数据分析离不开对关键指标的跟踪，指标是衡量事物好坏的一个指数。数据指标有很多，然而，并不是所有的指标都是好的，虚荣指标（Vanity Metrics）看上去很美，让你感觉良好，但这类指标说到底是肤浅的，甚至带有欺诈性，例如，你会关注网站的访问量，但却忽略了跳离率、用户的浏览时间等，这很容易让你掉进虚荣指标的陷阱。有效指标是指那些真正能够带来效益的指标，例如，转化率、留存率、日活跃人数占比等，通过这些指标，你可以更好地洞察产品和用户行为的实际走向。
什么是好的指标？
好的数据指标必定是比较性的，它通常是一个比率，而比率之所以是最佳的数据指标，是因为比率天生具有比较性。举个开车的例子，里程透露的是距离信息，而速度（距离/时间）才能告诉你是在加速，还是减速。
指标比较的对象，通常是不同时间的“自我”对比，同一时期的不同对象之间的对比，前者用于比较事物增长的趋势，后者用于比较不同事物的增长大小。
虽然比率是最佳的指标，但是，抛开基数，比率的意义就会大打折扣，引用《效益数据分析》中的例子，“你的产品刚上线时，从严格意义上讲，你爸爸注册一个账号，也可以使你的用户量翻倍”。因此，要洞察指标说明的故事，必须要结合相关指标一起分析。幸运的是，一个指标和其他指标，通常是有关联的，例如，转化率是一个好的指标，它通常是和时间、新注册人数相关。
通常情况下，用户行为分析会包含两类重要的比率（或之一）：跟时间相关的指标，叫“xxx速度”，例如，新用户增速（单位时间内新用户的数量），跟数量有关的比例，叫“xxx率/比”，比如，活跃用户比（活跃用户占总用户数的比例）。
还原场景
数据分析应考虑应用和场景的不同，在分析数据时，应结合实际业务，还原到具体的场景，设计关键指标。
在分析用户的行为时，用户对服务或产品的黏性（Stickiness）是一个有效指标，黏性是指客户购买产品或服务之后，愿意再次购买或者推荐给别人的程度。把黏性还原到具体的场景中，可以从留存率、跳离率、转化率等指标来衡量，这三个指标表达的含义相近，但使用的场景不同：
- 跳离率（Bounce Rate）：对于内容产品，当访客点击你的网页时，有多少人会马上关闭？百分比是多少？
- 留存率（Retention Rate）：对于新用户，用于测试新用户在某段时间内开始使用产品，经过一段时间后，继续使用产品的用户的比例。
- 转化率（Conversion Rate）：当产品推广时，转化率是注册人数和访客人数比例，表示有多少访客真正变成网站的注册用户。
活跃度也是一个有效的度量， 对于社交网站来说，日活跃用户人数占比是一个关键的指标。
注意：虽然比率是最佳的数据指标，但也需要辅助其他的定性和定量指标，指标从来不是单独存在的，而应该从多个指标来综合评估，这就需要了解指标之间的耦合性，设计指标系统，从各个角度来揭示数据中隐藏的事实。
案例描述
案例：在一次云产品宣讲会（活动）中，举办方对产品的重大更新做了全方位的演示和讲解，希望通过线下的互动和线上的直播，来吸引更多的用户使用产品。
如何评价活动的效益？
你作为一名数据分析人员，如何评价这次活动的效益？对于该案例，可以使用同期群分析，按照与会人员是否注册，把与会人员细分为未注册（潜在用户）人员和已注册（老用户）人员，在活动结束之后，有些人员注册成为新用户。
新用户的来源可能有多种，最常见的来源是免费试用，可以根据来源追踪用户使用产品的行为。
老用户是产品的粉丝，是付费用户，能够为公司带来收益，已付费的用户可能会流失，也有可能更依赖产品，以至于更加频繁地使用产品。
在分析用户行为时，应该意识到，有些用户虽然不能给你带来直接的收益，但是他可以带来很多用户，这些用户使用产品，从而间接为公司带来收益。
设计指标
思维：以人的行为为出发点设计指标，从定量数据和定性数据的角度来设计指标。
为了分析活动获得的效益，可以制定以下关键指标：
1，参与度（Engagement）
参与度衡量有多少人参加此次活动，用于评价活动的影响力：
- 总人数、老用户人数、潜在用户人数
- 参与活动之后，有多少用户注册了（免费版或试用版）
2，用于观察新用户行为的指标
与会的未注册人员，是产品的潜在用户，不管采用免费试用，还是购买+赠送等推广方法，只要用户注册，就可以认为完成一次转化，转化率可以作为评价活动效益的一个有效指标。
- 转化率（Conversion Rate）：参与活动之后注册为新用户的比例，转化率越高，说明产品对用户的吸引力越高，活动获得的效益越好。
对新用户的来源和转化路径进行分析，有助于确定哪些来源带来了更多有效的转化：
- 新用户的来源：免费试用，购买+赠送等
- 新用户的转化路径（或称转化漏斗）：通过免费试用（Free Trial）注册的新用户的转化路径（New Trial、Activated Trial、Activated Trial in 7 days）
新用户对产品的黏性，可以通过新用户的留存率来评估：
