设计师必备技能：掌握数据指标，实现职业成长

编辑编者按：如今在职场上，除了职业的基本素养之外，我们还须要学习不同的技能推动职业成长，比如设计师在职场上不仅设计方面的技能须要把握，也须要从其他方面进行切入，得出最好的设计方案；本文作者分享了关于设计师须要懂的数据指标与数据剖析模型，我们一起来了解一下。

01 设计师为何要懂数据？

市场现况不容乐观，伴随着红利（人口、流量）消退，资本严寒，产品同质化严重，市场对设计师提出了更高的要求。

除了审美层面的设计执行还远远不够，设计师须要具备数据眼光，从体验侧和商业侧入手，以数据为目标导向，精益设计，实现增速；同时随着数据方法论的广泛传播，设计师有必要将科学的数据模型应用到实际工作中。

02 常见数据指标1. 什么是数据指标

不是所有的数据都叫指标，指标必须对业务有参考价值。数据指标是针对业务需求，使用搜集手段，直接获得或则间接估算下来的一系列统计数据。

数据指标贯串整个设计流程，解释用户行为和业务变化，为设计提供根据，对结果加以验证。

2. 常见的数据指标

数据指标繁杂，本文加以归类，便于理解。

我们将常见的数据指标分为3大类：

综合性指标：反映产品的整体情况；流程性指标：反映用户的使用行为；业务性指标：反映具体业务情况。

3. 活跃用户

在特定的统计周期内，成功启动或操作过产品核心功能的用户（按照设备去重）。

根据统计周期不同，可以分为日活跃（DAU）、周活跃（WAU）、月活跃（MAU）。直接反映了产品的用户规模，是极为重要的指标；不同产品对应不同的使用频度，社交产品、资讯产品，如陌陌、今日头条等，其KPI考核指标通常都有日活跃用户数这项。

但对于个别低频需求和临时性需求的APP，如旅行、工具产品，则愈加关注月活跃数。

4. 新增用户

安装应用后，首次成功启动产品的用户。按照统计周期不同分为日新增（DNU）、周新增（WNU）、月新增（MNU）。

新增用户根据设备维度进行去重统计，如果该设备卸载了应用，一段时间后又重新安装了该应用，且设备未进行重置，再次打开应用，则不被估算为一个新增用户。

新增用户数代表公司潜力，在公司起步阶段尤其重要，新增用户量指标主要是评判营销推广渠道疗效的最基础指标。

5. 留存率

用户在某段时间使用产品，过了一段时间后，仍旧继续使用，这样的用户被称为存留用户。

留存率 = 仍旧使用的用户/ 当初的总用户量

用户来了以后，是否能留得住，反映了用户对产品的满意度。通常重点关注隔日、3日、7日、30日即可，并观察留存率的衰减程度。

次日留存率：新增用户在第二天再度成功启动应用的比列。

7日（周）留存率：新增用户在第7天再度成功启动该应用的比列。这个时间段内，用户一般会经历一个完整的产品体验周期，如果这个阶段用户才能留下来继续使用产品，则很有可能成为产品的忠实用户。

30日（月）留存率：新增用户在第30天再度成功启动该应用的比列。通常移动端产品的迭代周期为2~4周五个版本，所以月留存率才能反映出一个版本的用户存留情况；一个版本的更新，或多或少会影响部份用户的体验，所以通过对比月留存率能判定出每位版本的更新对用户的影响面积，从而定位到类似问题进行优化。

根据Facebook公司提出的4：2：1理论，次日存留能达到40%，7日存留达20%，30日存留达10%，就是相当不错的存留指标。

在昨天的互联网行业，留存是比新增和活跃更重要的指标，因为移动端人口红利没有了，获客成本越来越高，竞争也越来越激烈，如何留住用户比获得用户更重要。

6. 人均使用时长

在特定统计时间段内，浏览一个页面或使用整个产品时，用户所逗留的总时间乘以该页面或整个产品的访问人数。

该数据是剖析用户黏性的重要指标之一，也可以侧面反映出网站的用户体验。平均访问时长越短，说明产品对用户的吸引力越差；例如，抖音的成功离不开强悍的用户粘性，用户总会不知不觉就消耗了好多时间。这里的商业逻辑是，用户逗留的时间越长，商业转化的可能性就越大。

