數據分析離不開對關鍵指標的跟蹤，指標是衡量事物好壞的一個指數。數據指標有很多，然而，並不是所有的指標都是好的，虛榮指標（Vanity Metrics）看上去很美，讓你感覺良好，但這類指標說到底是膚淺的，甚至帶有欺詐性，例如，你會關注網站的訪問量，但卻忽略了跳離率、用戶的瀏覽時間等，這很容易讓你掉進虛榮指標的陷阱。有效指標是指那些真正能夠帶來效益的指標，例如，轉化率、留存率、日活躍人數占比等，通過這些指標，你可以更好地洞察產品和用戶行為的實際走向。
什么是好的指標？
好的數據指標必定是比較性的，它通常是一個比率，而比率之所以是最佳的數據指標，是因為比率天生具有比較性。舉個開車的例子，里程透露的是距離信息，而速度（距離/時間）才能告訴你是在加速，還是減速。
指標比較的對象，通常是不同時間的“自我”對比，同一時期的不同對象之間的對比，前者用於比較事物增長的趨勢，后者用於比較不同事物的增長大小。
雖然比率是最佳的指標，但是，拋開基數，比率的意義就會大打折扣，引用《效益數據分析》中的例子，“你的產品剛上線時，從嚴格意義上講，你爸爸注冊一個賬號，也可以使你的用戶量翻倍”。因此，要洞察指標說明的故事，必須要結合相關指標一起分析。幸運的是，一個指標和其他指標，通常是有關聯的，例如，轉化率是一個好的指標，它通常是和時間、新注冊人數相關。
通常情況下，用戶行為分析會包含兩類重要的比率（或之一）：跟時間相關的指標，叫“xxx速度”，例如，新用戶增速（單位時間內新用戶的數量），跟數量有關的比例，叫“xxx率/比”，比如，活躍用戶比（活躍用戶占總用戶數的比例）。
還原場景
數據分析應考慮應用和場景的不同，在分析數據時，應結合實際業務，還原到具體的場景，設計關鍵指標。
在分析用戶的行為時，用戶對服務或產品的黏性（Stickiness）是一個有效指標，黏性是指客戶購買產品或服務之后，願意再次購買或者推薦給別人的程度。把黏性還原到具體的場景中，可以從留存率、跳離率、轉化率等指標來衡量，這三個指標表達的含義相近，但使用的場景不同：
- 跳離率（Bounce Rate）：對於內容產品，當訪客點擊你的網頁時，有多少人會馬上關閉？百分比是多少？
- 留存率（Retention Rate）：對於新用戶，用於測試新用戶在某段時間內開始使用產品，經過一段時間后，繼續使用產品的用戶的比例。
- 轉化率（Conversion Rate）：當產品推廣時，轉化率是注冊人數和訪客人數比例，表示有多少訪客真正變成網站的注冊用戶。
活躍度也是一個有效的度量， 對於社交網站來說，日活躍用戶人數占比是一個關鍵的指標。
注意：雖然比率是最佳的數據指標，但也需要輔助其他的定性和定量指標，指標從來不是單獨存在的，而應該從多個指標來綜合評估，這就需要了解指標之間的耦合性，設計指標系統，從各個角度來揭示數據中隱藏的事實。
案例描述
案例：在一次雲產品宣講會（活動）中，舉辦方對產品的重大更新做了全方位的演示和講解，希望通過線下的互動和線上的直播，來吸引更多的用戶使用產品。
如何評價活動的效益？
你作為一名數據分析人員，如何評價這次活動的效益？對於該案例，可以使用同期群分析，按照與會人員是否注冊，把與會人員細分為未注冊（潛在用戶）人員和已注冊（老用戶）人員，在活動結束之后，有些人員注冊成為新用戶。
新用戶的來源可能有多種，最常見的來源是免費試用，可以根據來源追蹤用戶使用產品的行為。
老用戶是產品的粉絲，是付費用戶，能夠為公司帶來收益，已付費的用戶可能會流失，也有可能更依賴產品，以至於更加頻繁地使用產品。
在分析用戶行為時，應該意識到，有些用戶雖然不能給你帶來直接的收益，但是他可以帶來很多用戶，這些用戶使用產品，從而間接為公司帶來收益。
設計指標
思維：以人的行為為出發點設計指標，從定量數據和定性數據的角度來設計指標。
為了分析活動獲得的效益，可以制定以下關鍵指標：
1，參與度（Engagement）
參與度衡量有多少人參加此次活動，用於評價活動的影響力：
- 總人數、老用戶人數、潛在用戶人數
- 參與活動之后，有多少用戶注冊了（免費版或試用版）
2，用於觀察新用戶行為的指標
與會的未注冊人員，是產品的潛在用戶，不管采用免費試用，還是購買+贈送等推廣方法，只要用戶注冊，就可以認為完成一次轉化，轉化率可以作為評價活動效益的一個有效指標。
- 轉化率（Conversion Rate）：參與活動之后注冊為新用戶的比例，轉化率越高，說明產品對用戶的吸引力越高，活動獲得的效益越好。
對新用戶的來源和轉化路徑進行分析，有助於確定哪些來源帶來了更多有效的轉化：
- 新用戶的來源：免費試用，購買+贈送等
- 新用戶的轉化路徑（或稱轉化漏斗）：通過免費試用（Free Trial）注冊的新用戶的轉化路徑（New Trial、Activated Trial、Activated Trial in 7 days）
新用戶對產品的黏性，可以通過新用戶的留存率來評估：
