数据分析中的基本指标

用户行为指数是互联网行业和传统行业最大的区别。传统行业中，用户行为发生在门店，数字化记录极其困难，所以只能在交易发生时记录数据。

传统企业的数据大多是交易数据。互联网行业，依托于小程序/H5/APP，可以记录用户每一页的点击，相当于记录了网店的每一步，所以可以分析很多东西。

针对具体的指标，AARRR模型可以在模块中应用和扩展:

拉辛:主要用于分析拉辛的转化效率和质量。创新是很多互联网公司最重要的任务，创新的成本是很多互联网公司最大的成本，所以对创新的关注度极高。

用户活跃度指标:用户活跃度指标是日常关注的重点。活跃用户是一切业务的基础，活跃行为可以每日记录，所以运营/产品部门每天都盯着他们。

用户保持力指标:保持力指标通常与上拉/活动指标结合起来看。因为留存统计相对滞后(要XX天才能统计出来)，所以通常在每月复盘/事后分析时看到的比较多。

用户转化指标:用户转化一般指付费行为，是互联网商业模式变现的重要渠道。指标主要是看买了多少人，买了多少，有没有持续买。这和传统企业的会员消费分析很像，可以推导出很多分项指标。

用户推荐指标:用户推荐行为有多种类型，如转发内容/商品/介绍新用户加入等。因此，转诊行为的定义往往会随着具体的转诊形式而变化。很少有统一的指标。如果一定要总结的话，可以总结如下:

推荐数:转发内容/商品/介绍新用户的用户数。

推荐行为的效果:新注册用户/商品购买/内容阅读等。

除了AARRR，还有一种特殊的行为:风险行为，用于识别用户的危险动作。在不同的业务场景中，风险的定义是不同的。比如电商场景下的刷单，薅羊毛，游戏场景下的外挂使用，金融场景下的欺诈交易等等。

产品类别索引

产品类别指标是互联网行业的特点。用户将在互联网APP/H5/小程序中使用不同的功能。如果效果好，他们会一直用，如果效果不好，他们会半途而废。这些都可以记录数据，从而通过产品分析，不断淘汰不用的功能，优化人们正在使用的功能，提高效率。

产品分析的常用指标如下:

请点击输入图片说明。

请点击输入图片说明。

注意:产品分析是有层次的，最高层是对整个APP/H5/小程序的页面/功能进行盘点。其次，它分析一个特定的页面(比如首页、商品详情页、购物车页)或者一个特定的路径(比如从首页的banner站点打广告进入商品详情，然后选择商品进行交易)。

最详细的是对一个修改、一个按钮/页面布局调整等等的分析。上面引用的指标更多的是页面/路径分析的指标，其他信息有时间会详细分享。

内容类别索引

内容指标也是互联网行业的特点。网上发布的视频/图片可以记录阅读情况。一般内容运营/营销推广/新媒体运营等与内容密切相关的部门，会密切关注此类指标。

常见的内容指标如下:

请点击输入图片说明。

请点击输入图片说明。

内容运营/新媒体运营等创作内容的部门通过对这些指标的分析，可以发现哪些内容阅读量高，哪些被转发，从而总结出写文章的套路，提升内容传播的范围。使用内容的部门，比如营销推广，可以关注哪些内容带来好的转化，从而提高推广效率。

活性指数

活动指标常见于互联网和传统行业。与传统行业相比，互联网行业的营销活动更加密集和激烈，往往是烧钱求增长。因此，活动相关指标受到高度关注。

常见的活动指标如下:

请点击输入图片说明。

请点击输入图片说明。

通过对这些指标的分析，负责活动的同事可以直观地看到活动的效果，比较不同类型/强度的活动，找到更高效的开展活动的方式。

有些活动会包含多个角色，比如小组活动，同时会有团长/成员两个角色；裂变活动有两个角色:发起者/参与者。

不同的角色有不同的参与条件，合规动作，合规奖励，所以我们可以分两组，看目标人数/参与人数/合规人数等指标。

商品指数

商品指标常见于互联网和传统行业。不同的是，传统企业多是实物商品，而互联网有一堆虚拟商品，比如虚拟货币、会员特权、游戏装备、直播奖励等等。

所以互联网行业的商品管理可能会比传统行业简单一点，没必要那么焦虑地盯着库存周转指标，生怕在仓库呆久了，商品就过期了。

常见的商品指标如下:

请点击输入图片说明。

请点击输入图片说明。

通过对这些指标的分析，负责商品运营的同事可以直观地看到商品的畅销/滞销情况，从而调整商品的库存计划，避免商品的积压/短缺。

注意，原则上，虚拟商品是没有库存的(或者你想要多少就有多少)。但是，滥发虚拟商品会导致互联网的通货膨胀和商品贬值。比如游戏里的稀有皮肤，因为稀有所以贵，为了短期收益而贵。一旦烂大街，大家都不稀罕了。

因此，控制虚拟商品的库存不是取决于商品的销售速度或在仓库的时间，而是取决于GMV的总体目标。在实现GMV总体目标的情况下，高、中、低端商品将保持稳定的库存结构，避免烂大街。