果按首次打开来算那就应该在两周后计入新增而不是下载当天。这块在渠道投放的对账里尤其重要投放平台展示给你看的数字和你在自己数据后台看到的数字经常对不上原因多半出在“激活”和“安装”这两个动作的界定上这也是行业里公认的黑洞之一。新增用户这一项适合看趋势不适合看绝对值。单日新增五千还是八千本身不代表什么关键是获客成本顺便看下CAC、新增来源质量、以及后续留存表现。渠道带来的量再大次日流失百分之九十这种量基本等于打水漂。2.4 CPM、CPC、CAC流量是花钱买来的得算清楚账投放侧的黑话里CPMCost Per Mille是千次曝光成本CPCCost Per Click是单次点击成本CACCustomer Acquisition Cost是获取一个有效用户需要的成本。三者的关系是曝光→点击→进入→注册/使用每一步都在漏人成本一步步被放大。假设一个广告的CPM是50元意味着你的广告被展示一千次需要付出50元。如果这一千次曝光里产生了20次点击那么CPC就是2.5元。如果这20个点击进来的用户里只有5个人完成了注册那么CAC就飙升到了10元。可以看到CPM低并不代表划算如果点击率、转化率稀烂CPM再低都是在浪费钱。新手最容易犯的错误是只看CPC或者只盯CPM而忽略了完整漏斗。建议搭建投放报表时把CPM、CPC、CTR点击率、CAC、次日留存率全放到一张表里看用组合来判断渠道质量。单看任何单一指标都很容易被片面的数据误导。3. 用户行为侧黑话用户进来之后干了什么事用户进了门接下来就要看他们在产品里做了什么、做得多深、有没有留下来。这一层的核心指标包括访问时长、访问深度、页面跳出率、留存率、流失率、沉默用户和召回率。这里的坑特别多尤其是“跳出”和“退出”的区别很多人到离职都没搞明白。3.1 跳出率、退出率一字之差意思完全不同跳出率Bounce Rate是指用户进入产品后只看了一个页面就离开的比例。计算口径是“只产生了单次访问的会话数”除以“总会话数”。退出率Exit Rate则是指某个页面作为用户访问的最后一个页面的比例。一个用户进站后看了首页、列表页、详情页三个页面最后从详情页关闭了APP。那么这次会话不算跳出因为用户看了不止一个页面。但在数据报表里详情页的退出率会被记一次。简单说跳出率是“会话维度”的坏消息反映入口页面的吸引力失败退出率是“页面维度”的常态信息任何页面都可能成为用户旅程的终点。很多大数据报告里会把这两个词混着用但实际上它们指向的业务问题完全不同。跳出率高优先优化入口页的内容匹配度和加载速度退出率高要考虑这个页面是否完成了它的任务比如下单页退出率高那很可能卡在支付环节或运费说明上。知道这两个词的区别你才敢在会议上对结论提出质疑。3.2 访问时长和访问深度呆得久不一定就是好事单次访问的时长和会话内的页面浏览数是衡量用户参与度的常用指标。但是“久”不一定等于“好”。用户在产品里找不到想要的功能玩命点来点去也会拉高访问时长和深度但这其实是糟糕的体验信号。所以我一直认为访问时长必须与任务完成情况结合着看。如果用户花了五分钟才完成下单那叫流程繁琐如果用户花了五分钟浏览推荐内容那叫内容有效。同样的时长不同的业务定义解题方向完全相反。分析时最好加上行为路径看看用户的时间都花在哪些页面上而不是只看一个总时长。3.3 留存率最锋利的一把数据“手术刀”留存率可能是所有指标里最值得反复琢磨的一个。N日留存的计算方法是在第0天新增的一批用户里有多少人在第N天回来了。次日留存看“第一印象”7日留存看“习惯养成”30日留存看“长期价值”。我常用的一个心法是做“留存对比曲线”把不同渠道进来的用户分别画出他们的留存曲线放在同一张图里。你会发现有的渠道带来的用户次日留存能到40%有的只有10%。那前者即使获客成本贵一倍也值得投因为用户留下来才有可能产生长期价值。留存曲线的形状也能说明问题曲线陡降然后走平说明存在一批核心忠实用户曲线一直阴跌说明产品没有找到让用户回来的理由。