（因为做记录是用打字的，所以也没有找到合适的笔记记录工具，如果有好的工具，欢迎大家分享给我下，谢谢）

测试对比和取样, 建模以及修正实验

考虑用户的操作行为与最终结果之间的关系

乔布斯在《The Lost Interview》 采访中曾说： “伟大的人， 不会在意自尊， 大家都把注意力集中到产品上，

这毕竟才是最有效的工作方式。 ”

Google Analytics是目前使用最广泛的统计工具， 强大且免费。

Mixpanel从页面访问量数据的局限跳出来， 转而以用户行为为驱动。

KissMetrics跟Mixpanel很类似， 都是以用户行为为导向的分析工具， 所提供的功能也基本一致。

互联网是快速试错和收集信息的平台， 也是一个公正的仲裁者， 永远能反映客观的市场动向。

MVP（Minimal Viable Product）：最小可行性产品。即通过一个最小化、却可以满足核心需求的产品来测试市场的反应。MVP的核心目的就是减少时间成本、快速迭代试错。

PMF“初创企业的生命周期可以分为两部分：找到产品-市场匹配之前，和找到产品-市场匹配之后”——马克·安德森（网景公司联合创始人、风险投资家、硅谷大神）

如何进行用户需求分析呢？ 一个适合作为创业项目的需求来源， 需要考虑如下这些因素。

1． 需求是真实存在的还是伪需求

2． 判别需求是否属于刚需

3． 研究需求量是否够大， 市场是否够肥

如何判断需求是否够大呢？ 通常可采用两种方式。 一种是先估计目标用户的基数、 消费能力、 意愿预算， 再把这些数字通过相乘等方式得出

一个大概的数字， 并与该行业或近似行业的公开报告进行比对验证； 另一种则是评估打算进入的市场， 原本具有多少产值， 而你的产品通过提供

更低的价格、 更长的使用周期等， 能提升多少效率、 节省多少成本， 从而折算出相对于原产值的全新规模。

在市场不确定的情况下， 贸然倾尽全公司之力， 投入资源大规模进入是危险的。 验证产品方向是否可行， 可以通过“更聪明”的办法来完成。

这就是硅谷作家埃里克·莱斯（Eric Ries） 在其创业学著作《精益创业》 中提出的“最小化可行产品（Minimum Viable Product， 简称MVP） ”概

念。

做得更好： 一、 先优化产品， 待核心流程在目标人群的主流运行环境中跑通， 再公开发布；

二、 对可能造成严重影响的问题， 事先通知用户， 降低预期， 减小因心理落差造成的不满；

三、 提前准备补救措施（特别是这种涉及付费的产品） 和公关说辞，降低用户怨气， 弥补经济损失， 甚至可以给予一定奖励；

四、 在产品中设置方便的反馈渠道。

“冷启动”原本是数据挖掘领域的一个专业术语， 运用到产品运营中， 指在产品之初尚未形成完善的生态体系并能

提供足够多可消费内容的情况下， 从零开始导入第一批用户和制造内容的过程。

种子用户， 大抵包括以下三层含义： 第一， 这批人数量少， 获取不易； 第二， 他们进入产品的阶段较早； 第三， 种子用户如同种子一样孕育着希望， 具有成长为参天大树的可能

性。

微信的张小龙曾经说过： 如果你不了解女性， 你将失去一半以上的用

户（在他的推荐书单中包含《女性的起源》 这样专门从进化学角度探讨女性的著作） 。

所谓产品蝗虫， 是指那些产品目标用户以外的围观群体， 他们往往并非冲着满足

自身需求来使用你的产品， 而只是单纯好奇的观光客、 寻找项目的投资人或是来做竞品调研的产品经理。

筛选超级粉丝的方法很简单， 就是一个个询问用户： 如果明天没有Strikingly的产品了， 你的感觉会如何？ 如果有用户回答称自己的工作或生活将受到很大影响， 并且愿

意通过付费等方式让网站维持下去， 这个人就是超级粉丝。

如新浪微博和QQ账号。 对此许朝军的解释是， 第一， 用户可以快速进入到产品中来；

第二， 用户记不得那么多的账号。 其实， 还有一个更重要的原因： 在降低开发成本的同时， 使用社交账号登录能让用户的每一个行为被更

轻易地分享到社交网络平台中， 引起回流。

根据美国内容营销协会（Content Marketing Institute） 的定义， 内容营销是“一种通过生产发布有价值的、 与目标人群有关联的、 持续性的内

