数据指标一直是未来互联网工作的利器，想要get这个技能，先从基础概念讲起。

很多设计师在刚入门的时候，对于设计的好坏只能从视觉方面去理解，而对现如今互联网环境下的 “数据驱动设计”的概念一无所知。

在真正的工作环境中，我们不仅仅只是把设计总监下放的任务完成即可。更多的时候，我们都需要与产品团队和运营扯需求、与开发谈指标、谈实现成本回报比等等，在这种场景下数据指标就更为常见。

如果我们对于数据指标没有概念，带来的影响不仅是大家想象的在工作中沟通困难、被团队隔离这么简单，而是在面试时被面试官一眼识破工作经验匮乏，从而被拒之门外。

关注数据指标，不仅仅是产品经理或运营的“专利”，作为交互和UI设计师也需要掌握这方面的技能，来帮助我们产出更贴近用户行为的设计。

同时，学会监测并分析数据，可以非常大的帮助设计师推动设计改版向正确的方向前进，也可以发现新的商业机会和产品爆发点，真正做到很多设计师期望的“由设计推动改版、设计助力产品拿结果”。

一、基本概念

想要了解数据指标有哪些，先要了解一些基本概念。

1. 数据指标

1）定义

数据指标是与产品相关的，对产品有参考价值的统计数据。

2）举例

比如对于一个酒店来说，今天酒店总计入住100人，那么100人就是酒店的一个维度的数据指标。统计方法如下：7月23日酒店入住人数：100人。

3）如何获得数据指标

对于互联网产品来说，想要获取一系列的数据指标不可能通过人工计算的方式，需要开发人员针对不同的数据在产品中进行数据埋点拦截数据，并由数据分析人员筛选加工，可视化呈现后才可以获得由参考价值的指标。

2. 数据埋点

1）定义

数据埋点是产品分析的一种常用的数据采集方法，它是一种良好的私有化部署数据采集方式。

2）如何进行数据埋点

数据埋点是互联网领域非常重要的数据获取手段。埋点采集信息的过程一般也称作日志采集。

通俗点讲，就是在APP或者WEB产品中植入一段代码，监控用户行为事件。

3）举例

在电商行业中，我们可以在一个商品的购买流程关键点（比如购买按钮的点击率）植入统计代码，从而采集得到一个商品的购买率。这就是通过数据埋点获取数据指标的过程。

4）数据埋点的应用场景

数据埋点的最后结果往往是驱动我们做出产品改版决策的重点。

比如，微信上线了“摇一摇”的新功能，此时就需要通过用户行为来验证该功能的效果如何：

• “摇一摇”是否得到了用户的使用与认可？它的用户点击率和活跃度如何？
• 用户在使用“摇一摇”功能时，操作路径是否流畅？是否存在无效点击或者无法顺利完成操作流程？原因又是什么？
• 在“摇一摇”功能的推广期间，各个落地推广的渠道效果如何？（如：线下零售店的摇一摇赚红包）新用户的增长情况是怎样的？

这些数据，只有通过数据埋点，我们才可以获得。

5）注意事项

① 埋点前：埋点一定要在产品改版前就要布局好，比如需要采集的数据指标有哪些，维度有哪些，采集的开始截止时间，采集期间是否存在对采集结果有干扰的活动等等。

② 埋点时：由于埋点是产品经理和设计师布局，开发人员执行的过程。所以我们需要在与开发人员沟通埋点内容时，输出一份可视化文档给到开发人员（否则干凭嘴说，恐怕会被开发小哥哥打死）。

③ 埋点后：埋点后的主要工作就是进行数据可视化了，这部分后续我也会专门开专栏讲解，因为和我们今天讲解的内容无关，所以不再赘述。

总之，作为设计师的我们需要有“数据可视化”（即美化数据）的能力，否则怎么能称之为设计师呢？

二、常用的数据指标

对于英语不好的同学来说，学习指标最大的难点在于：一看到英文缩写就头疼。其实大家只需要记住相关的概念即可，英文缩写并不是为了难为人，而是在日常沟通和沟通文档中，英文缩写具有更快速的信息传递效率（当你一天要写100遍每日活跃用户时，你就知道为什么大家都愿意写DAU了）。

常用的数据指标汇总

1. 活跃用户

1）定义

在特定的周期内，成功启动过产品的用户，也可以是使用某个核心功能的用户数。具体如何统计可以根据产品需求自行定义。

2）重要性

活跃用户和新增用户并称为衡量产品用户规模的两个重要指标。活跃用户指标可以用来衡量产品使用的活跃度，方便产品设计人员了解产品的每日用户情况，了解产品的用户增长或者减少趋势。

