上一篇文章将产品评估的数据指标从“用户数量” + “用户粘性” + “用户价值”三个维度进行了拆分，视角完全从用户出发，数据项集中在商业影响力较大的关键指标，用来对产品进行全方位的评估。文章地址：产品运营的“商业型关键指标”。

产品运营为了有效把控这些“商业型关键指标”，还需要掌握那些间接影响的、工具型的、作为决策参考的数据指标。不仅要知其然，还要分析其所以然。才可以精准的定位问题，才可以有针对性的采取针措施。

本文将从“用户属性” + “产品表现” + “运营效果”这三个维度来列举那些为产品运营所关心、所需要的“工具型参考指标”。

一、用户属性相关数据/指标

我们可以从“用户画像”和“用户结构”两个不同的角度来拆解与用户属性相关的数据指标。

“用户画像”

用户画像：是目标用户群主要特征的提炼，是目标用户的一个综合原型。

用户画像包括多类用户属性，主要分为：基本属性+用户行为属性+偏好属性。

每个属性再向下解析，就得到了我们所关心的那些数据指标。

1）用户基本属性——包括性别、地域、年龄、职业、学历、收入等人口统计学特征，以及设备品牌、型号、操作系统、运营商、联网方式等设备属性。

2）用户行为属性——包括使用时长、启动次数、活跃天数、消费频次、页面浏览次数等属性。

3）偏好属性——①在内容产品中主要指用户对内容的偏好，可以通过用户对不同类型内容的点击数、收藏数、点赞数、评论数、搜索等数据来反映用户的偏好；②在电商产品主要指用户对商品的偏好，可以通过用户对这些商品的浏览数、购买量、评论数、添加购物车等数据来反映用户的偏好。

“用户结构”

我们会用AARRR模型、金字塔模型、RFM模型等对用户进行分层分级分群，形成一套对当前业务适用的用户体系。用户结构主要是指所区分的不同类型的用户数量分别是多少，用于衡量产品健康度。

譬如我们可以严格的按照AARRR模型（拉新、促活、留存、转化、传播），将用户分为新手用户、普通用户、真实用户、付费用户、忠诚用户，然后统计某日/某周期/全部用户在各个层次的分部数量。

譬如我们也可以统计日常较为关心的那些指标：新用户数、老用户数、连续活跃用户数、忠诚用户数、流失用户数、回流用户数···只要以一定标准进行区分并且对业务具有指导意义即可。

二、产品表现相关数据/指标

1）流失率

如果说留存率更关注时间点的话，流失率则更关注时间段，以一定的标准判定用户在一个时间段中是否流失。

参考指标：每个月的用户流失率降低到5%以下。如果流失率高于这个值，可能产品的用户黏性还不够强。如果能达到2%，你就做的非常棒了。

2）网络性能

首屏载入时间要在2秒以内，全部载入时间要在10秒以内，互联网时代的用户普遍缺乏耐心，除非他不得不用。

3）产品功能指标

针对产品某功能的活跃用户数、新增用户数、用户留存率、用户结构等一系列指标；只不过针对的不是整个产品，而是具体到某一功能。用于分析该功能的使用情况，以及不同功能之间的热度对比、用户偏向等等。

4）页面与页面之间的转化率

是指下一个页面的访问量与当前页面的访问量的比值，它通常用来衡量产品路径的用户体验，进而指导产品页面流程的优化和功能迭代。譬如在购物流程，每一环节都会有大量的用户流失，每日监测哪一环节的转化率偏离正常值，分析数据异常原因并进行优化。

5）页面访问分析

①页面访问次数 + 停留时长 + 跳出率

跳出率→指只访问一个页面就离开产生的访问量与总访问量的比值

这些指标都可以反映具体到某一页面对用户的吸引力，分析这些指标有利于发现可能存在的产品流程和用户体验方面的问题。

②用户访问页面数

用户访问页面数→指用户一次启动后访问的页面数

我们通常会分析访问页面数的用户数分布，可以通过对比不同周期的页面访问分布来发现用户体验问题。

③用户页面访问路径

用户页面访问路径→指用户从打开APP到关闭APP过程中每一步页面访问和跳转情况

不同类型的用户会有不同的页面访问路径，我们需要对用户进行区分之后再去分析他们的页面访问路径，针对性地作出优化。

三、运营效果相关数据/指标 

“拉新活动”

1）下载量

2）用户激活率、用户激活花费时长

3）病毒K因子

传播数量：平均每个用户向他的朋友们发出的邀请数量

转化率：接收到邀请的人转化为新用户的转化率

从整体上看，K值的高低，直接体现自传播结果水平，当K值大于1时，将激发自传播巨大的力量，K值越大，力量越强。而若K值小于1，那么传播水平会逐步减弱，直至消失。

参考示例：病毒K因子为0.4，获取100个新用户需要花费1000美元，那么获客成本是10美元，但是这些用户又会邀请另外40个用户，如此往复，获取的100个用户会变成165个用户，所以你的实际获客成本变成了6.06美元。

参考指标：病毒式传播系数超过0.75就是一个好现象。

“大促活动”

1）渠道指标

以渠道为前提将用户区分开，再来看来自不同渠道的活跃用户数、新增用户数、留存率等指标，它可以用来评估不同渠道的质量，优化渠道投放策略。

2）GMV（Gross Merchandise Volume）

是指产品的成交金额，而成交金额包括付款金额和未付款金额；属于电商产品的常用指标，可以反映电商平台的体量。

3）收入增长率

可针对某次大促活动进行效果评估，进行环比与同比。

也可用于对日常增长的监察。

参考数据：每周5%为底线。好的增长率是每周增长5%~7%。如果每周增长10%是非常优秀的表现。

4）PV（Page View）、UV（Unique Visitor）

即“页面浏览量”和“独立访客数”，用来反映某次运营活动页的用户的浏览情况。

5） 市场资源流量漏斗

①

②

③

④

这些转化率反映了运营活动整个购物流程的用户行为，可以分析每个环节的转化数据是否有异常、是否有待提高，从而指导产品页面流程的优化和功能迭代。

四、总结

通过以上两篇文章，基于现阶段自己对于产品运营这个角色粗浅的理解，汇总了这些数据。还记得最初设立的目标是“逻辑清晰、囊括全面”的整理一下自己四零八落接触到的繁多数据，不论如何，就自身而言，我想我的目的达到了~