- 新用戶的留存率：在連續的計費周期內，同期新用戶中仍然活躍的用戶所占的比例
3，用於觀察老用戶行為的指標
老用戶是指在參加活動之前，已經注冊的用戶，這批用戶是產品的忠實粉絲。通過分析老用戶的行為，也能作為評估活動效益的一種方式。如何測量舉辦此次活動對老用戶產生的效益？可以把忠誠度作為指標來衡量老用戶，忠誠度是指用戶頻繁使用產品，對產品提供的服務產生依賴。
老用戶已經是產品的付費用戶，其產生的用量維持一個水平上，如果此次活動能夠促使老用戶更頻繁的使用產品，那么老用戶的用量會增加，用量增長可以作為評估老用戶行為的指標：
- 老用戶的用量增長：參與活動之后，老用戶的用量跟前一個付費周期的用量相比，是增是減？
- 用量增長的用戶占比：參與活動之后，用量增長的用戶占比
考慮一些特殊情況，有多少老用戶被召回，有多少老用戶流失：
- 僵屍賬戶激活（New billed Customers）：有多少老用戶離開之后，重新為產品或服務付費；
- 付費用戶流失（Churned Customers）：用戶在一個付費周期內，不再付費購買產品或服務。
4，用於觀察用量的指標
產品的用量也是一個評價活動獲得的效益的有效指標，為了評估用量的增長是否跟活動有關，可以通過比對總用量和跟活動相關的用量來實現，這就需要增加一個維度，該維度是服務類型，用戶使用產品這一行為，實際上是消費產品提供的服務。
由於活動都有特定的主題演講，當服務跟演講主題有關時，可以認為該服務用量的增長跟活動相關。如果跟主題相關的用量增長較大，總的用量增長較平緩，那么說明此次活動促進了用量的增長；如果跟主題相關的用量增長平緩，總的用量增長也平緩，那么說明此次活動對用量的增長沒有作用。
對比要有可比性，在比對數據的處理上，應剔除新用戶對數據的影響，以活動的舉辦時間為分割點，只比對老用戶在前N（1-3）個付費周期內和后N（1-3）個付費周期內的用量。為了更精確地計算用量，應該避免個別因素的影響，可以使用2-3個付費周期內用量的均值。
老用戶的用量增長分析：
- 用量增長的老用戶占比
- 在參加活動之后，老用戶消費的用量增加多少，增長的比例是多少
- 每位用戶的平均用量
跟活動主題相關的用量增長分析：
- 用量增長的老用戶占比（跟活動相關）
- 在參加活動之后，老用戶消費的用量增加多少，增長的比例是多少（跟活動相關）
- 每位用戶的平均用量（跟活動相關）
隨機應變，調整指標
要注意，數據分析應結合業務，根據面臨的主要問題，設置關鍵的數據指標，以回答決策中遇到的難題，例如，當產品沒有知名度時，網站的訪問量可以作為一個關鍵指標；當有了大量的用戶基數時，可以把注冊人數（或試用人數）作為關鍵指標；當注冊人數增加到一定程度時，可以把轉化率（即，免費用戶轉化為付費用戶）作為關鍵指標。
上述指標，是一次數據分析的復盤，僅供參考，附上網站分析中常用的數據指標，你能識別哪些是虛榮指標嗎？
1，網站流量指標
- 頁面瀏覽量(Page View，PV），訪客每打開一個頁面就被記錄一次。
- 獨立訪客數量（Unique Visitors，UV）：一天之內網站的唯一訪客數量。
- 重復訪客數量（Repeat Visitors，RV）：一天之內，重復訪問網站的訪客
- 訪客訪問的頁面瀏覽量（Page Views per User）：平均每個訪客訪問的頁面數量，指標高的話，說明用戶黏性高，也就是說，訪客顯示出對網站感興趣、願意長時間停留
2，用戶行為指標
- 跳出率：表示用戶只瀏覽一個頁面便離開了網站，跳出率顯示了訪客對網站的興趣程度：跳出率越低說明訪客對網站越感興趣
- 平均訪問時長：是指每次訪問的停留時長，該指標越大，則說明訪客停留在網頁上的時間越長，對網站越感興趣；
- 平均訪問頁數：是指每次訪問瀏覽的頁面數量，該指標越大，則說明訪客對網站越感興趣；
3，轉化指標
- 轉化次數：是指訪客到達轉化目標頁面的次數，轉化表示訪客做了網站管理者希望訪客做的事，與網站運營者期望達到的推廣目的有關；
- 轉化率：是指訪問轉化的效率，轉化率=轉化次數/訪問次數，轉化率越高，說明網站的推廣效果越好。
- 轉化路徑：路徑是指訪客在抵達您設置的目標頁面前所經過的一系列中間頁面，轉化即指潛在客戶完成一次您期望的行動，與您的推廣目的和對推廣效果的定義密切相關。通過對轉化路徑的跟蹤，您可以了解訪客對轉化各個步驟的訪問情況。
4，留存指標
- 留存人數：注冊用戶在第一次訪問網站之后，在下一個周期內繼續使用網站的人數
- 留存率（Retention Rate）：在下一個周期內繼續使用網站的人數，占當期注冊用戶的比例，留存率越高，說明用戶對網站的黏性越高。
5，來源分析
- 來源：訪客以哪些方式訪問網站，直接訪問，或搜索引擎
- 搜索詞分析：在各類搜索引擎上通過哪些搜索詞找到並訪問了網站
6，訪客屬性分析
- 訪客的年齡
- 訪客的地域
- 老訪客/新訪客：
7，其他維度。。。
參考文檔：
效益數據分析