容来吸引目标人群， 改变或强化目标人群的行为， 以产生商业转化为目的的营销方式。

内容营销的作用主要分为三方面： 吸引流量、 培养潜在用户、 劝诱转化。

利用搜索引擎的排序规则， 通过人为手段来干预目标页面排名的手法， 称为搜索引擎优化（SEO， Search Engine Optimization） ，

同样， 在网络上如果我们看到某款新问世的产品受到万人追捧， 即使原本并不关注， 久而久之也会令我们产生一试究竟

的想法。 这种个人受到外界人群行为的影响， 使自己在知觉、 判断、 认识上表现出符合于公众舆论或多数人的行为方式， 就是俗称的“从众心

理”。

所谓A/B测试， 简单说来就是针对想调研的问题提供两种不同的备选解决方案（比如两个下单页面） ， 然后让一部分用户使用方案A， 另一

部分用户使用方案B， 最终通过数据观察对比确定最优方案。

美国未来学家、 世界顶级未来趋势智库“未来研究所”游戏研发总监简·麦戈尼格尔在其著作《游戏改变世界》 一书中提出了游戏的四大决定性

特征： 目标、 规则、 反馈系统和自愿参与。

营销大师菲利普·科特勒在《营销革命3.0》 （Marketing 3.0） 中说： “当今的消费者所寻找的产品和服务不但要满足自己的基本需要， 他们更

希望能发现一种可以触及其内心深处的体验和商业模式。

外语学习应用Duolingo（中文名“多邻国”） 在中文版正式发布一周内吸引了150万用户下载体验。

类似创建“马甲”自问自答的做法， 其实在日常的产品中并不少见。 但人工运营的瓶颈在于内容和互动的产出量， 有时人力投入程度与短期回

报不成比例。 为此， 编写脚本开发“机器人”自动替运营团队模拟成用户来执行动作， 也成了惯用伎俩。

这就像是金·凯瑞的电影《楚门的世界》 或是科幻经典《黑客帝国》 中的桥段： 肉眼所看到的外界世

界或许并不真实存在， 你只不过是自己在跟自己游戏， 或者说， 被游戏开发商戏弄。

造成用户留存率低的原因可能是以下几种。

1． 存在程序漏洞、 性能瓶颈

2． 用户被频繁骚扰

3． 话题产品的热度减退

4． 有更好的替代品

5． 其他因素 游戏通关、 设备遗失、 需求不再存在、 产品生命周期终结等， 都可能成为用户流失的因素

关注产品的次日留存率， 可于第一时间发现产品新版本的品质变动和渠道优劣； 而7日留存则可反映出用户完成一个完整体验周期后的去留

状况； 至于30日留存， 则更能反映出一次版本迭代后的稳定性， 辅助判断产品的演进方向是否合理。

根据埃里克斯·舒尔茨的经验， 如果你正在创办一家电商网站， 那么只要留存率维持在20％～30％， 基本上就不会活得太糟； 如果你是一个

社交媒体， 而第一批用户的月留存率低于80％， 那就别指望做大了。 至于衡量在Facebook平台上新上线的第三方游戏能否获得超过100万

DAU（这是决定绝大多数新游戏接下来是否有戏的最低标尺） ， 流传出所谓的“40-20-10”规则， 即如果你想让游戏的DAU超过100万， 那么新用

户次日留存率应该大于40％， 7日留存率和30日留存率得分别大于20％和10％。 对于移动应用， 留存率最高的三种类型分别是资讯阅读、 社交

沟通和系统工具， 在4个月后的留存率能稳定在10％左右。

为了应对上网流量昂贵的问题， 让用户安心享受拍照功能， 他们调研了众多的图片格式， 并最终选择了WebP格式。 原因很简

单， WebP格式同样是由安卓系统的开发公司Google推出的， 二者在生态上兼容良好， 压缩效率极高， 相对于网页常用的JPG格式图片而言， 流量节省了25％至35％， 比PNG更是节省了将近80％。 最重要的是， 图片品质没有明显的改变。

