产品基础数据指标与基本数据分析步骤梳理。

产品的生命周期中各个阶段都伴随着产品数据的变化，产品经理根据这些产品数据来判断产品所在阶段并对后期的产品演进进行合理的规划；在产品需求分析阶段，产品经理可以通过数据分析来鉴别用户需求的真伪；在产品上线后，产品经理可以通过数据验证产品的功能价值并且让数据指导版本迭代。

针对不同的产品的业务形态有所差异，产品的核心数据也有所不同：比如视频产品侧重的是播放类的数据，如播放时长；电商类产品侧重订单量、交易额等。所以我们可以说，产品的数据分析是产品经理日常工作中必不可少的一环。那么产品有哪些数据指标？具体又该如何分析呢？

一、 产品的基础数据

产品的基础数据一般都是与产品APP相关的整体性的数据，用于检测产品的整体趋势，主要的基础数据有以下几项：

APP/APK下载量：针对客户端产品的数据指标，也称为装机量，是指产品客户端被下载到手机、pad等终端的数量，一般以拥有的独立USERKEY/USERID为一个有效的下载。

APP/APK激活量：指用户完成有效下载后，点击客户端并首次成功启动软件的用户数量。

APP/APK访问量：指一段时间内用户点击进入客户端的次数。

APP/APK访问用户数：APP/APK访问量的去重数据，指一段时间内点击进入客户端的不同身份标识的用户数。

人均访问时长： 用户在客户端内停留时间的平均值。

同时在线人数：实时数据，即在该时间点正在使用产品的用户数，有时也用并发量来表示，用以衡量客户端可承载的同时在线人数。

渠道数据：不同的渠道来源的下载量、访问量等，用以评估不同访问路径以及渠道带来的效果差异。

二、 产品的付费数据

产品的付费数据主要是根据用户的付费行为定义的数据指标，付费指标可以看出用户对于产品的认可程度，产品的盈利价值等，主要的付费数据有以下几项：

付费收入金额：某时段内用户付费的总额。

付费用户数：某时段内发生付费行为的用户的总数。

新付费用户数：某时段内新增的付费用户的数量。

付费转化率=付费用户数/XX用户数，根据产品的业务形态，“XX用户数”可以为视频产品的“点播用户数”。

付费率=付费用户数/活跃用户数（日、月）。

ARPPU值（付费用户的平均付费值）=日付费收入/日付费用户数。

ARPU值（活跃用户的平均付费）=日付费收入/日活跃用户数。

收入占比=某单项收入/总付费收入。

收入曲线：每日、每周、每月的付费曲线，通过观察付费的高峰期，针对性地进行营销活动；

付费路径：分付费路径进行付费收入和付费用户数的占比统计，对占比较大的付费入口进行营销活动的露出，占比较小的入口进行产品侧的优化。

三、 产品的页面数据

产品的页面数据主要是根据用户在页面中的行为作出埋点，从而获取的数据；页面数据对产品的功能优化有很大的指导意义，主要的页面数据有以下几项：

PV（page view）：即页面浏览量，针对网站产品而言，，通常是衡量一个网站流量的主要指标；针对客户端产品，则是衡量某个页面的流量的指标。

UV：(unique visitor)：即页面独立访问量，有称为独立访问用户，是PV经去重后得到的数据。

页面平均停留时长：用户在该页面内停留时间的平均值。

人均页读数：用户在进入客户端后到达的页面数的均值。

跳出率 ：指用户在只访问了入口页面（例如软件登录页、开机引导页等）就退出客户端的访问量与所产生总访问量的百分比。

页面转化率：页面中某个功能的点击量和到达该页面的访问量的百分比，如电商产品的商品详情页中“立即购买”按钮的点击量与商品详情页的访问量的百分比，就是商品详情页-“立即购买”的转化率。

四、 产品的用户数据

产品的用户数据主要是根据用户在各个阶段的角色的不同为维度进行定义的数据，主要的用户数据有以下几项：

注册用户数：指用户下载运行，并且完成注册的用户数。

登录用户数：登录应用后至当前时间，至少登录过一次的用户数；

活跃用户数：登录用户数-新增用户数；

新增用户数：在某个时间段（一般为第一整天）新登录应用的用户数；

日活：当日访客/总用户数。

周活：7日内访客(去重)/总用户数。

月活：30日内访客(去重)/总用户数。

流失率 ：是指用户的流失数量与全部用户数量的比例。

转化率 ：正式成为用户的数量和未知意向的潜在型客户的数量的比率。二跳率(一跳、二跳、三跳)：漏斗模型，没进入一个层级用户的流失率。

留存率=登录用户数/新增用户数*100%（一般统计周期为天）

次日留存率：（当天新增的用户中，在第2天还登录的用户数）/第一天新增总用户数

第3日留存率：（第一天新增用户中，在往后的第3天还有登录的用户数）/第一天新增总用户数，还可用7天，30为周期计算周留存率和月留存率。

LTV（用户生命周期价值）=一段时间内的付费收入/一段时间内的新增用户数；一般指的是3日、5日、7日、14日、30日、60日、90日LTV，即用户首次登录到以上日期所带来的价值。

五、数据分析思路

有了上面提到的这些数据，仅仅是一个基础。更重要的如何利用这些数据，进行分析，从而获取对于产品的指导意义。要让这些数据有意义，首先要建立起产品的数据体系。做好客户端埋点，产品数据定义这些基本工作后，制定日常的数据监测机制。有了周期性的数据监测，才能从数据中发现问题，并深入分析问题，寻找解决问题的方法。

第一步，找到问题所在，我们要发现发生了什么问题？如一段时间内的用户留存率忽然降低。

第二步，找到问题发生的原因，寻求为什么会发生这个问题？在用户层发现的问题，就需要下沉至功能层。如用户留存率降低的原因，是不是因为产品的功能无法满足用户的需求或者功能的改版增大了用户的学习成本。这个阶段中，要勇敢猜测，大胆求证。

第三步，在可能的问题发生原因的基础上，通过产品或者运营的方式来尝试解决问题。

第四步，在采取一定的解决问题的措施之后，要持续数据监测，通过数据观察措施的有效性；并及时调整措施，知道问题得到改善或解决。