学习数据分析，从了解数据模型开始

数据分析的好处：

可视化：用户行为可视化，可清晰的了解用户的行为。

可追踪：通过一个时间段的数据对比，可一路追踪产品数据的情况，了解产品变化，通过异常数据追踪产品设计问题。

可验证：提供数据支持和后期方案的验证。

可预测：通过数据变化，可预测产品的走向和趋势。

本篇文章目的：

通过这篇文章让设计师能入门数据分析。并为以后学习数据分析，摸索前进方向。并将数据思维引入到我们的项目中。数据分析不再是设计师的弱项，我们也可以站在数据的角度和产品经理一起做决策。

设计团队引入数据分析，那么就需要一套成熟的适合自己的团队的模型做基础，所以数据模型是我们数据分析的理论基础。

本文讲的是设计团队中可能会用到的一些数据模型。在数据模型中，我们可以学到数据模型的分类思路，以及如何创造出适用自己团队的数据模型。

基于这个目的，我们可以将市面上常见的数据模型找出来并进行整理并分析。通过熟悉主流的数据模型的产出逻辑，并从中找到规律，创造出适用于自己团队的数据模型。

数据模型：

本文要讲的数据模型包含：Google’s HEART、AARRR、RARRA和Customer Experience Index (CX Index)。

Google’s HEART

Google’s HEART是一个用来评估以及提升用户体验的模型，它由五个维度组成：Engagement（参与度）、Adoption（接受度）、Retention（留存度）、Task Success（任务完成度）和Happiness（愉悦度）。

Engagement（参与度）：通常指的是用户访问产品的行为，相关的指标是和用户访问相关。包含用户的活跃度（DAU/WAU/MAU）、UV、PV、人均访问次数等，通过这些数据可以很好的反应整个产品的用户访问情况。

Adoption（接受度）：用户在规定的时间内对产品的操作情况。接受度相关的指标主要和用户的操作行为有关。包含点击行为、点击率、人均点击次数、下单金额、支付情况和人均订单数等等。

Retention（留存度）：留存度体现用户人群对产品或者某个功能的粘性。留存度的相关指标主要和用户再次访问/操作的行为有关。包含留存用户数、留存率、复购用户数和复购率等。

Task Success（任务完成度）：任务完成度体现用户各个流程的转化率情况。任务完成度的相关指标主要和用户各个流程节点的转化率有关。包含各节点转化率、平均停留时长、返回率、跳出率和退款率等。

Happiness（愉悦度）：愉悦度体现用户使用完产品后的整体感受情况，是否有推荐给其他用户的意愿。愉悦度的相关指标是NPS净推荐值。

AARRR

AARRR增长模型出自于增长黑客，即获客、激活、留存、变现、传播推荐。

获取用户（Acquisition）、提高活跃度（Activation）、提高留存率（Retention）、获取收入（Revenue）、用户推荐（Refer），这个五个单词的缩写，分别对应用户生命周期中的5个重要环节。

获取用户（Acquisition）：通过一定的方式让产品在一些渠道上面得到展现，并使看到展现的用户转化成产品用户。

提高活跃度（Activation）：提高产品的使用粘性，提升用户使用产品的深度。

提高留存率（Retention）：如何让用户不断的使用我们的产品，减少用户的流失，提升用户粘性。让用户无法离开产品。

获取收入（Revenue）：通过一些手段和渠道从用户那里获取收益。

用户推荐（Refer）：通过提升产品的竞争力，使用户给他的朋友推荐我们的产品。

获取用户（Acquisition）的数据指标：流量来源、流量路径、CAC(用户获取成本)、CPC(每次点击付费)  、CPT(按时长付费)、  CPM(千人成本) 、 CPS(按提成收费) 、CPA(按点击计费) 、Campaign(塑造品牌)。

提高活跃度（Activation）的数据指标：DNU(日新增用户)  、DAU/WAU/MAU 、 ACU(平均同时在线人数)、 PCU(最高同时在线人数)、 PV、 UV 、意向UV(进入意向页面的用户数)、 PV/UV、 CTR(点击率)、 意向UV-CTR （点击UV/意向UV）、VV(视频播放次数)、访问时长、停留时长、滚动屏数、人均停留时长、人均操作次数、 N次操作占比、行为路径、访问频次、跳出率、用户来源、用户去向。

