随着数据正式成为第五大生产要素，其在当今社会扮演的角色地位不言而喻。数据运营也已经不再局限于某一个岗位，而是每一位运营、市场等营销人员必备的思维和工作方式。

　　1

　　梳理数据指标

　　这里以大家基本都熟知的AARRR模型（又称海盗模型）为例，来梳理一些「过程性指标」。

　　根据AARRR模型，我们可以将数据指标分为五大类：拉新指标、活跃指标、留存指标、转化指标、传播指标。

　　拉新指标：浏览量、下载量、新增用户、获取成本

　　运营通过渠道投放让“用户”接触到产品，当“用户”觉得产品不错就会去下载它，打开产品发现里边的内容蛮适合自己，“用户”就会注册产品，最终成为产品真正的用户。

　　1、浏览量：俗称曝光量，指的是产品的推广信息在朋友圈、搜索引擎、应用商店等渠道渠道中被多少用户看到。与浏览量相对应的是点击量，它们俩的比例在业内有一个专业词汇CTR（CTR=点击量/浏览量），很多广告平台会用CTR来评估广告质量；

　　2、下载量：指的是APP的安装次数，是衡量拉新效果的结果指标;

　　3、新增用户：下载并不是意味着就是用户，如果某个“用户”只下载了并没有注册，那它就是一个无效的用户。对于用户的界定，每个产品是不一样的，大部分的产品是用户注册了APP，就被定义为新增用户;

　　4、获取成本：用户获取必然涉及成本，而这是运营新手最容易忽略的。目前常见的成本的计算方式有CPM（千次曝光成本）、CPC（单次点击成本）、CPA（单次获客成本）。

　　活跃指标：活跃用户数、活跃率、在线时长、启动次数、页面浏览量

　　相比于下载量和用户量而言，在人口红利消失后，大家开始更关注实实在在的东西了——你到底有多少活跃用户？

　　1、活跃用户数：DAU指的是日活跃用户数量，一般指的是在24小时内活跃用户的总量；此外还有WAU、MAU等；

　　2、活跃率：活跃用户数衡量的是产品的市场体量，活跃率看的则是产品的健康；

　　3、在线时长：不同产品类型的访问时长不同，社交肯定长于工具类产品，内容平台肯定长于金融理财等；

　　4、启动次数：它体现的是用户的使用频率，用户的日均启动次数越多，说明用户对产品的依赖性越高，活跃度也就越好；

　　5、页面浏览量：PV（Page View）是页面浏览量，UV（Unique Visitor）是一定时间内访问网页的人数，用户在网页的一次访问请求可以看作一个PV，用户看了十个网页，则PV为10。

　　留存指标：用户留存率、用户流失率

　　如果说活跃数和活跃率是产品的市场大小和健康程度的话，那么用户留存衡量产品是否产品能够可持续发展，如果你是早期产品就更应该关注是留存指标。

　　1、用户留存率：留存率=留存用户/当初的总用户量；

　　2、用户流失率：流失率在一定程度能预测产品的发展，如果产品某阶段有用户10万，月流失率为20%，简单推测，5个月后产品将失去所有的用户。

　　转化指标：GMV、成交额、销售收入、付费用户量、ARPU、复购率

　　对运营而言，拉新和活跃、留存都只是手段，最终衡量你工作业绩的是你手上掌握了多少有价值的用户。

　　1、GMV：它是一个虚荣指标，只要用户下单，生成订单号，便可以算在GMV里，不管用户是否真的购买了，京东在双十一对外发布的战报是GMV；

　　2、成交额：成交金额指的是用户付款的实际流水，是用户购买后的消费金额；

　　3、销售收入：它指的是成交金额减去退款后剩余的金额；

　　4、付费用户量：在产品里边产生过交易行为的用户总量，同活跃用户一样，交易用户也可以区分为首单用户（第一次消费），忠诚消费用户（持续购买的用户），流失消费用户（流失后又回来的用户）等；

　　5、ARPU：ARPU=总收入÷收费用户数；

　　6、复购率：和新增用户一样，获得一个新付费用户的成本已经高于维护熟客的成本。复购率更多用在整体的重复购买次数统计，即单位时间内，消费两次以上的用户数占购买总用户数。

　　传播指标：病毒K因子、传播周期

　　现在产品都会内嵌分享功能，对内容型平台或者依赖传播做增长的产品，对病毒式增长的衡量就会变的至关重要。

　　1、病毒K因子：K因子大于1时，每位用户能至少能带来一个新用户，用户量会像滚雪球般变大，最终达成自传播；

　　2、传播周期：传播周期指的是用户完成从传播到转化新用户所需要的时间，通常传播周期越短，意味着用户裂变传播的效果越好。

　　2

　　定义指标口径

　　在梳理完数据指标后，还有一项非常重要的工作——定义数据指标口径。在数据运营的过程中，我们如果没有统一的工具（例如易观方舟）管理数据指标口径，往往会出现以下问题：

　　在不同的数据报表中，出现定义一致但名称不一样的数据指标

　　在相同的数据报表中，出现定义不一致但名称一样的数据指标

　　这将对我们跨部门协同开展运营工作、达成运营目标带来一定的困扰。如果在需求上线前事先没有做好数据指标口径的定义，导致某些数据对不上，又会给测试、技术等人员带去一定程度返工，大大降低工作效率。

　　举个简单的例子。对于一个企业来说，活跃用户往往反映了产品的用户规模、所处发展阶段，通过活跃用户可以快速定位产品人群，为后续拉新、促活做充分研究。我们在衡量用户活跃时，常用的指标会有：

　　每日活跃用户数（Daily Active User）

　　每周活跃用户数（Weekly Active User）

　　每月活跃用户数（Monthly Active User）

　　分别指每日/周/月访问产品的不同用户数。但活跃用户数这个数据指标口径的定义，由于所处的行业、不同的业务等因素，很多企业会根据自身特点对活跃用户数有不同的定义，例如：

　　每日登录用户数（过滤掉匿名用户）即为活跃用户数

　　每日在线时长超过5分钟的用户数（过滤掉低质量用户）即为活跃用户数

　　每日访问页面超过5个的用户数（过滤掉低质量用户）即为活跃用户数

　　数据指标口径的定义应该尽量做到明确、清晰、易懂。并且需要我们逐步迭代建立起一套完整的数据指标口径字典，下发到各个协作部门，确保对数据指标的认知达成一致，避免在运营过程中出现歧义。

内容归原创者所有，如有侵权请联系删除！