当然，对于即用即走的工具型产品不适用，相反，用户单页面逗留时间长，很有可能是页面功能模糊，表意不清，用户花了很长时间去理解如何用，证明信息传递效率低下。

7. GMV（Gross Merchandise Volume）

总成交金额，指的是拍下订单金额， 包含已付款、未付款、取消订单、退货的部份，即一旦生成订单号，就算在GMV内。

实际订单可能全部支付，所以GMV肯定小于实际销售额，因此常常见到报导都是用GMV来展示平台规模。

8. 人均客单价（ARPU）

每个用户平均收入——ARPU=总收入GMV/支付UV。

用户数可以是总平均在线用户数、付费用户数或是活跃用户数，不同产品标准可能存在差别；ARPU可以再一步细分，当普通用户占比太多，往往会取每付费用户数作为分母，来估算ARPU。

ARPU的高低没有绝对的优劣之分，分析的时侯须要有一定的标准；高客总价行业，如一些奢侈品行业，就十分关心这个指标，付费用户数其实不多，但是个体消费能力极强。

9. PV（页面浏览量）

用户每一次对页面访问均被记录1次，多次访问，访问量累计。理论上PV与来访者数目成正比，但是它不能精准指向页面的真实访问数；比如同一个IP地址通过不断的刷新页面，就可以制造出十分高的PV。

10. UV（独立访客人数）

访问网站的一个IP地址为一个访客，固定时段内，相同的客户端只被估算一次；使用独立用户数作为统计量，可以愈发精准地了解某时间段内，实际上有多少个访问者来到了相应的页面。

11. 转化率

在一个统计周期内，完成转化行为的次数占总点击/曝光次数的百分比。转化率=(转化次数/点击量)×100%。

以用户登入行为举例，如果每100次访问中，有10个登陆网站，那么此网站的登入转化率就为10%，而最后有2个用户关注了商品，则关注转化率为2%，有一个用户形成订单并付费，则支付转化率为1%。

转化率是产品赢利的重要指标之一，它直接反映了产品的赢利能力。

不同行业的转化率，关注点也不同，比如电商产品就要关注销售转化，看看参与活动的用户当中有多少是在活动后形成支付的，有须要的还可以按照数据剖析出人均订购次数和订购金额；再例如我们检测注册量，就要关注注册转化率，看看这个活动给产品带来了多少新增用户；所以转化率可以针对性剖析产品在什么方面做的不足，可以快速定位到问题点。

12. 流失率

曾经使用过产品，由于各类缘由不再使用产品的用户。可以理解为留存率的背面，流失率高即留存率低。次日、7日、30日的流失率也是须要关注的。

对于流失用户的划分根据产品类型的不同而不同，对于使用频度高的产品，如社交类产品，用户应当每晚还会多次打开，此类产品的用户未登入超过1个月，我们就可以觉得用户可能早已流失了。

极端案例，如婚庆类产品，用户的打开频度相当低，所以不是每位产品都有固定的流失时限，而是按照产品属性判定。

设计师和产品总监须要找到流失的异常数据，定位流失用户的缘由，并在下个版本中修补产品中存在的问题；甚至还可以定位到流失的具体用户ID，通过当时用户注册的个人信息进行跟进。

13. 跳出率 BR（Bounce Bate）

用户来到落地页后，没有进行操作就直接离开的比列，是评估落地页对用户是否有吸引力的关键指标；跳出率高，原因可能是产品/活动本身不够吸引，也可能是这种用户本身就不是产品的目标群体。

14. 退出率 ER（Exit Rate）

指该页面是会话中“最后一页”的浏览量占该网站浏览量的比率。

退出率=当页退出次数/会话总访问量*100%

退出率反映了网站对用户的吸引力，如果退出比率很高，说明用户仅浏览了少量的页面便离开了，因此须要改善网站的内容来吸引用户，解决用户的内容诉求。

15. 访问深度

顾名思义，用户对产品的访问深度（产品流程的完成程度）。

16. 功能使用率

除了关注活跃用户，也应当关注产品上的重要功能。如收藏，点赞，评论等，这些功能关系产品的发展以及用户使用深度。

功能使用率也是一个很笼统的概念，譬如用户浏览了一篇文章，那么浏览中有多少用户评论了，有多少用户点赞了，便能用点赞率和评论率这两个指标抒发；又例如视频网站，核心的功能使用率就是视频播放量和视频播放时长。