留存率的分子分母也需要小心。分母是新激活用户数分子是第N天回来的人。问题来了“回来”怎么定义是打开APP就算还是产生了核心行为才算很多产品内部因为口径不统一各部门拿到的留存率都不一样。开会之前先对口径不然讨论半天说的根本不是同一批用户的同一个数据。3.4 流失、沉默、召回那些“已经走掉”的人流失用户和沉默用户的定义每个产品都不一样。市面上常见做法是把“连续N天未登录/未产生核心行为”的用户定义为流失或沉默。这个N怎么定要看产品的使用频率。新闻类产品的N可能定成7天社区类产品可能会定成30天。召回率是运营活动常看的指标计算方式是“成功召回的流失用户数”除以“目标召回用户数”。数据团队在做的通常是输出高价值流失用户清单包括他们的历史行为偏好、活跃时间、内容偏好等。只有先确定了流失和沉默的口径后续才能谈得上精细化召回。否则把正常活跃用户误判成流失一顿短信发过去那就闹笑话了。4. 业务质量侧黑话光有量不行还得看到“体质”流量和用户行为看完了就该进入更关键的一层——业务质量。很多产品DAU高得吓人但是业务质量指标全线崩盘那这个产品离衰退也不远了。业务质量层的黑话包括留存曲线上面提过、人均使用时长、核心功能渗透率、内容消费层指标、互动率。再有就是和变现相关的我们放到下一章专门说。4.1 核心功能渗透率用户是不是真的在用你的“招牌菜”每个产品都有所谓的核心功能比如工具类产品的核心功能是处理任务内容类产品的核心功能是阅读/观看电商类产品的核心功能是浏览和加购。核心功能渗透率就是“在活跃用户里有多少人使用了核心功能”的占比。这个指标回答的问题是用户留下来到底是因为你的核心价值还是被签到奖励、活动红包这种“钩子”留住的如果渗透率长期偏低说明产品核心价值没有打动用户拉新再多都只是虚假繁荣。这里有一个建议每一种核心功能最好单独拆出来看渗透率。内容社区有“发帖率”和“评论率”电商有“搜索使用率”和“加购率”工具类有“关键任务完成率”。不要只做一个大大的“核心功能渗透率”综合指标拆细了才看得到问题出在哪个环节。4.2 互动率、点赞率、评论率社区运营的晴雨表互动率听着直观但不同产品定义差很多。内容产品里常见的有点赞率点赞用户数/浏览用户数、评论率、分享率、收藏率。这些“率”分子分母的选择很讲究。我倾向于用“曝光人数”做分母而不是“曝光次数”做分母。因为一个用户刷一百次信息流每次看到你的内容点赞一次按次数算分母点赞率就会很低按人数算其实就是“看到内容的人里有多少人点赞”更接近内容质量的真实表达。分享率是未来最值得关注的指标。点赞可能是廉价的支持但分享必须付出社交成本只有用户真心觉得内容有价值才愿意把它转给自己的朋友。所以分享率的含金量比其他互动指标高得多。在做互动数据分析时比“率”更重要的是“绝对量级”。一个指标只有百分之五的互动率但如果它的曝光量级是千万级那实际产生的互动量也相当可观。反过来曝光只有几百互动率百分之五十也说明不了产品的成功。所以率要跟量一起看这叫“量率结合”。4.3 人均行为次数/深度不能只看比率要看绝对行为人均浏览篇数、人均观看时长、人均发帖数这些“人均类”指标在内容产品里非常常用。它们比比率更直接因为没有基数干扰直接反映每个用户的行为强度。注意这个概念新用户会显著拉低人均行为次数。用户量快速增长时大量新用户涌进来人均指标大概率会掉头向下。这不是产品变差了而是分母里混入大量“新手”拉低了平均值。看人均指标之前最好先按用户生命周期分层把新用户、成长用户、成熟用户、衰退用户分开统计不然会被总量数据欺骗。5. 营收侧黑话钱怎么赚、赚多少、赚得好不好商业产品逃不开营收。营收侧的黑话比流量侧更密集从GMV、ARPU、LTV到转化率、客单价、复购率每一个词背后都是生意本质的某个侧面。这一部分不仅要懂定义更要懂指标之间的联动关系。5.1 GMV看起来很美但要学会看“水分”GMVGross Merchandise Volume即商品交易总额是电商平台最常挂在嘴边的一个词。