在实施有损服务的方案时， 有两条基本原则： 1） 发生问题时， 优先保证核心功能的运转， 非核心功能不可以影响核心功能； 2） 在条件允

许的情况下， 牺牲的特性越少越好。

唤醒机制是指互联网产品中专为召回流失用户而设计的产品机制。 常用的唤醒机制包括： 电子邮件唤醒、 消息推送通知、 移动网页唤醒应用等

EDM（Email Direct Marketing， 电子邮件直邮营销） 是网站常见的拉新和唤醒手段

使用EDM唤醒用户的策略主要如下。

1． 提供奖励

2． 告知进展

3． 个性化推荐

4． 用户社交互动提示

应用内的消息推送通知（Push Notification/Push Alert） 机制是移动产品唤醒用户的有效手段。

1． 推送授权（Push Notification Authority） ：

2． 徽章通知（Badging）

3． 本地通知（Local Notification）

4． 地理围栏通知（Geofenced Notification）

5． 图片推送通知（Picture in Notification）

6． 表情文字（Emoji）

网页内唤醒移动应用 知乎的手机网页版顶部显示有“打开应用”按钮， 点击这个按钮就会从手机浏览器直接跳转到知乎应用的该问题页面下。

免费模式如何赚钱

常见的免费策略包括以下几种。

1． 基本功能免费， 高级功能收费的Freemium策略 它的含义是指企业通过免费服务吸引用户， 然后通过提供增值服务， 将一部分免费用户转化为收费用户， 实现创收。

2. 交叉补贴策略， 思路是通过有意识地以优惠甚至亏本的价格出售一种产品（称为“优惠产品”） ， 从而达到促进销售另一种盈利更多的产品

（称为“盈利产品”） 。  交叉补贴在互联网产品中的典型代表是游戏行业。 “游戏免费、 道具收费”

3． 三方市场的流量变现

4． 开源代码的盈利可能

5． 公司上市， 或被收购

所谓重定向， 是一种针对已经浏览过网站的人群进行再次营销的广告方式。 它能让用户曾经看过的广告再次展示在其面前， 通过这种不断的提醒来强化品牌印象， 并最终促成消费行为。