提高留存率（Retention）的数据指标：留存率、次日留存率、7日留存率、30日留存率、回流率、召回CTR（提取出的正确信息条数 /  样本中的信息条数)、用户生命周期 (周期/(1-周期内新增留存率))。

获取收入（Revenue）的数据指标：GMV 、ARPU(每用户平均收入）、ARPPU(平均每付费用户收入）、LTV(生命周期价值)、 PBP(回收期)、 ROI(投资回报率 )、收入地图 、客单价、 消费次数 、消费频率、 订单量、 利润、 购买偏好、 直接引导成交、 间接引导成交、 购买间隔。

用户推荐（Refer）的数据指标：分享率、分享次数、K-Factor (病毒传播指标)、 NPS。

RARRA

AARRR最开始关注的是如何获取用户，所以AARRR关注的首要指标是获客用户数，而RARRA通过最重要的指标来关注增长：用户留存。

RARRA的数据模型，本质上是在AARRR的基础上进行顺序调整得到，以满足日益获客成本所带来的压力成本。RARRA模型相比与AARRR可以使得获客成本更低。

用户留存Retention：如何让用户不断的使用我们的产品，减少用户的流失，提升用户粘性。让用户无法离开产品。

用户激活Activation：提高产品的使用粘性，提升用户使用产品的深度。

用户推荐Referral：通过提升产品的竞争力，使用户给他的朋友推荐我们的产品。

商业变现Revenue：通过一些手段和渠道从用户那里获取收益。

用户拉新Acquisition：通过一定的方式让产品在一些渠道上面得到展现，并使看到展现的用户转化成产品用户。

RARRAR首先关注的是产品的留存情况。当产品的留存情况不好，要优化产品的使用体验、功能和运营方式。当这三方面都得到优化提升，接下来就进提供用户的活跃度，以及商业化方面的尝试，等到这些都做好了， 就大规模的推广产品。

用户留存数据指标：留存率、次日留存率、7日留存率、30日留存率、回流率、召回CTR（提取出的正确信息条数 /  样本中的信息条数)、用户生命周期 (周期/(1-周期内新增留存率))

用户激活数据指标：DNU(日新增用户)  、DAU/WAU/MAU 、 ACU(平均同时在线人数)、 PCU(最高同时在线人数)、 PV、 UV 、意向UV(进入意向页面的用户数)、 PV/UV、 CTR(点击率)、 意向UV-CTR （点击UV/意向UV）、VV(视频播放次数)、访问时长、停留时长、滚动屏数、人均停留时长、人均操作次数、 N次操作占比、行为路径、访问频次、跳出率、用户来源、用户去向。

用户推荐数据指标：分享率、分享次数、K-Factor (病毒传播指标)、 NPS

商业变现数据指标：GMV 、ARPU(每用户平均收入）、ARPPU(平均每付费用户收入）、LTV(生命周期价值)、 PBP(回收期)、 ROI(投资回报率 )、收入地图 、客单价、 消费次数 、消费频率、 订单量、 利润、 购买偏好、 直接引导成交、 间接引导成交、 购买间隔

用户拉新数据指标：流量来源、流量路径、CAC(用户获取成本)、CPC(每次点击付费)  、CPT(按时长付费)、  CPM(千人成本) 、 CPS(按提成收费) 、CPA(按点击计费) 、Campaign(塑造品牌)

Customer Experience Index (CX Index)

用户体验指数的维度有三个，分别为：满足需求、简单地和愉快地。

满足需求（meets needs）：满足用户基本功能需求。

简单地（Easy）：用户在使用产品的时候感觉到很简单，没有理解和操作认知负担，有控制感。

愉快地（Enjoyable）：用户在使用产品过程中，轻松而越快。

满足需求数据指标：DAU、UV/PV、留存率、次日留存率、7日留存率、30日留存率。

简单地数据指标：各节点转化率、平均停留时长、完成率。

愉快地指标：NPS净推荐值。