- 新用户的留存率：在连续的计费周期内，同期新用户中仍然活跃的用户所占的比例
3，用于观察老用户行为的指标
老用户是指在参加活动之前，已经注册的用户，这批用户是产品的忠实粉丝。通过分析老用户的行为，也能作为评估活动效益的一种方式。如何测量举办此次活动对老用户产生的效益？可以把忠诚度作为指标来衡量老用户，忠诚度是指用户频繁使用产品，对产品提供的服务产生依赖。
老用户已经是产品的付费用户，其产生的用量维持一个水平上，如果此次活动能够促使老用户更频繁的使用产品，那么老用户的用量会增加，用量增长可以作为评估老用户行为的指标：
- 老用户的用量增长：参与活动之后，老用户的用量跟前一个付费周期的用量相比，是增是减？
- 用量增长的用户占比：参与活动之后，用量增长的用户占比
考虑一些特殊情况，有多少老用户被召回，有多少老用户流失：
- 僵尸账户激活（New billed Customers）：有多少老用户离开之后，重新为产品或服务付费；
- 付费用户流失（Churned Customers）：用户在一个付费周期内，不再付费购买产品或服务。
4，用于观察用量的指标
产品的用量也是一个评价活动获得的效益的有效指标，为了评估用量的增长是否跟活动有关，可以通过比对总用量和跟活动相关的用量来实现，这就需要增加一个维度，该维度是服务类型，用户使用产品这一行为，实际上是消费产品提供的服务。
由于活动都有特定的主题演讲，当服务跟演讲主题有关时，可以认为该服务用量的增长跟活动相关。如果跟主题相关的用量增长较大，总的用量增长较平缓，那么说明此次活动促进了用量的增长；如果跟主题相关的用量增长平缓，总的用量增长也平缓，那么说明此次活动对用量的增长没有作用。
对比要有可比性，在比对数据的处理上，应剔除新用户对数据的影响，以活动的举办时间为分割点，只比对老用户在前N（1-3）个付费周期内和后N（1-3）个付费周期内的用量。为了更精确地计算用量，应该避免个别因素的影响，可以使用2-3个付费周期内用量的均值。
老用户的用量增长分析：
- 用量增长的老用户占比
- 在参加活动之后，老用户消费的用量增加多少，增长的比例是多少
- 每位用户的平均用量
跟活动主题相关的用量增长分析：
- 用量增长的老用户占比（跟活动相关）
- 在参加活动之后，老用户消费的用量增加多少，增长的比例是多少（跟活动相关）
- 每位用户的平均用量（跟活动相关）
随机应变，调整指标
要注意，数据分析应结合业务，根据面临的主要问题，设置关键的数据指标，以回答决策中遇到的难题，例如，当产品没有知名度时，网站的访问量可以作为一个关键指标；当有了大量的用户基数时，可以把注册人数（或试用人数）作为关键指标；当注册人数增加到一定程度时，可以把转化率（即，免费用户转化为付费用户）作为关键指标。
上述指标，是一次数据分析的复盘，仅供参考，附上网站分析中常用的数据指标，你能识别哪些是虚荣指标吗？
1，网站流量指标
- 页面浏览量(Page View，PV），访客每打开一个页面就被记录一次。
- 独立访客数量（Unique Visitors，UV）：一天之内网站的唯一访客数量。
- 重复访客数量（Repeat Visitors，RV）：一天之内，重复访问网站的访客
- 访客访问的页面浏览量（Page Views per User）：平均每个访客访问的页面数量，指标高的话，说明用户黏性高，也就是说，访客显示出对网站感兴趣、愿意长时间停留
2，用户行为指标
- 跳出率：表示用户只浏览一个页面便离开了网站，跳出率显示了访客对网站的兴趣程度：跳出率越低说明访客对网站越感兴趣
- 平均访问时长：是指每次访问的停留时长，该指标越大，则说明访客停留在网页上的时间越长，对网站越感兴趣；
- 平均访问页数：是指每次访问浏览的页面数量，该指标越大，则说明访客对网站越感兴趣；
3，转化指标
- 转化次数：是指访客到达转化目标页面的次数，转化表示访客做了网站管理者希望访客做的事，与网站运营者期望达到的推广目的有关；
- 转化率：是指访问转化的效率，转化率=转化次数/访问次数，转化率越高，说明网站的推广效果越好。
- 转化路径：路径是指访客在抵达您设置的目标页面前所经过的一系列中间页面，转化即指潜在客户完成一次您期望的行动，与您的推广目的和对推广效果的定义密切相关。通过对转化路径的跟踪，您可以了解访客对转化各个步骤的访问情况。
4，留存指标
- 留存人数：注册用户在第一次访问网站之后，在下一个周期内继续使用网站的人数
- 留存率（Retention Rate）：在下一个周期内继续使用网站的人数，占当期注册用户的比例，留存率越高，说明用户对网站的黏性越高。
5，来源分析
- 来源：访客以哪些方式访问网站，直接访问，或搜索引擎
- 搜索词分析：在各类搜索引擎上通过哪些搜索词找到并访问了网站
6，访客属性分析
- 访客的年龄
- 访客的地域
- 老访客/新访客：
7，其他维度。。。
参考文档：
效益数据分析