想知道如何运用好重定

向广告， 就要先知道它的原理。 首先你需要在网站里插入一段追踪代码， 当用户进入该页面后， 代码就会在他们的电脑里植入一个cookie， 它会

标记出用户身份和感兴趣的商品信息。 当这个用户访问其他网站时， 只要该网站加入了重定向广告联盟， 就有资格读取出cookie中记录的用户身

份和商品信息， 并将动态的广告位“掉包”成用户感兴趣的商品广告。 这里的“重定向广告联盟”泛指第三方的重定向广告服务商， 如Adroll、

Retargeter、 Chango， 也包括像Google Adwords这样专业的展示广告功能

目前， 业界对重定向广告存在两种声音： 拥护者认为它促进了收入的增长， 反对者则质疑其对用户隐私的泄露风险。 开发者也陆续探索出了

cookie之外的其他追踪用户身份的方式。 如果您手头的预算紧张， 不妨试试这个方法。

比较这两个案例， 我们可以总结出“变惩为奖”的三大原则

1． 绝不责备用户。

2． 给予合理补偿。

3． 提供转化便利。

所谓精细化管理， 是指在业绩这一单一指标之外， 增设其他指标， 从而避免粗放式管理造成的危险， 有效约束外包团队， 使其行动目标与百

姓网的战略目标一致。 原本百姓网的管理规则为： 每月设定唯一的业绩目标（如100万销售额） ， 如果达标， 则有奖金， 如果不达标， 则无奖

金。 经过多方调研， RAIDER在PNM Soft Organization评价系统的参考下， 总结了一套适用于百姓网自己的评价系统， 分为过程指标、 结果指

标、 细分维度3个大类， 包含28个KPI，

用数据可视化的方式辅助企业管理， 可使得管理成本降低， 管理效率

提高。 这里面的核心有三个： 第一， 数据的采集和存储。 百姓网具备很强烈的数据意识， 因此数据仓库方面的技术实力较强， 能够做到核心数据

的实时采集和存储。 第二， 数据可视化。 如果没有一个直观、 简单的数据可视化呈现方式， 管理者是没有使用动力的。 第三， 极客精神， 使得技

术开发工程师有能力、 有热情进行自主的系统开发。

衡量病毒传播的两大核心指标是K因子（K Factor） 和病毒循环周期（Virial Cycle Time） 。

K因子， 用于评判病毒传播的覆盖面。 其公式为： K因子＝感染率X转化率。 感染率是指某个用户向其他人传播产品的程度， 例如发送一封

邮件邀请、 进行一次口碑推荐。 转化率是指被感染用户转化成新用户的比例。 更简单地说， 1个K因子表示平均1个用户能带来1个新用户。 K因

子越高， 产品自我获取新用户的能力越强。 提高K因子， 主要从提高感染率和转化率两个方向入手。 鼓励用户平均发送更多邀请， 如在一对一的

通讯录联系人邀请之外， 增设发微博、 邮件群发选项， 可以增加感染更多用户的机会。 优化被感染者看到的着陆页， 让注册步骤尽可能简短， 则

能提高注册成功的转化率

病毒循环周期， 是指从用户发出病毒邀请， 到新用户完成转化（如点击阅读、 注册、 消费的行为） 所花费的时间。 病毒循环周期越短， 效果

越好。 在这方面数据的佼佼者要数视频网站， 你在优酷上看完一则奇趣搞怪的30秒视频， 将它顺手分享到微博上， 马上便能引来粉丝的围观，

整个病毒循环周期只需几分钟。 为了缩短病毒循环周期， 首先应当尽可能减少用户的操作成本， 如醒目的行动号召、 方便的一键分享按钮、 傻瓜

式的下载安装注册流程。 其次可以设法增加用户的“紧迫感”， 如24小时后就会失效的优惠券、 注册后能立即收到10元返利的承诺等。

《引爆点》 的作者马尔科姆将引爆流行的要素总结为个别人物法则、 附着力法则和环境威力法则。

坏事传千里——Bug营销

2013年6月21日晚， 各大论坛、 微博、 QQ群上出现了一条广为流传的消息： “百度云网盘的支付系统疑似出现了重大Bug， 所有付费套餐的

价格变成了原来的1/1000， 1毛钱就可以买一年会员， 100GB最高等级套餐也只要5毛钱， 快去抢福利啊！ ！ ”一时间网民炸锅了， 不管之前有没

有百度云网盘的账号， 这会儿都麻溜地奔去抢购。

借势营销， 乘势而上

2014年10月28日， 淘宝旗下的旅游频道更名为“去啊”， 发布会上一并喊出的还有“去哪里不重要， 重要的是去啊”的口号， 矛头直指竞争对手

去哪儿网。 去哪儿网见状也不怠慢， 率先吹响了反击号角， 提出“人生的行动不只是鲁莽的‘去啊’， 沉着冷静的选择‘去哪儿’才是一种成熟态度”，

