無論是對于什么樣的產品，我認為下面的這幾種指標都會在產品工作頻繁用到，接下來簡單講一下我對這幾種指標的理解：（1）新增數據：新增設備數、新增注冊數、注冊轉化率通過觀察這幾個數據，主要用于兩個用途：
其一，初步評判各渠道流量質量，匹配度，成本。目前市面上App流量的主要來源無外乎以下幾種渠道：
手機廠商自家應用商店（華米ov等應用商店）
第三方應用商店（應用寶，360應用商店）
信息流廣告投放（抖音，快手，頭條等）
品牌，裂變，自然流量，口碑傳播等
通過對比各類渠道的新增設備數，新增注冊數。可以了解到目前流量來源分布占比，并依此去計算渠道投放成本。即單用戶成本=總投入成本/有效新增用戶數（不同產品對有效定義有差異）。
舉個例子，如果華為商店新增設備數和小米商店新增設備數是2:1，但是他倆的新增注冊數比例是1:2，那他們兩個渠道對比，很明顯小米渠道的用戶更愿意注冊，更愿意使用產品，那在兩家投放價格一樣的情況下，市場應該加大對小米渠道的投放力度。這樣才能將整體用戶成本降低。
因此，通過對不同渠道的新增數據橫向比較，可以指導市場部門去對比成本，優化渠道投放計劃。
其二，初步評判新用戶流程是否合理，順暢，產品價值是否被用戶感知。一個新用戶剛使用產品時，初來乍到，對產品功能是第一次體驗。是否愿意注冊，在產品上，留下自己的手機號碼信息，取決于在使用過程中，流程是否自然，引導是否明顯。
對產品部門來說，如果新用戶的注冊轉化率過低，說明在新用戶的使用流程上存在優化空間，應該盡量去將登錄前的流程優化，提升注冊轉化率。除此之外，還可以根據此數據去拆分成更多數據。比如：通過已有的信息，對比不同畫像間用戶的注冊轉化率差異。比如男生和女生的注冊轉化率是否存在差異，一線用戶和三四五線用戶注冊轉化率是否有差異。單對此項數據做交叉分析，能得到很多有趣的結論（2）行為漏斗數據：首頁→詳情頁轉化率，ctr，cvr，詳情頁到成交轉化率用戶在使用產品核心功能時，往往會分為多步完成。每一步都會有一些用戶在當前頁面流失或跳到非核心頁面，造成分流。如果將所有的用戶行為數據整合在一起，就會形成以數據呈現的用戶關鍵行為的漏斗。
這里以電商類產品的核心漏斗為例：
用戶想隨便看看商品：用戶瀏覽首頁信息流
↓
突然有了明確的目標：去搜索目標關鍵詞
↓
瀏覽商品：在搜索結果頁滑動瀏覽商品
↓
相中某一款商品，想具體了解該商品參數：點擊進入該商品詳情頁
↓
產生購買意愿：點擊加入購物車
↓
確認結賬：下訂單并付款
在整個用戶的行為漏斗中，會涉及到首頁到搜索頁轉化率，搜索頁到搜索結果轉換，搜索結果到詳情頁轉化率，詳情頁到訂單轉化率，訂單到付款轉化率等等。
環環相扣，頁面流量越來越少，用戶使用越來越深入。形成一個完整的行為漏斗。每一步都有轉化，有流失。通過分析各個頁面的流失，就能去做相應的優化。
比如搜索結果到詳情頁轉化率很低，可能說明搜索結果不準確，并未滿足用戶真實需求。因此導致用戶只看搜索結果，但沒有想點進去的意愿。
產品的行為漏斗數據，一定程度上說明了用戶對產品的使用深度，漏斗轉化率越高，說明用戶使用越深入，使用過程越流暢。（3）留存數據：活躍留存與關鍵行為留存留存率，往往用來衡量產品的核心價值。并且總會和新增關聯在一起去衡量整體流量池的存量。如果留存率很高，即使新增率很低，依然能維持很大的存量用戶群。反之，留存率低，新增率高。那長期看，很難保持持續的存量用戶群。
活躍留存分次日，三日，七日，月的單位。具體以哪個為主，取決于絕大部分用戶的生命周期，如果本身產品是個高頻剛需行為，那么短周期留存會很高，因此適宜觀測長期留存，去衡量產品質量，及用戶體驗。
如紅極一時的臉萌，在短時間內匯集了大量的用戶，如果只看次日留存，那在那段時間的次日留存，應該會處于很高水平。如果將時間拉長，觀察次周留存，也許就能看出一些問題。產品提供的價值可持續性越強，往往用戶粘性越高，長期留存就會越高。因為培養了用戶習慣，用戶也會樂于去長期保持習慣。
另外一種是關鍵行為留存。如果拿活躍留存率、注冊留存率、或有更深入行為用戶的留存率做比較，我們會發現，往往用戶行為越深入，越接近核心功能，留存會越高。從用戶角度敘述即，用戶越深入使用產品，就越能感受到產品價值，就越大概率第二天甚至第二周回來繼續用它。
因此，如果我們想確定哪種行為，哪種用戶是我們想持續拓展的用戶群，不妨將他們的畫像和留存率做個交叉，即能發現什么樣的用戶他們的留存率更高，我們將其他用戶盡可能轉化成這樣的用戶，就能明顯提高留存率了。
作為產品經理，需要每天持續觀察數據指標，以此做出正確決策或思考優化方向。如果某一天數據突然發生異常波動，那就需要立刻確定波動原因，從而去解決問題，使數據回歸正常。經過這么長時間和數據打交道，總結了以下幾點：（1）渠道調整各渠道的投放分配，流量占比一旦發生調整，便有可能影響整體的數據指標。高質量渠道縮量，低質量渠道擴量，都會拉低整體數據指標。因此在關注整體數據變化時，要同步關注渠道數據變化，也要及時跟進市場的計劃同步。便于第一時間確認指標變化原因。
另一方面，如果有品牌投放或廣告投放，要注意投放的素材發生變化，會帶來新增用戶群的畫像變化。也會影響到用戶質量與匹配度，從而影響到整體數據指標（2）用戶畫像變化不同用戶畫像在產品上表現的行為特性不同，因此要善于拆分用戶畫像或交叉用戶畫像去對比數據。比如寒暑假，往往會帶來學生流量的增加。學生流量的特點和上班族的特點一定存在某些差異，那么從數據指標上看，每當寒暑假的時候，數據指標都會發生一些趨勢變化。因此需要提前了解不同畫像的行為特性，并且在關鍵時間點，監控不同用戶群的占比變化。（3）功能變化每一次迭代發版，很容易造成數據指標的波動。因為存在新老版交替，用戶行為數據的遷移和重疊。另一方面。功能改動越大，影響面就越大，有可能產生連帶效應。即更改的雖然是這個頁面，但實際會影響到多個頁面。
比如：我雖然更改了列表的排序策略，但通過數據，會發現，除了列表CTR發生了變化，列表的下一級頁面轉化率也會變化。這是因為，當列表的結果因排序變得不精準，那進入下一級頁面依然會受此影響，變得不精準，從而造成持續的流失。從用戶角度解釋，即用戶的決策會受到持續影響。
今天先聊到這兒，有時雖然會被數據波動虐的不行，但當經過各種原因排查，最終確定問題根源時，那種串聯邏輯后形成的完整分析思路，是我最大的收獲。希望你也有此收獲~