如果只从一个指标来判断产品是否优秀的话，那就是活跃用户数。现今的流量大神微信日活可以达到10亿，当之无愧的流量之王。

当然这也不是绝对的，活跃用户数只代表产品的用户规模。像我们经常看到的页游，他们能够在市场里生存，靠的并不是大规模的用户基数，而是小规模高质量的付费用户。

换句话说，如果用户的*ARPU*（用户平均收入）非常高的话，那么日活将不再是该产品最核心的指标了。

3）二级维度

根据不同的分类方式，日活用户可以分为多种二级维度。

根据统计周期分类，可以分为：DAU / WAU/ MAU（日/周/月活跃用户数）；

根据方式分类，可以分为：主动活跃用户/ 被动活跃用户。

2. 三座大山：DAU / WAU/ MAU

1）定义

1. DAU：Daily Active User（日活跃用户数），即某个自然日内成功启动过应用的用户，该日内同一个设备多次启动只记一个活跃用户；
2. WAU：Weekly Active User（周活跃用户数），某个自然周内成功启动过应用的用户，该周内同一个设备多次启动只记一个活跃用户；
3. MAU：Monthly Active User（月活跃用户数），某个自然月内成功启动过应用的用户，该月内同一个设备多次启动只记一个活跃用户。

2）注意事项

① 去重统计

一个用户（一个IP）一天多次进入微信，则DAU只记录一次。

② 活跃的定义

不同产品对于活跃的定义不同，通用的准则是“启动产品”算作一次活跃用户。

有些产品会拓宽“活跃”的外延，即被动接收到产品信息的用户（例如朋友圈推广/APP的推送等），都算作活跃用户。

有些产品会缩紧“活跃”的定义，即只有完整体验了产品核心功能的用户才计作一次活跃用户（例如用户打开了美图秀秀并完成了一次修图）。

具体的统计方式并不是随心而定，也不要墨守成规，而是要具体产品具体分析，才是对于数据指标的最大化利用。

③ 统计的权重

一般来说，互联网产品都要统计上述三种指标，但是往往根据产品的不同，数据指标的权重会有所不同。

社交类/新闻类APP/音乐类APP等往往会希望用户每天都打开并使用产品，其产品的KPI考核指标均为日活跃用户数。而对于某些低频需求的APP，例如旅游类APP/餐饮类APP等等，往往会关注月活跃用户数，甚至更长周期的活跃用户数。

3. 主动活跃用户/被动活跃用户

1）定义

主动活跃用户是指无需任何渠道推广指引，主动使用产品的活跃用户。

被动活跃用户是指通过渠道推广（例如朋友圈推广/APP弹窗等等）方式被动进入产品页面的活跃用户。

2）举例

第一天假设100人安装并打开了淘宝，第一天结束之后，有50人卸载了淘宝。第二天在剩余的50个用户中，有10人未打开淘宝使用任何功能；30人收到了淘宝的推送通知，其中20人打开了淘宝；剩余10人未通过任何指引，直接打开淘宝进行商品购买。

则第一天淘宝的主活为100，第二天主活为10（这部分用户也是价值最大的），被活为20。

4. 新增用户

1）定义

即安装应用后，首次成功启动产品的用户。

2）分类

同样类似“活跃用户”，按照统计周期不同可分为：

• *DNU*：Daily New User（日新增用户数）；
• *WNU*：Weekly New User（周新增用户数）；
• *MNU*：Monthly New User（月新增用户数）。

3）重要性

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程度（产品没有新增和活跃，就进入“绝症状态”）。

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，这种情况非常有必要关注，尤其是新增用户的留存率情况。

4）注意事项

那么针对新增用户的定义，我们会有很多疑问出现，比如：

• 用户有两个手机，并且都安装了淘宝，那么对于淘宝究竟算作一个用户还是算作两个用户呢？
• 如果用户第一天安装了淘宝，第二天将其卸载，第三天又重新安装了，那么在第三天这个用户算不算一个新增用户呢？

其实回答这些问题很简单，只需要通过两点即可判断，“事实判断”与“技术判断”。

虽然事实判断是一个用户，但是由于技术上我们无法辨别是否两个手机是一个主人，所以可以当作两个用户来统计。

事实判断是一个用户，并且技术上可以实现统计，所以在第三天时，该用户不能被称之为新用户了。

今后我们遇到问题，只需要遵循这两个原则对统计结果优化即可。

5. 留存率

1）定义

互联网发展到今天，对于留存率都没有一个准确的概念。目前主流有两种说法：

1. 某一统计周期内的新增用户数，经过一段时间后仍然使用产品的用户的比例【留存率=留存用户/ 新增用户 * 100% 】。
2. 某一统计周期内的新增用户数，经过一段时间后仍然没有卸载的用户的比例。【留存率=（新增用户-卸载用户）/ 新增用户 *100%】。

两者之间的区别在于：有没有将“没有卸载但是也没有使用产品的用户”算作留存用户的一部分。