原文链接：

数据一般是如何给到设计师的

1.设计师直接找运营人员，或者开发人员，或设计负责人询问
2.项目结束后，会发产品复盘邮件，数据考核邮件指标等，用于各个部门人员奖励晋升等。
3.项目复盘大会，第二次产品迭代之前的动员会等。作为上一次产品设计资料发布。
image.png

数据都有哪些分类

一共分三类数据
用户数据（描述用户人群的）
行为数据（描述用户使用方式的）
业务数据（描述产品营收的）

互联网行业的分析师，做指标体系搭建的时候，最常遇到两个问题，一是不知道关注哪些指标，毫无头绪；二是找到了一些指标，但不知道哪些重要，迷失方向。那么我们今天就聊聊互联网分析常用的数据指标，给大家详细讲解最常用的12个。
互联网的本质之一，就是把线下的活动搬到了线上，然后通过技术和运营手段，让用户有更好的体验。比如原来商场卖货，现在变成了淘宝；原来现金支付，现在变成了支付宝；原来路上招手打车，现在变成了滴滴。
既然线下业务搬到了线上，我们应该分析哪些指标呢？
线下的业务更好理解，我们就拿线下的场景，举个例子，假如张三开了一家服装店，他怎么才能知道，这个店经营的好不好呢？
要想做这个分析，我们首先要了解业务分析的三段论
所有有用户参加的活动，一定离不开下面三个步骤，也就是业务分析的三段论
image.png
用户数据：谁？
行为数据：干了什么？
业务数据：结果怎样？
张三需要搞明白的是：谁来到了他的店？在里面干了什么？结果怎么样？
只有弄明白这三点之后，才能分析判断，经营状况怎么样？未来还有哪些改善空间

用户数据

那么我们先看第一部分-用户数据（指标1~指标4）
image.png
用户数据有4个重要指标：
1 存量：DAU/MAU(日活/月活)；每天有多少用户来用产品，每个月大概有多少用户来用产品。这些是判断用户的最基本的指标。我们要了解的产品的基础数字量级为：最高微信 MAU 10亿
image.png
2018年的基础dau数据

2 新增用户：特别是在业务的起步阶段，这个指标尤为重要；这个代表公司的潜力。比如拼多多，一年比一年亏损多，但股价却越来越高，主要原因就是资本市场看好拼多多用户的增速。
如果做的是启动页设计、Banner设计、活动页设计、H5设计。那么去考核你的指标主要就是来自这个，或者DAU增长了也可以代表你这次活动做的很好
新增用户=新用户—老用户—用户流失

3 用户留存：怎么反应用户的状况是不是健康呢？最好的指标就是留存率。留存率又分次日留存率，次周留存率，次月留存率等等。客户能留下来，才能说明他们对你的服务满意，满意才能养成惯性，持续消费。

4 渠道来源：指的是这些人变成用户之前，来自哪里；这样才能知道在哪个渠道做推广会更有效果；

行为数据

接着我们再看第二部分-行为数据（指标5~指标8）
image.png
行为数据也有4个重要指标：
5、次数/频率：PV、UV、访问深度等。PV，页面浏览量；UV，用户浏览量；访问深度（总产品流程的体验完成度），也就是指用户的访问深度。

设计的重点工作内容，需要了解PV、UV
image.png

6、转化率（点击率：CTR）：怎么理解转化率呢？可以把用户分为“只逛不买”的用户，还有“逛了就买”的用户，还有“逛了买买买”的用户。

7、用户停留时长：这个指用户停留的时长；举个例子，为什么现在抖音这么牛，就在于用户的黏性太大。你想想，是不是每次刷抖音，很快一个小时就过去了。这里的商业逻辑是，用户停留的时间越长，购买的可能性就越大。

8、跳出率：互联网行业经常用“弹出率”来衡量质量。这个指标稍微有些抽象，指的就是有多少用户，刚逛没多久，扭头就走。这就说明了你的小店不符合这些用户的期望。

业务数据

接着我们再看第三部分-业务数据（指标9~指标12）
image.png
和业务数据相关的指标，基本都和财务相关，或者说和钱相关：
9、总量：GMV：Gross Merchandise Volume，这个词太常见了；大公司在发布财报的时候，这个数每次必提。特别是大的互联网公司，重点就是强调GMV，让资本市场看清楚自己的体量是不可撼动的

10、人均：ARPU(Average Revenue Per User，每用户平均收入），光总数高还不行，我们还要关心平均每个用户的贡献是否够多，是否在增长，所以就要关心人均的指标。

11、付费率：整个业务也要有一个健康度的指标来衡量。付费率是一个不错的选择。到底有多少比例用户是付费用户，这是一个关键点。比如爱奇艺的财报，每次必提会员用户数量，用来彰显有多少用户愿意付费购买他们的服务。反之，一些工具类的APP就比较尴尬，苦于找不到收费模式，或者现有的收费模式用户不买账，自然付费率就很低。比如墨迹天气和万能钥匙，虽然用户量巨大，但付费用户却要少的多

12、被消费对象：这是另一个角度看业务，从SKU的角度看健康度。通过分析，发现某些商品，就特别的受欢迎。那么我们就应该大力的引进这种产品来满足需求，刺激消费

模拟数据驱动设计的案例：
一般数据驱动作为综合手段使用，并不单独解决问题。

1.通过数据发现问题（数据警示作用）
我们的产品的DAU下降：我们的跳出率增加；访问深度降低；
2.通过数据去推导结果（数据的知道作用）（A/B测试）
image.png
image.png
3.通过数据总结问题（数据用于复盘）
用于庆功，用于作为最后数据的总结分享
用到的数据一般为 付费率提高，跳出率降低，转化率提高，新增用户增加