面对一个产品的一堆数据，如何分析，每个数据都有什么用；“活跃率”、“日新增用户”、“转化率”等等一连串的名词是什么，该怎么得到这些，其实以上这些名词就是产品数据的指标，所谓指标就是“用于衡量业务的统一标准“，通过这些指标可以让我们清晰地了解数据背后的秘密。那么面对一堆产品数据我们应该获取哪些指标，如何获取，怎样通过指标来分析数据。
一、产品数据分类
与产品相关的数据有千千万万，并且每天都有大量的数据产生，这些数据可分为用户数据（是谁）、行为数据（做了什么）、产品数据（卖什么）。
1、用户数据：是指用户的基本情况，包括姓名、性别、邮箱、年龄、职业、教育水平等用户所公开填写的信息；
2、行为数据：是用于记录做过什么的数据，主要包括用户ID、用户做了哪些行为、发生行为的时间等，比如在淘宝APP上，用户行为数据可以是用户浏览过哪些商品，在某个商品页面停留的时间，购买了哪些商品等；
3、商品数据：一个店铺里面的产品都可以看做商品，比如淘宝上买的东西、微信公众号的文章，每个商品都有对应的名称、类别、用户评论、库存等等。
二、产品数据指标
根据上述数据分类可针对性的找出某些关键的、常见的指标，通过这些指标对数据进行分析，进而分析产品的运营状况，常见指标如下：
1、用户数据指标
1）日新增用户，即产品每天新增用户是多少，比如一款APP的日新增用户即每天下载该APP的用户数，通过日新增用户数可以看出用户增长或者下跌的趋势，并且可拆解分析不同的推广渠道的用户引流情况；
2）活跃率，是指活跃用户（不同的产品有不同的活跃定义）在总用户中的占比，可分为日活跃率、周活跃率、月活跃率；
3）留存率：某个产品的新增用户，经过一段时间后会有一部分的用户流失，留下来的用户成为留存，留存率即第1天新增用户中在第N天试用产品的用户数 / 第一天新增用户数，可分为次日留存率、第7日留存率、第30日留存率，通过留存率可以评估产品功能对用户的黏性。
2、行为数据指标
1）PV和UV：PV-访问次数Page View,页面浏览的次数；UV-访问人数Unique Visitor,一定时间里访问的人数；通过PV和UV可以看到用户喜欢产品的哪个功能，不喜欢哪个功能，进而根据用户行为来优化产品；
2）转发率：转发某一功能的用户数 / 看到该该功能的用户数，可反映用户对该产品功能的满意度；
3）转化率：目标产品功能的用户数 / 基础产品功能的用户数；
4）k因子（k-factor）：衡量推荐的效果,即一个发起推荐的用户可以带来多少新用户，=平均每个用户向多少人发出邀请 * 收到邀请的人转化为新用户的转化率
3、商品数据指标
1）总量
成交总额（GMV），零售业务称为流水，包括销售额、取消订单金额、拒收订单金额和退货订单金额；
成交数量：如电商行业的下单数量
访问时长：用户使用app或者访问网站的总时长
2）人均
人均付费 = 总收入 / 总人数，游戏行业称为ARPU，电商行业称为客单价
付费用户人均付费 = 总收入 / 付费人数，用于统计付费用户的平均收入，ARPPU
人均访问时长 = 总时长 / 总用户数，统计每个人使用产品的平均时长
3)付费
付费率 = 付费用户 / 活跃用户
复购率 = 一定时间内消费两次以上的用户数 / 付费人数，反映用户的付费频率
4）商品：热销商品、好评商品、差评商品，可以通过商品的角度去衡量哪些商品好、哪些商品不好，进而分析不好的原因，对好的重点推销。
数据指标思维导图三、示例数据集数据分列、业务指标分析
