二跳率：首页页面停留访客有300人，有150人觉得这个网站很喜欢，于是点击浏览下一个页面，那么二跳率就是50%(=150/300)。以此类推还有三跳率，四跳率等等。

　　转化率：转化到最终产品目的页面的比率。如果是电商的话，最终目的就是下单，那么就是新增用户和转化到下单页面的用户 的比率。以此类推，还有付费转率，注册转化率等等。

　　(3)活跃方面需要关注：

　　DAU(daily active user)即 日活跃用户量。

　　MAU(monthly active user)即 月活跃用户量。

　　相关的，还可以有周活跃用户量、年活跃用户量等等。

　　(4)转化方面需要关注：(这里的转化，单指电商运营方面。与上文转化率做区分)

　　成单量：用户共成了多少单

　　付费金额：用户共付费多少元

　　客单价：付费金额/成单量=客单价。这里需要的是，每单平均多少钱的数据

　　付费率：走到付费这一步的转化率

　　APP运营：

　　新增：新增的设备数(按手机型号分);新注册的设备数(注册新用户。)

　　活跃：活跃的设备数;活跃的用户数

　　留存：

　　次日留存率：例如，第一天新增300人，第二天还登录的有150.那么次日的留存率就是50%(=150/300)。以此类推，还有三日留存率(第三日登录数/第一天新增数)……n日留存率等等。

　　TAD：比如，7日TAD=第一天留存量+第二天仍在留存的数量……+第七天仍在留存的数量

　　用于计算七天内，一台设备活跃过几天。

　　(4)转化：这里也特指电商，同上文网站运营里的转化。

　　根据运营的行业来划分：

　　内容型行业：关注PV,UV,V V，帖子数，页面停留时间，分享数等等

　　社交类行业：关注发帖量，发言数，PV,UV，活跃占比等等

　　电商类行业：关注销售收入，成单量，客单价等等

　　游戏类行业：关注活跃用户量，付费率，收入，ARPU(每用户平均收入)等等

　　除了运营平台和运营行业两个划分角度外，还有很多划分角度，其中用户运营所要关注的数据指标都是有不同侧重的。

　　三、如何进行数据分析

　　1、数据采集

　　好的数据源主要有两个基本的原则，一个是全，一个是细。

　　全：就是说我们要拿多种数据源，不能说只拿一个客户端的数据源，服务端的数据源没有拿，数据库的数据源没有拿，做分析的时候没有这些数据你可能是搞不了的。另外，大数据里面讲的是全量，而不是抽样。不能说只抽了某些省的数据，然后就开始说全国是怎么样。可能有些省非常特殊，比如新疆、西藏这些地方它客户端跟内地可能有很大差异的。

　　细：其实就是强调多维度，在采集数据的时候尽量把每一个的维度、属性、字段都给它采集过来。比如：像where、who、how这些东西给它采集下来，后面分析的时候就跳不出这些能够所选的这个维度，而不是说开始的时候也围着需求。根据这个需求确定了产生某些数据，到了后面真正有一个新的需求来的时候，又要采集新的数据，这个时候整个迭代周期就会慢很多，效率就会差很多，尽量从源头抓的数据去做好采集。

　　2、数据建模

　　有了数据之后，就要对数据进行加工，不能把原始的数据直接暴露给上面的业务分析人员，它可能本身是杂乱的，没有经过很好的逻辑抽象的。这里就牵扯到数据建模。首先，提一个概念就是数据模型。许多人可能对数据模型这个词产生一种畏惧感，觉得模型这个东西是什么高深的东西，很复杂，但其实这个事情非常简单。

　　在数据分析领域领域领域，特别是针对用户行为分析方面，目前比较有效的一个模型就是多维数据模型，“在线分析处理”这个模型。它里面有这个关键的概念，一个是维度，一个是指标。

　　维度比如城市，然后北京、上海这些一个维度，维度西面一些属性，然后操作系统，还有iOS、安卓这些就是一些维度，然后维度里面的属性。通过维度交叉，就可以看一些指标问题，比如用户量、销售额，这些就是指标。比如，通过这个模型就可以看来自北京，使用iOS的，他们的整体销售额是怎么样的。

　　3、数据分析方法

　　数据分析方法是有多种的，比如多维度事件分析、漏斗分析(文章前面已经做了简单分析)、回访分析、交叉分析等，在这里我们就挑一个交叉分析来做个案例分析。

　　交叉分析法：通常是把纵向对比和横向对比综合起来，对数据进行多角度的结合分析。
举个例子：

　　a. 交叉分析角度：客户端+时间

　　从这个数据中，可以看出iOS端每个月的用户数在增加，而Android端在降低，总体数据没有增长的主要原因在于Android端数据下降所导致的。

　　那接下来要分析下为什么Android端二季度新增用户数据在下降呢?一般这个时候，会加入渠道维度。

　　b. 交叉分析角度：客户端+时间+渠道

　　从这个数据中可以看出，Android端A预装渠道占比比较高，而且呈现下降趋势，其他渠道的变化并不明显。

　　因此可以得出结论：Android端在二季度新增用户降低主要是由于A预装渠道降低所导致的。

　　所以说，交叉分析的主要作用，是从多个角度细分数据，从中发现数据变化的具体原因。

　　5. 如何验证产品新功能的效果

　　验证产品新功能的效果需要同时从这几方面入手：

　　a. 新功能是否受欢迎?

　　衡量指标：活跃比例。即：使用新功能的活跃用户数/同期活跃用户数。

　　使用人数的多少还会受该功能外的很多因素影响，千万不可只凭这一指标判断功能好坏，一定要结合下面的其他方面综合评估。

　　b. 用户是否会重复使用?

　　衡量指标：重复使用比例。即：第N天回访的继续使用新功能的用户数/第一天使用新功能的用户数。

　　c. 对流程转化率的优化效果如何?

　　衡量指标：转化率和完成率。转化率即：走到下一步的用户数/上一步的用户数。完成率即：完成该功能的用户数/走第一步的用户数。

　　这个过程中，转化率和完成率可以使用(上)篇中提到的漏斗分析法进行分析。

　　d. 对留存的影响?

　　衡量指标：留存率。用户在初始时间后第N天的回访比例，即：N日留存率。常用指标有：次日留存率、7日留存率、21日留存率、30日留存率等。

　　e. 用户怎样使用新功能?