17. 启动次数

即统计时间段内，用户打开应用的次数；重点关注人均启动次数，结合使用时长可进行剖析。

用户主动关掉应用或应用步入后台超过30s，再返回或打开应用时，则统计为两次启动，启动次数主要看待频数分布情况。

18. 使用时长

统计时间段内，某个设备从启动应用到结束使用的总计时长。一般根据人均使用时长、次均使用时长、单次使用时长进行剖析，衡量用户产品着陆的黏性，也是评判活跃度，产品质量的参考根据。

19. 使用间隔

用户先前使用应用的时间与再度使用时间的时间差。使用频数分布，观察应用对于用户的黏性，以及营运内容的深度；虽然是使用间隔，但是通过估算同一设备，先后两次启动的时间差，来完成使用间隔统计，充分考虑应用周期性和碎片化使用的特点。

20. 付费率

愿意付费用户在所有用户中的占比，视频行业、电商行业等用户付费意愿较强，而一些工具类的APP就比较难堪，苦于找不到收费模式；或者现有的收费模式用户不买账，自然付费率就很低，如墨迹天气和万能钥匙等。

21. 复购率

若把复购率说成营收届的留存率，你还会晓得它有多重要了。和新增用户一样，获得一个新付费用户的成本早已低于维护熟客的成本。

在不少剖析场景中，会将首单用户单独拎下来作为一个标签，将两次消费以上的用户作为老客。用户第一次消费，可能是为了体验产品，可能由于是让利推进促使了首次付费；而第二次付费难度会大大提升，第二次付费的成交率也会有断崖式下跌（相比于隔日存留），非首单付费意味着用户对产品形成真实认可和强悍信任。

22. 退货率

退货率是一个风险指标，越低的退货率一定越好，它除了直接反应财务水平的优劣，也关系用户体验和用户关系的维护。

03 数据的获取方法

数据主要有3种获取方法：

二手资料数据：别人的督查结果；问卷督查数据：收集用户“说的话”；应用埋点数据：看到用户“做的事”。

1. 二手资料数据

目标资讯：

行业数据、竞品数据。

包括：商业交易数据、用户群的心态和意愿、用户舆论指数、竞品的用户规模和赢利状况等；市场数据，立项期对产品方向有一定指导意义、了解市场、差异化定位。

获取手段：

百度指数、企鹅智酷、艾瑞、尼尔森、各大科技资讯平台。

2. 问卷督查数据：收集用户“说的话”

向目标用户领取问卷并搜集，进行数据整理和剖析。

信息重点为用户自述的历史行为、主观心态或评价；举例，如用户满意度查询、流失用户缘由调查等；本质是构建假定-使用抽样调查的统计方法-得到用户自述的答案。

常用指标：NPS（Net Promoter Score）推荐净值。

以一个简单问题，衡量客户对企业品牌/商品的忠诚度，“0-10分，你会有多大意愿推荐我们的产品或服务给你的亲朋好友？”，0-6分叫贬损者，7-8分叫中立者，9-10分叫推荐者，推荐者的比列除以你的诋毁者比列，就是一家企业的NPS。

从这个数值可以看出企业的顾客当中推荐者和批评者哪一方比较多，分数为正表示乐意持续订购、加购或是做口碑的顾客占多数，也就是所谓的忠诚客，那么企业会有正向成长，反之亦然。

3. 应用埋点数据：看到用户“做的事”

定义：在产品中植入代码，设定触发条件，当满足条件时，记录日志，获得用户行为数据；实际操作中，触发条件的设定至关重要，需要定义数据指标，跟开发提早沟通。

基于以上3种原始数据，可以估算出：点击率、功能渗透率、人均点击次数、人均使用时长等具有对比价值的数据。

相比二手资料和问卷督查，卖点数据愈发贴合用户真实的表现，灵敏度高、可挖掘性强、客观评判指标帮助迭代。

04 数据剖析方式

1. 行为风波剖析

研究某行为风波的发生对企业的影响以及影响程度，企业趁机来追踪或记录的用户行为或业务过程，如用户注册、浏览产品详情页、成功投资、提现等，通过研究与风波发生关联的所有诱因来挖掘用户行为风波背后的缘由、交互影响等。

根据实际工作情况而关注不同的风波指标。

2. 漏斗剖析

是一套流程剖析，它还能科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要剖析模型。

一般的用户购物路径为激活APP、注册帐号、进入直播间、互动行为、礼物耗费五大阶段，漏斗才能彰显出各个阶段的转化率，通过漏斗各环节相关数据的比较,能够直观地发觉和说明问题所在，从而找到优化方向。