它的计算方式是所有成交订单的总金额。这个概念看起来简单但值得注意的是GMV包含了很多“没有实际收到钱”的订单。用户拍下但未付款、付款后发起退款、以及刷单产生的虚假交易都可能被计入GMV。所以行业里慢慢形成了一个共识GMV用来衡量平台的交易规模和行业地位、讲给投资人听但内部看真实收入还要看“核销金额”“实付金额”和“退款后净GMV”。小白刚接触数据报表时看到GMV涨了百分之五十兴奋得不行结果一看退款率也涨了百分之三十那就尴尬了。另外品类结构对GMV影响巨大。卖一百万一单的房子和卖十块钱一单的日用品GMV完全不是一个量级。所以看GMV一定要带上订单量、客单价、退款率一起看才能还原交易的本来面目。5.2 ARPU、ARPPU、LTV用户值多少钱值多久ARPUAverage Revenue Per User是每用户平均收入计算方式是总收入除以总用户数。ARPPUAverage Revenue Per Paying User是每付费用户平均收入分母只算付过费的用户。这两个指标的区别非常关键ARPU低不一定是坏事如果你的用户基数大但付费比例还在提升中ARPU肯定低但成长空间大。ARPPU则是看付费用户群体的消费能力。举一个真实场景。某内容平台同时有免费用户和会员用户付费渗透率为5%ARPPU是80元。如果平台通过促活手段把付费渗透率从5%拉到了8%那么即使ARPPU从80元降到72元总体收入还是涨的因为付费人数多了。看指标时要有全局观盯着一个ARPPU就下结论说“用户消费能力降了”很可能会被另外几个指标打脸。LTVLife Time Value用户生命周期价值是所有这些指标里最有前瞻性的一个。它是说一个用户从第一次来到最后一次离开平均能贡献多少收入。LTV高的产品才有底气去花钱买用户。如果LTV低于CAC那就是一笔亏本买卖除非产品能靠规模效应摊薄后续成本否则模式很难持续。LTV的计算方式没有唯一标准最简单的估算方式是ARPU乘以用户平均生命周期月数。但是用户生命周期又是从留存率曲线推算出来的所以LTV本质上是一个估算值。说白了LTV的作用不是算出精确的数字而是给决策者一把衡量“该不该花钱买量”的尺子。我见过有的团队把LTV算得无比精细精确到小数点后两位但参数稍微一改数字就完全变样。与其追求精确不如把LTV当区间来看再配上敏感性分析才是实打实的用法。5.3 转化率漏斗各层之间藏着所有秘密转化率的通用公式是“完成目标行为的人数/进入漏斗的人数”但实际业务里漏斗每一层都可以单独定义转化率。电商看“曝光到点击”“点击到加购”“加购到支付”内容产品看“曝光到阅读”“阅读到关注”“关注到付费”步骤拆得越细越能定位问题。案例某电商平台的加购到支付转化率只有15%同行是30%。先怀疑支付环节异常拉取支付页面的报错日志之后发现问题出在优惠券未自动抵扣、用户看到价格高于预期所以放弃支付。这只是排查思路的第一步但确实体现了一个原则每个转化率跌了都要往下拆直到拆到可以定位到具体环节为止。5.4 复购率、频次、客单价生意是不是“一锤子买卖”复购率或者叫回购率通常有两种计算方式。按“人”算就是统计周期内购买过两次及以上的用户占购买用户的比例按“订单”算是看“非首单”订单占比。两种算法得出的数字差异很大汇报时一定要说清楚你用的是哪种口径。复购率高的生意才值得做长期。因为获客成本CAC往往是一次性的大头支出而复购带来的收入会分摊掉前期成本。一个只卖一次就结束的产品每个新用户都必须重新买一次流量成本永远降不下来。复购率配合购买频次和客单价可以算出“用户月度消费额”这是给用户分层和做会员权益的重要输入。6. 数据分析中的“暗语”细节比率、占比、同环比除了上面那些业务指标数据分析日常报告里还有些通用黑话属于“基础设施级别”的术语。比率、占比、同比、环比、分母口径、去重逻辑、数据粒度这些词看着平平无奇但任何一处理解偏差都可能导致整篇分析白做。6.1 不要被比率和占比糊弄看清分母再发表意见比率率是两个数的除法关系占比是某个部分在整体中的比例。