针锋相对毫不示弱。 随后， 各家旅游网站就此展开一轮借势营销的文案大战。

携程喊出“旅行的意义不在于‘去哪儿’， 也不应该只是一句敷衍的‘去啊’， 旅行就是要与对的人携手同行， 共享一段精彩旅程”； 爱旅行网提

出“旅行不只是鲁莽的‘去啊’， 也不是沉默的‘去哪儿’， ‘爱旅行’才是一种生活态度”； 租租车网发布“你得知道， 一站搞定全球租车， 才能说‘去啊’就

去啊， 想‘去哪儿’就去哪儿”……这些或开门见山， 或含蓄隐晦的文案， 一时间被“唯恐天下不乱”的网友们整理疯传。 原本名不见经传的小网站，

也在巨头的互掐中顺势露了一把脸。

法国社会心理学家古斯塔夫·勒庞（Gustave Le Bon） 在他的经典著作《乌合之众》 中认为， 群体不善推理， 却急于行动， 原本理性的个人

一旦结成群体， 便容易智商尽失， 轻易被影响操纵。

病毒传播中的用户心理把握

1． 喜爱

人们总是比较愿意答应自己认识和喜欢的人提出的请求， 还乐意主动传播自己喜爱的事物， 借以表达一种倾向， 阐发一种观点， 寻求志同道

合的伙伴， 融入有归属感的圈子。

2． 逐利

美国的团购网站鼻祖Groupon于2008年11月上线。 该网站每天在美国和加拿大的90多个城市中， 提供一款酒店服务、 水疗或其他一些吸引

人眼球的精品团购项目。

3． 互惠

基于理性经济人假说的传统经济学认为， 经济行为主体是单纯追求个人利益最大化的， 人们的复杂行为和社会参与， 都是基于成本收益的计

算。 互惠是逐利的一种变体， 是人类社会日常交际的基础。

4． 求助

在“糖果粉碎传奇”（Candy Crush Saga） 里， 如果你的体力值耗尽， 在一段时间内就不能继续游戏， 必须等待重置。 迫不及待想要重新开始

游戏的用户， 可以采用两种方法： 要么花0.99美元来跳过这几十分钟的焦灼等待， 要么点“Ask friends”（找朋友帮忙） 将其传播出去。 在答题类

游戏“疯狂猜歌”和“疯狂猜图”中， 卡在某一关的用户可以通过分享题目到社交网络来寻求朋友们的解答。

5． 炫耀

爱炫耀是人的内心渴求被关注被肯定的表现， 人们喜欢通过炫耀来展示自己最好的一面， 或是借以表达自己理想中的状态。

6． 稀缺

稀缺资源引发人们的好奇争抢， 而邀请机制则将病毒传播的效果成倍放大。 愚人节推出的Gmail颠覆了人们对电子邮箱的认知， 当人们意识

到这并非玩笑后， 网络上掀起了索要邀请甚至花钱购买的狂潮。

7． 害怕失去或错过

EverMemo是上海创业团队MudLab开发的首款移动应用， 初衷是希望用轻量级的交互记录下脑子里一闪而过的点子， 然后将该便签自动同

步到Evernote。

8． 懒惰

人天生是懒惰的。 当产生分享传播的冲动时， 如果需要用户费事打开操作网页、 编写一套原创说辞， 操作成本过高， 无形之中会将一部分人

阻拦在外。 作为产品开发者， 应当充分利用人们懒惰的心理， 提供便利的分享方式， 如一键分享按钮、 跳转手机客户端直接获取身份认证等。

零预算， 如何做宣传

1） 官方微博发布消息

2） 针对活跃用户发送私信通知

3） 集中宣传实际案例

4） 名人效应

5） 用户分享体验

6． 病毒的扩散

本次活动的另一大成功在于， 我们主要精力花费在微博宣传， 但外界的自发传播扩散非常生猛。 包括百度贴吧、 V2EX、 各大电脑爱好者论

坛、 开发者社区、 独立博客甚至竞争对手的论坛腹地等， 都出现了用户主动宣传讨论本次活动的话题。

总结这次活动， 以下几点值得在今后继续保持。

1． 打造与众不同、 别出心裁的创意， 同时保证能够浓缩成一句话进行传播， 例如“云诺免费赠送无限空间”。

2． 提供简单直接的参与形式， 不要挑战用户的耐心， 不要抬高用户的期望后令他们失望， 而是要超越用户的预期。

3． 借鉴游戏设计元素， 在“成就时刻”鼓励用户通过社交网络分享战果。

4． 尽量设置较多亮点、 槽点， 让传播者有话可说。

5． 故意设置漏洞， 借高级用户去主动发现、 宣传， 往往有奇效。

6． 在策划之初就准备好二次传播乃至三次传播的方案

关于付费推广， 胡嵩表示， 美丽说这类女性导购社区的推广成本和其他工具类、 游戏类产品不一样。 游戏类的CPC转换率如果是10％， 3元

