1. 什么是数据指标
在互联网行业中，对指标的一般定义为：
指标，是反映某种事物或现象，描述在一定时间和条件下的规模、程度、比例、结构等概念，通常由指标名称和指标数值组成。
2. 为什么要搭建数据指标体系
2.1 搭建数据运营分析框架
一个APP的构建与运营工作通常由多个角色分工实现，由于大家的工作重点不同，仅关注一个方面的数据就如同管中窥豹，无法全面了解产品运营情况，不能提出行之有效的分析建议。因此，只有搭建完善的数据运营分析框架，才能全面的衡量移动应用产品运营情况。除此之外，完整的数据运营分析框架还可以让产品经理和开发者不仅知道产品运营的基本状况和使用状况，更了解用户到底是谁，深入发现用户的需求。
2.2 用数据推动产品迭代和市场推广
基础的数据运营分析框架对公司产品的整体发展状况会有一个很好的展现，但是创业者会关注更加细节的部分。
比如，谁在用这个产品?用户是否喜欢?是如何使用的?都有什么特征?哪些渠道带来的用户质量更高….我们可以用数据来回答这些问题。
产品设计人员可以有针对性的对产品使用情况进行数据分析，了解用户对不同功能的使用，行为特征和使用反馈，这样可以为产品的改进提供很好的方向。
市场推广人员也不应该仅仅关注“什么渠道带来了多少用户”，更应该关注的是哪一个渠道带来的用户质量更高一些。
2.3 产品盈利推手
盈利是公司的最终目的，无论一款产品是否已经探索出一个成熟的商业模式，创业者都应该借助数据让产品的盈利有一个更好进程。在产品商业的路上，数据可以帮助企业完成两件事：①发现产品盈利的关键路径;②优化现有的盈利模式。
3. 搭建指标体系应该关注哪些指标
一个APP在构建指标体系时所关注的数据指标可以从六个维度来看：用户规模与质量、参与度分析、渠道分析、功能分析、用户属性分析和收入分析。接下来我们将一一道来。
3.1 用户规模和质量
这是最重要的维度，相对应的指标也比较多。
(1) 活跃用户指标
如果要通过一个指标衡量一款APP是否成功，那一定是活跃用户数，通常一般是DAU。可以称之为北极星指标。
活跃用户指在统计周期内启动过APP的用户。根据不同的统计周期可以分为：日活(DAU)、周活(WAU)、月活(MAU)。
(2)新增用户指标
新增用户是指安装应用后，首次启动应用的用户。按照统计时间跨度不同分为日、周、月新增用户。
新增用户量指标主要是衡量营销推广渠道效果的最基础指标;新增用户占活跃用户的比例也可以用来用于衡量产品健康度。如果某产品新用户占比过高，那说明该产品的活跃是靠推广得来。这种情应重点关注关注用户的留存率情况。
(3)用户构成指标
用户构成是对周活跃用户或者月活跃用户的构成进行分析，有助于通过新老用户结构了解活跃用户健康度。以周活跃用户为例，包括以下几类用户：
- 本周回流用户：上周未启动过应用，本周启动应用的用户;
- 连续活跃n周用户：连续n周，每周至少启动过一次应用的活跃用户;
- 忠诚用户：连续活跃5周及以上的用户;
- 连续活跃用户：连续活跃2周及以上的用户;
- 近期流失用户：连续n周(大等于1周，但小于等于4周)没有启动过应用的用户。
(4)用户留存率指标
用户留存率是指在某一统计时段内的活跃用户中再经过一段时间后仍启动该应用的用户比例。
用户留存率可重点关注次日、7日、14日以及30日留存率。次日留存率即某一统计时段活跃用户在第二天再次启动应用的比例;7日留存率即某一统计时段活跃用户在第7天再次启动该应用的比例;其他以此类推。
(5)用户活跃天数指标
每个用户的总活跃天数指标(TAD，Total Active Days per User)是在统计周期内，平均每个用户在应用的活跃天数。如果统计周期比较长，如统计周期一年以上，那么每个用户的总活跃天数基本可以反映用户在流失之前在APP上耗费的天数。
这是反映用户质量或黏性，尤其是用户活跃度很重要的指标。
3.2 参与度分析
参与度分析主要是分析用户的活跃度，包括启动次数分析、使用时长分析、访问页面分析和使用时间间隔分析。
(1)启动次数指标
启动次数是指在某一统计周期内用户启动应用的次数。在进行数据分析时，一方面要关注启动次数的总量走势，另一方面，则需要关注人均启动次数，即同一统计周期的启动次数与活跃用户数的比值。通常人均启动次数和人均使用时长可以一起分析。
(2)使用时长
使用总时长是指在某一统计统计周期内所有从APP启动到结束使用的总计时长。使用时长还可以从人均使用时长、单次使用时长等角度进行分析。
使用时长相关指标也是衡量用户活跃度、产品质量的重要指标。
(3)访问页面
访问页面数指用户一次启动访问的页面数。我们通常要分析访问页面数分布，即统计一定周期内(如1天、7天或30天)应用的访问页面数的活跃用户数分布，如访问1-2页的活跃用户数、3-5页的活跃用户数、6-9页的活跃用户数…同时，我们可以通过不同统计周期(但统计跨度相同，如多为7天)的访问页面分布的差异，以便于发现用户体验的问题。
