經常會聽到互聯網人形容一個產品的體量和知名度用活躍用戶來衡量，比如：“微信的日活接近10億了，真社交巨獸。”

這里面有個幾個關鍵的詞：衡量、日、活躍、用戶。這些綜合起來是什么，DAU。對于分析師來說，這是一個可反應業務產品活躍用戶現狀的一個指標。

這樣思考下去你可能會想知道以下內容：

指標是什么？

按照比較官方的定義是在一定條件和時間下反應某種現象的規模和比例，由指標名稱和數值構成。

實際上是不是所有的這種反應某種現象和規模的數據都可以叫做指標呢？我覺得不是，因為不是所有這樣的數據都是對業務有參考價值的。

張濤老師的說法個人較為認可：對當前業務有參考價值的可統計的數據可以是指標，它是可以反應哪個用戶做了哪些行為，給業務帶來了什么樣的結果指標。

所以常用的數據指標可以分成：用戶數據（新增、日活、留存等）；行為數據（訪問深度、轉化率等）；業務數據（一般會和用戶數據指標和行為數據指標有些交叉，反應的是業務大盤的情況，比如GMV、ARPU值等）。

使用這些指標的注意和坑

假如你是一名分析師嗎，可能你會遇到這樣的場景，”同一個指標“不同的人可能也得到不一樣的結果：

比如產品經理A說的本月的留存率是20%，產品經理B說本月的留存是24%，那到底誰是對的，為什么他們計算的結果會不一樣？

其實沒有絕對的對錯，只是A和B對這些數據指標背后的定義和口徑是不一致的。但后續分析過程中一定要注意形成統一明確的數據指標定義，這樣才能去做后續的分析，不然后續的對比結果可能也是錯的。

留存率的案例

某高質量用戶產品在2020年國慶節那一天（10月1日）開始試運營，那天通過拉新來了5位用戶，國慶節過完來，老板想知道10月1日這波拉新用戶的7日留存率。

Fake數據表

CREATE?TABLE?ods_study_1.ods_study_retain_1(userid?int,min_date?DATE,active_date?DATE);INSERT?INTO?ods_study_1.ods_study_retain_2(userid,min_date,active_date)?VALUES(1,'2020-10-01','2020-10-02'),(2,'2020-10-01','2020-10-02'),(3,'2020-10-01','2020-10-02'),(4,'2020-10-01','2020-10-03'),(5,'2020-10-01','2020-10-03')

查看下數據

SELECT?userid,min_date,active_date,active_date-min_date?FROM?ods_study_1.ods_study_retain_2

國慶后，產品經理A匯報說，“老板，我們這次7日留存下來的用戶是0，7日留存率0，效果非常不好，不可以繼續投放拉新了。

SELECT???min_date,??COUNT(CASE?WHEN?(active_date-min_date)?=?6?THEN?userid?ELSE?NULL?END?)?restay_num,??COUNT(DISTINCT?userid)?all_num?FROM??ods_study_1.ods_study_retain_2?GROUP?BY???min_date;

國慶后，產品經理B匯報說，“老板，我們這次7日留存下來的用戶是5，7日留存率是100%，效果非常好，可以繼續投放拉新”。

SELECT???min_date,??COUNT(CASE?WHEN?(active_date-min_date)?<=?6?THEN?userid?ELSE?NULL?END?)?restay_num,??COUNT(DISTINCT?userid)?all_num?FROM??ods_study_1.ods_study_retain_2?GROUP?BY???min_date;

老板非常疑惑，你們怎么回事，怎么得出的結論正好相反？

產品經理B看了看A的計算邏輯，給A說，兄弟，我們這款產品具有周期性，當時調研的時候就反饋了用戶一般只會在每個月的2號和3號有時間去使用這款產品。

所以你不能計算10月1日之后的第7日還剩下多少人活躍，要計算10月2日-10月7日之間一共有多少用戶在活躍。

這個小案例其實反饋的就是業務線對指標定義不一致計算得到不同的結果，一個是7日日留存，一個是7日內留存。

數據指標體系的構建

所以指標準確的定義是產品、運營、數據等團隊做分析必要的前提，且在每個分析師心中都有一套完整的數據指標體系。指標是單一的，指標體系是完整的，是可以表示業務之間的相關性和結構性。

一個優質的數據指標體系可以反應出：發生了什么？為什么這件事會發生？這樣持續下去未來可能會發生什么？我們應該根據這些做些什么？

這一塊涉及的內容較多，一篇文章應該講不完整，這次簡單分享下。分析師構建一套完整的指標體系搭建步驟和所需合作同事：

明確產品各業務線目的（相關業務線產品經理出）

明確指標體系的建設規劃模型方案（分析師和相關業務線的產品經理拉通統一）

明確指標對應的埋點和存儲邏輯（各業務線產品經理和埋點研發人員）

梳理指標的準確性，取數校驗（分析師）

指標跌倒更新和刪減（分析師和產品經理）

數據指標體系平臺建設和迭代（分析師、產品、研發）

步驟2的規劃模型方案思路這一塊建議閱讀GrowingIO發布的那本小冊子《指標體系與數據采集》，寫的比較清晰。