编辑导语：在工作中，我们经常遇到让人傻傻分不清的指标，甚至有时候还会给我们的沟通造成障碍。本文作者整理了一些容易混淆的指标名，一起来看一下吧。

我们经常会遇到这种情况，两个人明明说的都是同一个指标，但是不同的人对数据的口径理解却是不同。今天就整理一下日常工作中特别容易搞混淆的指标名。

一、点击率

点击率，到底是uv/uv 还是pv/pv？

点击率有两种算法：

• UV点击率：点击UV/曝光UV。
• PV点击率：点击PV/曝光PV。

如果算的是一个广告点击率，那么UV点击率是指查看过这个广告的用户中有多少用户点击了广告，PV点击率是指所有查看过这个广告的操作会有多少次点击的操作。

PV点击率和UV点击率可以看做是同一类型的指标，用来反映页面内容对用户的吸引程度（黏性），也就是说访问这个页面的用户有多少人点击了页面中的链接。

两者的区别是，UV点击率侧重反映页面对整个用户群的黏性，比如100个用户访问，有30个人点击了页面上的链接，则UV点击率为30%。如果100个人都点击了，说明这个页面的内容对所有用户都比较适合。

PV点击率，则是按次数来。100次的访问，其中只有30次点击了页面上的链接，PV点击率为30%。可能存在一种极端情况，比如这100次访问一共有50个用户，这30次点击可能只来自1个用户。这种情况下的UV点击率只有2%。

在过去，广告大都是通过展现次数计费，所以PV点击率用的比较多。但是这种点击率的提升可能只是满足了小部分用户的需求，这小部分部分用户点的特别勤快，而另一部分用户完全无感，这就会造成流量浪费。

现在的互联网环境流量太珍贵了，每一个用户都希望能够转化，所以越来越多的公司开始用UV转化率作为转化率的标准了。

二、N日留存率

我们这里用7日留存率来说明。

平时说的7日留存率存在好几种版本，先说前两种：

第一个版本：用户登录的当天算作第1天，这部分用户在第7天还有登录的用户比例。

第二种版本：用户登录的当天算作第0天，这部分用户在第7天还有登录的用户比例。

这两种方式都可以，要看具体业务类型。

如果用户每天使用产品没有明显的规律性，那么就用第一种。

如果每周的使用情况是有规律性的，那么建议用第二种。

比如买车票的软件，因为假日的购票需求会更强，而且这个周六的7天后，正好是下一个周六。如果采用第一种，那么留存就可能会大起大落，不利于观察分析。

还有一种版本不太常见，计算方式是：用户登录当天算作第0天，这部分用户在之后7天内有过访问的比例，这种被称为7日内留存更加合适。

这个指标实际上不建议使用，因为如果使用频率不高。

一般一些使用频率比较低的产品会考虑用这个指标。比如keep这类健身APP。虽然有很多健身达人非常规律，但大部分用户还是每周抽点时间做做锻炼。所以用7日内留存可以更好的反映出持续锻炼的用户比例，这个指标可以让我们更好的了解用户的使用情况。

但是了解用户这类需求不像监控业务状况一样那么高频。这个7日内留存和其他的次日3日等留存率口径不同，理解成本较大，也没办法用来预估日活。基本只存在于数据分析师在对用户进行深入分析的时候出现。

三、人均价值

人均价值也是一个非常容易混淆的概念，国内一般都叫做arpu，但是不同的人理解的arpu值不同。

第一种算法是用总收入/总用户数，称为每用户平均收入。这是标准的arpu值计算方法。

比如当日总充值金额是2000元，总活跃人数是1000人，ARPU值是2000÷1000=2元，即ARPU值是2元，一个活跃用户可以贡献2元收益。

这种算法的指标一般用来衡量渠道质量，A渠道的用户质量可以用下面的公式计算出来：A渠道带来的总收入/A渠道的总用户数。

这个数据可以让我们对比各个渠道，找出高质量的渠道。还能确定用户价值，确定投放成本的边界。

arpu还可以衡量运营的转化能力。运营转化能力强的公司可以让更多人的人付费更多的金额，或者让更多的人付费，可以成为衡量运营团队效率的绩效指标。

第二种算法叫做每付费用户平均收入，国外称为arppu。

比如当日充值金额是2000元，充值人数是10人，ARPPU值是2000÷10=200元，即ARPPU值是200元，平均一个付费用户付费200元。

arppu一般用于评估用户的付费能力。

付费用户基本遵循二八定律，20%的用户贡献80%的收入甚至更高。在那些付费用户二八效应明显的业务，提升这个指标是很有效的。比如游戏，一个服务器绝大部分收入来自头部的几个玩家是很正常的情况，这种业务可以采用arppu。

在那些二八效应没那么严重的业务，这个指标的意义就不大了。

比如百度网盘，主要提供会员服务，这种产品付费意愿最强的用户，也很难和普通用户拉开太大的差距，这类业务就比较适合采用arpu。

#专栏作家#

三元方差，公众号：三元方差（sanyuanfangcha），人人都是产品经理专栏作家。专注用数据驱动业务增长，擅长数据分析、用户增长。喜欢阅读、思考和创作。

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议