但关键是分母到底是什么。“通过率”的分母是有多少用户进入了该步骤还是有多少用户访问了该页面选择不同的分母数字天差地别。举一个最常见的例子某功能页面的“使用率”分母是日活用户还是访问过该模块的用户。如果分母是日活使用率天然会很低因为大部分日活用户根本没进过这个模块如果分母是访问过该模块的用户使用率的数字会好看得多。这两个口径没有绝对的对错但必须固定和透明。分析报告里但凡看到比率我都会先去票据里找口径说明没有口径说明的报告我默认参考价值减半。另外要重视“分子分母时间范围一致性”。有的报表分子来自当月数据分母却是上月的基数这种错位会直接毁掉报告的可信度。做数据的人第一课就应该学会对口径保持洁癖。6.2 同比、环比搞混了会被老板当场问住同比是今年跟去年同期比环比是今年跟上个周期比。对于有明显季节性的业务同比更有参考价值对于快速变化的业务环比更能反映最新动态。举个例子某电商平台的日订单量今天比上周同期涨了5%这是环比。和去年双十一当天的订单量比今年双十一当天少了20%这是同比。另一个常见的场景是遇到春节、国庆这种节假日各项指标都会异动这时候跟日常比没有意义跟去年的同一时期比才合理。新人在做数据解读的时候最容易犯的错误是忽略季节性和周期背景。一个教育类产品在暑假的DAU下滑不一定代表产品衰退也许只是因为学生都放假出去玩使用场景减少。这时跑一个同比数据发现去年的暑假也这样结论就是季节性的正常波动不用惊慌。6.3 数据的粒度从日到月每个维度都有自己的尺度数据粒度就是数据的细化程度。按小时粒度看数据可以看到一天之内的波峰波谷按日看可以看到一周的规律按月看才能看到长趋势。粒度越细噪音越大分析起来越容易误判粒度越粗越稳定但也会掩盖掉关键细节。我个人的习惯是监控报表通常用日粒度甚至关键页面用小时粒度比如核心转化漏斗、支付成功率这种而周报月报则至少要到日粒度才能谈趋势。有些通用行业的报表为了省事直接把数据聚合到月然后拿来分析新用户行为路径那是完全没法做事的因为新用户的转化发生在分钟级时间尺度上月度数据根本看不出路径。7. 从“听懂黑话”到“用黑话思考”讲了这么多术语最后想分享一个更重要的心法听懂黑话只是第一步真正拉开差距的是能不能用这些指标去构建一个系统的分析框架。7.1 指标必须连成线而不是孤立的点很多新人学指标一个词一个词地背定义背得滚瓜烂熟但面对实际问题依然手足无措。原因很简单业务不是由单个指标构成的而是由指标之间复杂的因果关系构成的。看到一个指标下跌要沿着链路去找原因看到一个指标上涨也要去判断它是被哪个变量带起来的。我做了一个“指标地图”的习惯强烈推荐新手也试试。用一张纸把你的产品从“用户怎么进来的”开始一直到“用户怎么付费的”结束把每一步对应的指标写出来用箭头连起来。比如渠道投放CPM、CPC、CAC→ 到达落地页跳出率→ 注册转化注册率→ 首次体验核心功能渗透率→ 次日回来次日留存率→ 持续使用7日留存、30日留存→ 付费行为付费转化率→ 长期价值LTV。画完之后任何一个指标波动你都应该能顺着这张地图找到它上游和下游的关联指标。7.2 汇报时用“事实对比结论”三段式数据分析的最终落脚点不是数字而是决策。我平时跟团队汇报时有一套固定的表达方式先摆事实这个指标是多少再做对比跟上周比、跟目标比、跟行业比最后给结论所以我们应该关注什么。这算不上一套严格的格式但每次汇报都能用上既能帮自己理清思路也能帮领导快速抓重点。举个例子“上周新用户次日留存率是28%事实比前一周下降了三个百分点对比主要原因是新用户引导流程改动后注册到首次内容消费的路径变长建议回滚引导页结论。”这样一条信息领导和同事都能在五秒内抓到重点比丢出一大堆表格有力得多。如果真的想把数据分析的路走下去不妨从这十几个指标练起试着给自己手头的产品画一张“指标地图”遇到不懂的术语就回到定义和业务场景里去按摩索。等你能用一个指标解释另一个指标的时候恭喜你这场“加密通话”你就已经能插上话了。