钱可获得一个用户。 大众点评约在5％。 而美丽说这类则在1％～2％。 2011年第四季度， 美丽说移动客户端的推广费用高达500万元。 进入2012

年， 随着单用户获取成本被进一步推高， 美丽说的策略也悄然转变。 一方面把产品做好， 通过口碑传播； 另一方面加强了与手机厂商、 上下游应

用的合作。 例如， 与一些主打女性概念的手机厂商合作深度定制， 与拍照、 电商等上下游应用互相导量等。

在解决冷启动这件事情上面， 我们做过性价比最高的一件事就是SEO（搜索引擎优化） 。 调查中我们发现， 百度、 谷歌、 搜狗等搜索引

擎， 一般都有“地点＋外卖电话”、 “餐馆名＋外卖”等常见关键词组合。

SEO就是在“伺候”好用户的基础上， “伺候”好百度、 谷歌。 搜索引擎就像一个中间人， 用户做什么都常常要问他， 例如用户搜

索“五道口外卖比萨电话是多少？ ”时， 搜索引擎就会按照自己之前“明察暗访”的经验， 按照自己觉得靠谱的顺序列出选项。 所以SEO要做的事

情， 是先给搜索引擎更多向用户推荐你的理由。 我们要注意以下几点。

1． 找到和你产品相关， 最多人搜的词。

2． 频繁更新原创、 独特的内容。

3． 网站要结构清晰， 最好提供网站地图和最近更新页面列表给搜索引擎参考。

4． 每页主要内容明确而不重复， 并且在Title有所体现。

5． 服务器稳定， 打开速度快。

6． 代码干净， 对于非文本内容打上文本标签， 将样式和内容分开。

7． 建设从其他高权重网站来的链接。

8． 不要刻意或者过度优化， 被惩罚了的话基本就前功尽弃了

论如何薅App Store的羊毛

App Store的排名、 搜索算法和搜索引擎算法一样， 都是不会公开， 却又可以推测的。 在外卖库App上线之前， 我把能找到的书籍、 博客、

SlideShare上面的分享都看了一遍， 能问的人都请教了一番， 总结了下面的要点。

1． 下载量和App活跃度， 都是榜单排名的重要因素。 所以这两个数是关键。

2． 苹果对新上线的App， 或者刚更新的App的排名， 是会有加权的。 有人推测旧App需要2万次下载量才能到达榜单第N位， 新上线的只需

要5000次就可以。 也就是说， 要尽量在上线的头一两天全力推下载量， 并且尽量多更新， 这有助于排名优化。 于是我们设置了新上线当天星探

费加倍的活动。

3． 开发者可以自己选择App的上线日， 周末下载App的人最多， 但竞争也最激烈。

4． 提交App的时候， App标题、 公司名、 关键词， 其实都对搜索结果排名有影响。 所以这些词要仔细研究， 把最热、 最相关的词填进去。

5． App图标一定要精美， 截图一定要好看。

6． App Store描述文案只能显示前三行， 要写得简明扼要。

7． App Store中文分词能力不太完善， 因此很多App都堆砌不相关的热点关键词（如QQ、 淘宝、 大众点评） ， 提高搜索排名。

8． 越狱平台的安装量和激活， 也会被苹果记录在活跃度内， 因此可以在越狱平台先行发布， 然后正式在App Store上发布的时候， 下载量就

有了基础。

9． App的有效评分也会影响排名。

我们数据库里面本身有的外卖店老板电话， 也有5000～6000个， 于是我们筛选出里面的手机号， 先用空号检测软件跑了一遍， 再买短信

包， 告诉他们你的店的菜单现在可以在这个App看到。

页面浏览量（Page View， PV） ： 在一定统计周期内（通常为24小时） 所有访问者浏览的页面总数。 该指标重复计算， 即如果一个访问者

浏览同一页面3次， 那么PV就计算为3个。 PV之于网站， 就像是收视率之于电视， 从某种意义上已成为投资者衡量商业网站表现的最重要

尺度之一。 严格意义上来说， PV只记录了页面被加载显示出的次数， 并不能真正确保用户进行了浏览， 有些网站会利用这一特

性“刷”PV， 例如在页面中嵌入不可见的iframe。 还有的网站编辑为了完成PV指标， 会将一篇长文（或组图） 拆分成多页， 从而制造出阅读

量大的假象。

独立访问者（Unique Visitor， UV） ： 在一定统计周期内访问某站点的不同IP地址的人数。 通常在同一天内， UV只记录第一次进入网站的

具有独立IP的访问者。 如果某人访问网易首页， 又点开了三条新闻， 则记作4个PV和1个UV。 UV反映了网站覆盖的绝对人数， 但没有体现

出访问者在网站上的全面活动。 此外， 由于校园网络、 企业机关等一些部门通常有统一的对外IP出口， 依靠IP来判断的UV也并不能做到完

