设计师要懂的数据指标全都在这儿了

　　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
　　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。
　　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）。
　　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：DAUWAUMAU（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：DAUWAUMAU
　　1）定义
　　DAU：DailyActiveUser（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；
　　WAU：WeeklyActiveUser（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；
　　MAU：MonthlyActiveUser（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
　　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。
　　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。
　　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：DailyNewUser（日新增用户数）；
　　WNU：WeeklyNewUser（周新增用户数）；
　　MNU：MonthlyNewUser（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：
　　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】。
　　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。