(4)使用时间间隔
使用时间间隔是指同一用户相邻两次启动的时间间隔。一般统计一个月内应用的用户使用时间间隔的活跃用户数分布，如使用时间间隔在1天内、1天、2天……同时，我们可以通过不同统计周期(但统计跨度相同，如都为30天)的使用时间间隔分布的差异，以便于发现用户体验的问题。
3.3 渠道分析
渠道分析主要是分析各渠道在相同的投入情况下，用户数量的变化和趋势，以科学评估渠道质量，优化渠道推广策略。渠道分析包括新增用户、活跃用户、启动次数、单次使用时长和留存率等指标。APP的推广渠道主要为安卓和iOS。
安卓的渠道：①第三方应用市场，如华为、oppon、小米、91助手等;②广告联盟，如网盟、友盟等;③厂商预装，像华为、小米、vivo等;④水货刷机，如刷机精灵等;⑤社会化推广，如在社群做分享，在社区形成二次甚至多次传播，也可以做推广，但是这种的数据的分析就不太好获取。
对于安卓来说，用户来源就分以上几种，每一种可以分别去定义。不同类型的推广方式，可从不同的维度做数据的分析。比如说像第三方应用市场，很多用户都是通过这个渠道来下载APP，所以这方面的数据更多的是看活跃和留存;像广告联盟这种，是通过积分墙来分析，更多的是用户完成任务通过量级来做分析。
iOS的渠道主要是AppStore，原则上我们所有的数据和激活都是通过这个渠道来获取，但是在实际推广的过程中，我们更多的是想分析用户是通过什么渠道跳转到AppStore上进行下载，激活产品。这就需要我们直接和技术做最底层的对接——API接口对接。具体的分析方法与安卓是类似的，主要是分析活跃和留存数据。
以上提到的只是渠道质量评估的初步维度，如果还需要进一步研究渠道，尤其是研究到渠道防作弊层面，指标还需要更多，包括：判断用户使用行为是否正常的指标，如关键操作活跃量占总活跃的占比，用户激活APP的时间是否正常;判断用户设备是否真实，如机型、操作系统等集中度的分析。
3.4 功能分析
功能分析主要分析功能活跃情况、页面访问路径以及转化率。
(1)功能活跃指标
主要关注某功能的活跃人数、新增用户数、用户构成、用户留存。这些指标的定义与前文提到的“用户规模与质量”的指标类似。只是，本部分只关注某一功能模块，而不是APP整体。比如网易新闻APP某个频道的功能活跃指标。
(2)页面访问路径分析
主要是统计用户从打开应用到离开应用整个过程中每一步的页面访问和跳转情况。目的是达成App的商业目标，即引导用户更高效的完成App的不同模块的任务，最终促进用户付费。
APP页面访问路径分析需要考虑APP用户以下三方面问题：
- 身份：用户可能是你的会员或者潜在会员，也有可能是你的同行或者竞争对手等;
- 目标：不同用户使用APP的目的有所不同;
- 访问路径：即使身份类似、使用目的类似，但访问路径也很可能不同。因此，我们在做APP页面访问路径分析的时候，需要对APP用户做细分，然后再进行APP页面访问路径分析。
最常用的细分方法是按照APP的使用目的来进行用户分类。如汽车APP的用户便可以细分为关注型、意向型、购买型用户，并对每类用户进行不同访问任务的路径分析，比如意向型的用户，他进行不同车型的比较都有哪些路径，存在什么问题;还有一种方法是利用算法，基于用户所有访问路径进行聚类分析，依据访问路径的相似性对用户进行分类，再对每类用户进行分析。
(3)转化率
转化率是指进入下一页面的人数(或页面浏览量)与当前页面的人数(或页面浏览量)的比值。通常使用漏斗模型来，它可以分析产品中关键路径的转化率，以确定产品流程的设计、用户体验问题。
比如用户从进入某电商网站—浏览商品—把商品放入购物车—支付完成，每一个环节都有很多的用户流失。
通过分析转化率，我们可以比较快定位用户使用产品的不同路径中，分析是否存在问题，并提出如何进行优化的改进意见，通常我们只需要对每天的转化率进行连续性的监控即可。
3.5 用户属性和画像分析
用户属性分析主要从用户使用的设备终端、网络及运营商、地域和用户画像角度进行分析。设备终端分析的维度有机型分析、分辨率分析和操作系统分析;网络及运营商分析的唯独有有用户联网方式和电信运营商，地域主要从不同省市和国家来分析。
用户画像分析包括人口统计学特征分析、用户个人兴趣分析、用户商业兴趣分析。人口统计学特征包括性别、年龄、学历、收入、支出、职业、行为等;用户个人兴趣指个人生活兴趣爱好的分析，如听音乐、看电影、健身、养宠物等;用户商业兴趣指房产、汽车、金融等消费领域的兴趣分析。用户画像这部分的数据需要进行相关的画像数据采集，才可以支撑比较详细的画像分析。
3.6 收入分析
盈利是产品的最终目的，所以总收入、付费用户数、付费率、ARPU这四个指标经常用到。总收入、付费用户数反映的是收入和付费用户的规模;付费率、ARPU代表的是用户付费质量，反映的是用户付费的广度与深度。主要关注转化漏斗最后环节的订单数量和金额。
