转化率|利用好数据，0基础也能做好产品运营

编辑导语：清晰的产品数据可以更有效地显示用户偏好与用户行为，进而帮助团队人员更好地进行定位、发现问题，进而推动运营策略的搭建和产品的迭代升级。本篇文章里，作者对一些数据指标概念、以及数据指标如何应用于业务迭代等方面做了总结，一起来看一下。

文章插图
【 转化率|利用好数据，0基础也能做好产品运营】产品数据通常用于衡量产品健康度、帮助定位和解决问题、对用户进行分层运营、衡量产品收益以及挖掘产品指标提升关键点等。
本文是对产品数据体系的初步介绍，希望帮助新手产品、交互、体验设计师们掌握产品数据规划，用数据驱动产品迭代，形成体系化认知。
一、数据指标基础概念1. 数据指标是什么定义：对于一个数据的量化，一般通过对字段进行某种计算得到（比如求和、均）在原始数据的基础上，通过统计汇总，加工处理形成的用于表征业务活动好坏优劣的数据。
数据指标通常由三部分组成：

维度，指评估产品的视角，从不同的维度评估产品的方式是不同的。
计算方式，指统计的方法，举一些生活的例子，我们常听到或调侃朋友的话语，例如有人问你有没有对象，有些人是直接没有，有些同学可能是生态园没有，又或者是今天没有的，这些都是统计方式的不同。
数据，即数据+加上计算单位，顺着刚才的例子就是，我们一般在新同学介绍会问过有没有对象之后，会跟着问有几个的，说明数值也是很重要的维度。

文章插图
好的数据指标特点：

可比较性：能比较不同的时间段，用户群体、竞争产品之间的表现。
简单易懂：容易被记住和讨论。
比率优先：产品看的数据最好是比率，而不是绝对值。
改变策略：最重要的评判标准，随着指标的变化采取相应的举措。

稍微解释一下可比较性、比率优先两个特点。
比率是天然有可比较性的，而跟一般数值对比的区别在于，比率比率会更加注重过程、质量等。然后这些特点里面最重要的是，好的指标发生变化时，产品是可以采取相应措施去改善的。
2. 指标体系是什么定义：一系列指标的有序结合，数据指标通常较为零散，指标体系可以全面、简洁明了地反应业务状况。
比较常见指标体系会把指标分为三个层级，一级指标是产品目标层面指标，二级指标主要是产品策略相关指标，可理解为一级指标的实现路径，三级指标是业务执行层面指标，跟二级指标的区别在于三级指标对二级指标进行了拆解，并且会可执行落地动作。

文章插图
常见的指标类型
指标类型的划分，有一定的主观成分，这里介绍三种常见的指标划分方式。
第一种，是按照用途划分，可以划分为运营效果类、用户体验类、产品特性类、推广渠道类、性能指标类。

运营效果类，价值产出、产品规模、用户活跃层面的指标。例如：收入、活跃用户数、使用频率。
用户体验类，从产品各入口、各设置方式、各排列方式等体验、交互的角度来观察产品设计。例如，各种环节转化率。
产品特性类，统计和产品功能特性相关数据，促进产品改善。例如，腾讯问卷的创建量、答题量；QQ音乐的切歌率。
推广渠道类，主要是衡量渠道效果，渠道转化率、贡献占比等。
性能指标类，这个会比较偏向技术侧，常见到有并发数、接口耗时等。

第二种，是按环节划分，可以分为过程指标、结果指标。
如果要看产品、运营活动的好坏，一般会直接看结果指标，但需要改进它们就会用到过程指标。类似活跃用户数等，部分指标即可以是过程指标，也可以是结果指标，具体是看你以什么为目标进行体系建设的。
然后还有像总用户数、GMV这种累计指标，通常是公司用于对外宣传和公关使用的。

文章插图
第三种，按属性划分，可以氛围用户数据类、用户行为类、产品数据类。

用户数据是用户的基本情况，如不同颗粒度的新增用户、活跃用户、留存情况等。
用户行为是记录用户的行为，访问相关的PV、UV，传播相关的转发率。其中这里主要讲一下K因子这个指标，又称为病毒系数，用来衡量推荐效果，每个发起推荐的用户带来的新用户数。
- 上一页
- 1
- 2
- 3
- 下一页