全准确， 更优的做法是结合Cookies。

访问数（Visit） ： 访问者从进入网站到离开网站之间的整个交互过程， 视作一次Visit。 它可能包含一组页面浏览行为。 通常界定同一访问

者的两次不同Visit的判定方法是间隔时长， 如30分钟。 这意味着如果同一访问者连续的两次页面访问之间间隔为15分钟， 则视作一次

Visit； 如果间隔41分钟（因故暂时离开或阅读了一篇长文） ， 则被切分为两次Visit。

着陆页（Landing Page） ： 指访问者浏览网站时所到达的第一个页面， 又称用户捕获页。 针对着陆页的分析追踪可作为判定外部广告或其

他营销推广活动效果的依据， 因此着陆页应当是经过恰当优化的。

退出页（Exit Page） ： 指访问者浏览网站时所访问的最后一个页面。 退出页数量大， 并不等同于网站的黏性差， 此时应当参照退出数与页

面浏览量的比值， 即退出率。 若某个页面本不该有较高的退出率（如在线购买流程的下单环节） ， 则需要检查该页面， 防止其成为整站的

流量漏洞。

跳出率（Bounce Rate） ： 用于衡量整站或网页的黏性。 跳出， 指访问者仅仅浏览了一个网页就结束了访问（Visit） 。 整站跳出率＝全站

跳出数/全站页面浏览量， 它反映了整站的导航效率； 而针对单独页面计算的跳出率＝该页面跳出数/该页面浏览量， 它是对单个网页导航能

力的评价。 一般而言， 跳出率越高代表网站的问题越大。

展现数（Impressions） ： 又称印象数， 指广告在浏览器中被加载的次数。 只要广告内容被加载出一次（如刷新了页面） ， 展现数就加1。

服务器打点数（Hit） ： 打点指服务器收到一次请求。 如访问者浏览了一个仅有10张图片的网页， 则打点数记作11， 其中包括1次网页请求

和10次加载图片的请求。

转化率（Conversion Rate） ： 转化， 指达成了某种预设的目标， 如引导用户完成下载、 注册、 新闻订阅、 走完新手介绍流程等。 转化率是

计量这种转化成效的指标， 可用于衡量网站内容对访问者的吸引程度和宣传效果等。 例如， 广告条的转化率＝通过广告条点击进入着陆页

的流量/广告条的展现数； 注册的转化率＝完成注册流程的用户数/到达注册页面的流量。

停留时间（Duration） ： 指一次访问的持续时长。 通常较为简单的计算方法是用最后一次访问的时间减去访问第一张页面的时间（但这将

无法统计最后一次访问的持续时长） 。

初访者（New Visitor） ： 初次访问网站的访问者。 通常用Cookie判断， 并以一定时限为统计周期， 通常为一个月。 如果上月某人访问过网

站， 次月再次访问， 则对于次月内的第一次访问行为而言， 这个访问者仍视作该月内的一个新的初访者。

回访者（Return Visitor） ： 相对初访者而言， 如果一个访问者在该月内重复访问， 则视作回访者， 也就是“回头客”。 该指标衡量网站内容对

访问者的吸引程度和网站实用性。 统计周期内所有初访者数量＋所有回访者数量＝独立访问者数量。

访问来源（Referrer） ： 指一次访问或一个网页浏览的流量来源， 又被称作“推荐来源”。 访问来源可从不同维度进行划分。 如按来源网站的

性质， 可划分为来自搜索引擎、 网站推荐（如友情链接、 广告条、 软文植入） 、 无网站来源（用户直接进入网站， 如从浏览器收藏夹点

入、 直接在地址栏输入域名） 等； 按来源网址的形式， 可划分为来自域（如fanbing.net） 、 网站（如www.fanbing.net） 或URL（如

http://www.fanbing.net/about.html） ； 按照内外部， 可划分为站外链接或站内来源。

其他属性： 有的第三方统计工具可结合自身收集的其他数据， 获取访问者进一步的信息， 如地域分布、 系统环境、 性别比例、 年龄分布、

学历分布、 职业分布等

新增用户数（New Users） ： 指首次打开应用的用户数量， 通常通过设备识别符（如苹果系统的UDID） 来识别用户的唯一身份。 由于传输

统计数据需要联网， 因此即便是首次打开应用， 若未能联网， 也统计不到。 此外， 卸载再安装通常不会算作新增用户， 老用户的版本升级

也不会计算在内。 当然， 如果下载了应用但并未安装， 或安装之后没有启动过， 也无法统计为新增用户。