价值：

监控用户在各个层级的转化情况，全流程中最有效转化路径；同时找到可优化的弱项，提升用户体验；多维度切分与呈现用户转化情况，成单困局无处遁形；不同属性的用户群体漏斗比较，从差别角度偷窥优化思路。

注意点：

步骤间的流失不可避免，步骤越多，流失越多；缩减步数，在漏斗剖析层面有利于降低流失率。

但是依据复杂度守恒原则，每步的复杂度上升，会带来用户体验的增长；因此，路径的步数和页面复杂度之间须要找到一个平衡。用最终转化率（完成率）来评判疗效。

3. 留存剖析

是一种拿来剖析用户参与情况/活跃程度的剖析模型，考察进行初始行为的用户中，有多少人会进行后续行为；这是拿来评判产品对用户价值高低的重要方式，可以反映产品的整体存留或某个功能模块的存留。

4. 对比剖析

注意控制变量，如果一段时间内产品的日活忽然急剧提高，原因可能有很多：改版、热点风波相关、运营推广等等，只有在其他条件都一致的情况下，才能评判某一具体条件对结果形成的影响。

05 数据剖析模型

1. HEART模型参与度，指的是被动方式的用户行为，包括用户活跃度和爆光UV、PV等。反应了对使用产品的意愿。接受度，侧重主动方式的用户行为，如对某功能的使用。留存度，一段时间内，连续活跃的用户，可以视为存留用户或忠实用户，这些用户是促使产品赢利的关键诱因。任务完成度，核心功能环节的完成情况。愉悦度，用户在使用产品时的主观情感之和。常彰显在用户评价中。2. AARRR模型拉新，了解并定位目标用户人群，尽可能将其引流吸收至自家产品。落地页是设计关键点，需要明晰传达产品的核心价值，短时间内吸引用户。激活，吸收新用户以后，需要在一段时间内引导用户再度使用产品。活跃度对应的两个关键指标是平均使用时长和平均每日启动次数。提高留存率，产品是否能真实地留住用户，反应了用户对产品的黏性。变现，通过一些手段从用户头上取得产值。传播，通过提高用户体验或则裂变奖励等手法，激励用户将产品分享给同学。

提升活跃与存留4种形式：

有效触达，唤醒用户：指的是通过手机PUSH、短信和微信公众号等才能触达到用户，唤醒沉睡用户启动APP的方法，是提高存留的特别有效的方式之一。如游戏老用户邮件召回，电商老用户召回，召回肯定是有成本的，所以要按照用户往年行为，进行剖析定为，找到召回率最高的那部份用户，（如RFM模型定为核心用户）。搭建激励体系，留存用户：好的激励体系，可以让平台健康持续发展，让用户对平台形成黏性，对提高存留十分有效。通常使用的激励方法有成长值会员体系、签到体系、积分任务体系。丰富内容，增加用户在线时长：这点游戏产品做的非常好，各种玩法活动本身就吸引用户投入时间成本，游戏又不断加强社交属性，更降低用户黏度与成本投入。数据反推，找到你的关键点：比如知乎，评论超过3次，用户都会存留出来，很难流失。比如有些游戏产品，一旦玩家越过某个等级就就很难流失。这些都是你须要通过数据剖析能够找到的关键节点。3. RARRA模型

与AARRR模型注重不同，RARRA模型愈发注重产品本身，不着急获客，先把产品做好，营造好口碑，确保用户有好的使用体验，让用户自愿传播产品。

部分产品通过邀请码的方式，来构建圈层感。相比于注重拉新的AARRR模式来说，RARRA模式愈发稳健保守，在营运侧投入较少。

RARRA模型指出用户营运，以精细化营运推动二次订购、交叉销售和拉新获客。

06 小结1. 数据的作用监控产品，发现问题：通过数据埋点检测，实时检测产品状况，为改版提供方向和参考。验证设计：通过定性、定量手段，衡量改版疗效。发掘机会点，助力下降：发现新的商业机会和产品爆发点，着力用户、数据下降。2. 成为一名解决产品问题的设计师

随着行业发展，设计师须要具备的素质越来越高。单纯设计执行早已不能满足日常工作须要，越来越多的岗位须要设计师具备数据思维。

设计师不仅保证审美在线之外，更要理解设计的来源与验证，让设计愈发理智。

感谢阅读。