活跃用户数（Active Users） ： 指统计周期内有过特定使用行为的用户数量。 同一用户在一个统计周期内多次使用记作一个活跃用户。 这

里“使用行为”的定义因应用而异， 有的团队将启动即视作活跃， 有的则需要满足启动＋执行某种操作（如浏览过至少一条新闻） ， 还有的

则索性将常驻后台的守护进程没有被杀死也统计进了活跃范畴中。 因此如何计量活跃用户数， 归根到底还是看团队真正追求的是什么。 活

跃用户数一般看“日活”（Daily Active Users， DAU） 和“月活”（Monthly Active Users， MAU） 。

升级用户数（Updated Users） ： 指由已装的老版本升级到新版本的用户数量。 时常有人问， 像QQ这样保有量已经很大的应用， 为什么每

天还能在应用市场上创造如此巨大的下载量？ 其中很重要的因素之一， 就是将用户从老版本升级到新版本的下载行为统计了进去。

留存率（Retention Rate） ： 指用户在某段时间内开始使用应用后， 经过一段时间， 仍然继续使用， 这部分用户占当时新增用户的比率， 也

就是“有多少人最后留下来了”。 留存率用于衡量应用的质量和营销效果的好坏。 通常新增用户如果因为真实需求而来（如从应用市场主动

搜索并下载获得） ， 则留存率较高； 而因为博眼球的营销推广（尤其是有奖活动） 进来的用户， 留存率较低。 并且， 不同种类应用的留存

率也有各自的基准， 如游戏的首月留存率通常比社交类高， 而工具类的首月留存率又比游戏高。 留存率通常看次日留存率、 3日留存率、 7

日留存率、 15日留存率和30日留存率。

总用户数（Total Users） ： 指历史上所有新增用户数之和。 该数字由单纯地相加获得， 存在一定水分， 无法体现已经流失或极不活跃的用

户情况。

单次使用时长（Duration） ： 指用户从一次启动到退出应用所耗费的时间长短， 用于衡量应用的黏性。 应用在后台运行并不会计入其中。

不同类别的应用， 单次使用时长可以千差万别。 工具类产品解决问题目标明确， 用户完成任务之后就会立即退出， 比如看一下天气、 优化

一下内存占用等， 用几秒就可以关闭。 而视频播放类应用则能持续更久， 通常可达到几十分钟。

平均单次使用时长（Average Duration） ： 计算方法是某日总使用时长/该日启动数， 可用于更准确地评估用户的使用状态。 因为一款应用

在不同时段的使用时长可能存在差别， 用户早上挤地铁时的一瞥与晚间睡觉前的沉浸使用， 其单次使用时长本身是不具备可比性的， 只有

平均之后才能用于横向比较。

使用间隔（Interval） ： 指连续两次使用之间的时间间隔。 如果一款定位于提供每日新闻资讯的应用的使用间隔过长， 则说明对用户的黏性

不够强， 并未培养成每日使用的习惯， 只是在偶尔想起来时看一眼。 这就需要在产品上下功夫， 或采取一些运营手段弥补， 如定时推送当

日的头条新闻。

转化率（Conversion Rate） ： 指应用内特定行为目标的转化情况， 如让用户点击某个按钮、 播放一段视频、 邀请一批好友等。

K因子（K-Factor） ： 衡量产品的病毒传播能力， 计算方法为每个用户平均发出的邀请数量/收到邀请转化成新增用户的比率。 如果K因子大

于1， 表明产品具有自我传播能力， 会随着用户的使用而持续扩散。

每用户平均收益（Average Revenue Per User， ARPU） ： 简单的理解就是“能从每个用户那里收多少钱”， 是衡量产品盈利能力的指标， 也

可用来检测不同市场渠道获取的用户质量。 ARPU的通常计算方法是产品在一定时限内的收入/活跃用户数。 结合单用户的获取成本， 可以

推断出产品是否能形成自我造血的持续发展能力。

每付费用户平均收益（Average Revenue Per Paid User， ARPPU） ： 与ARPU将收入平摊到所有用户头上不同， ARPPU只计算从所有付

费用户处获取的平均收益， 据此更准确地把握付费用户的支付能力、 消费习惯， 并有针对性地对这部分付费用户重点运营和服务。

月付费率（Monthly Payment Ratio， MPR） ： 指一个月的统计区间内付费用户占活跃用户的比例。

生命周期价值（Life Time Value， LTV） ： 用户从第一次使用产品， 到最后一次使用之间， 累计贡献的付费总量