说到数据指标，大家联想到的肯定是一大堆花花绿绿，波动起伏的线和柱状图。往大了说，这些花花绿绿的柱子也算是数据的一部分，只不过是直观展现后的数据结果。那对于设计师来说，是看这些花花绿绿的结果还是原始数据呢？
如果你是会数据分析的设计师，那么原始数据对你的帮助会更大，因为你能在一堆杂乱无章、复杂无序的数字中抓住要点。如果你不懂数据分析，那还是好好地看结果吧，毕竟结果是专业的数据分析师或是软件计算之后得出的，相信配合设计师的工作是绰绰有余了。
关于数据其实有很多内容可以讲，不过本节的重点不在这，而在于和设计师相关的数据指标。那什么又是数据指标呢？
所谓数据指标用官话讲就是：在企业运营过程中，对已记录历史信息进行处理，转化成为数字。根据特定商业目的，对相关数字按一定的业务逻辑，使用一定的技术手段进行加工处理后，成为描述、衡量、分析、预测业务结果的工具。简单理解就是一种标准参照值，能够对当前业务有参考价值的数据才可被称为“数据指标”。咱们姑且换个词：数据衡量参数，这样就可以理解指标是什么意思了。
那为什么设计师需要掌握数据指标的分析能力呢？它对实际工作具有又有什么帮助呢？笔者举个案例来解释一下：
看看下面三辆车。相信了解或买车的读者都知道，车的销量不仅是依靠内部的硬件配置，比如驱动、功率和风阻等因素，还需要考虑车的外形设计和内饰搭配等，比如流线型设计、车灯设计、内饰装潢等，当然还会考虑一些外部环境和市场趋势，比如新能源、品牌和口碑等。以上种种都是能够影响市场销量的重要因素。
现在我们转换下思路：硬件是不是产品经理需要解决的问题？而口碑和市场推广是不是运营需要解决的问题？最后只剩下设计内容，这得归设计师管了吧？
所以车的销量，即销量数据，不仅使硬件和市场的事情，设计的好丑与否同样也可以影响到整车的销量，通过特斯拉Model X 的“鹰翼门”、保时捷的“四点式前灯”和凯迪拉克的“直列式车灯”可以略知一二——车主选择这些车型（或品牌）的其中一大原因，主要是设计得有特点，能够彰显车主身份、地位和个性，设计师在其中的力量贡献不可谓不大。
这样看下来，你还会觉得设计师不需要掌握数据分析能力么？只有得到市场数据的反馈，设计师才能知道市场需要怎么样的车型，这样才能对症下药。
俗话说得好：“设计是理性的科学，而非感性的艺术”，设计师掌握数据分析能力可以让设计方案在解决问题的过程中更有针对性，方便设计师围绕数据问题利用设计手法去修复和完善它。
所以，掌握数据分析能力其实是为了让设计师少做无用功，把更多的精力投入到更有针对性的优化上，产生更多的既得价值。
实际工作中需要接触的数据指标有很多很多，甚至一些和设计不相关的指标也会遇到，比如经济指标、商业指标等。为了便于读者们理解和记忆，下面的数据笔者主观、人为地将其拆分成两大类型，即功能型指标和业务型指标。
功能型指标特指那些可以直接反映产品情况的指标，比如页面浏览量、访问量、点击次数等，这些指标可以算是复杂数据中的基础指标，就好比26个英文字母可以构成千千万的不同单词和句子；
而业务型指标主要是通过对功能型指标的深入分析，反映产品生命力的指标，比如新增用户、活跃用户、总成交等，是一种可以指导业务发展方向的指标。
首先是功能型指标。（温馨提示：阅读以下内容时，一定要留意网站和网页（页面）的名词区分。）
是指网页浏览量或点击量。如果一个用户在前一秒访问了这个网页则会被记录1个PV，下一秒刷新之后又会被记录1个PV，这是一个累积的过程，用以衡量网站用户访问某一网页的具体数量。
是指访问某站点（网站）的IP数据，以独立用户的IP地址作为统计依据，比如00:00-24:00点之间相同IP地址访问同一站点只被计算（记录）一次（大型网站可能同时存在多个站点，比如百度、Google）。
和IP有点类似，是指00:00-24:00点之间使用相同的账号浏览网页只被计算1次访问，所以一天内同一账号多次访问同一网页仅计算1个UV。比如你和朋友用同一台电脑在同一天内，通过各自账号访问了某个页面，那么对于这个页面来说就是IP+1，UV+2，PV+2。
是指所有访客1天内访问网站的次数，当访客完成所有浏览（页面）并最终关闭该网站的所有页面时便完成了1个VV。比如访客今早打开了站酷进行浏览，五分钟后全部关闭，间隔半小时又打开了，这时候VV+2。
在视频播放领域，VV又是Video View的简称，是视频播放数据的一项重要参考指标。
假如今早李明09:00打开了百度（网站和站点时一一对应的前提下），浏览了5个不同页面，随后全部关闭；
13:00李明又打开了百度，浏览了3个页面（其中2个页面上午浏览过），随后全部关闭。那么最后的数据结果是：PV+8、IP+1、UV+6、VV+2。
那么一个网页的浏览量到底该用UV还是PV呢？这个就需要根据产品要宣传的点作选择了，比如早期产品的用户量低，那么PV数据会好看点；到了后期，用户体量大了，那么对于页面而言UV会更线）跳出（失）率（Bounce Rate，简称BR）
指仅浏览了一个页面就离开的用户占一组页面或一个页面访问次数的百分比，计算公式是：
和下面要介绍的“退出率”相比，跳出率的重点是作为“着陆页”而言的，即用户访问了第一个页面后就走了，这个时候就可以判定是跳出结果。如果用户在第一个页面基础上点击其他链接进行了跳转，那么第一个页面就不能作为跳出页。
是指用户退出网站的次数除以用户进入浏览网站的次数的百分比。正所谓有出必有进，有进必有出，用户不可能一辈子只看一个网页或网站，所以有浏览就必然会有退出。计算公式是：
相对于跳出率而言，退出率的重要程度对于设计师来说反倒没有前者那么重要——因为退出率是必然会发生的，站在用户体验角度来看，无论网站的体验设计是否优劣，都会产生退出率。
是指完成某项任务的用户数占全体用户总数的百分比，比如100位用户在操作任务A，其中只有80位成功完成，那么完成率就是80%。
失败率完成率和失败率都可以帮助设计师衡量一段任务流程的易用性和可用性问题，比如失败率高，则说明用户在利用此段任务流程时遇到了阻碍；反之成功也不能骄傲，更需要保持谦卑的态度去分析未完成的那20%是发生了什么问题，让完成率得到进一步提升——在很多时候错误或失败数据或许意味着有更多的机会点可以发掘。
这个数据可以用来衡量某模块是否被用户接受的程度，一般会和之后要讲到的CVR产生横向对比。计算公式为：
单看CTR和设计的关系可以折射出一部分的设计价值，比如CTR高，则说明设计能够有效吸引和引导用户眼球，聚焦注意力；反之则设计可能有失偏颇，需要考虑更合适的引导方案。
是衡量产品最终价值的重要指标之一，和点击率一样，它也是不同数据项综合计算而得出的一个百分比。可以直接反应产品在某些地方的价值——这个某些地方则需要根据不同的关注点进行定义。计算公式为：
比如电商网站的商家会更关注收藏和付费人数的转化、平台会更关注注册的转化，举个例子：
从时间跨度上来看，新增用户可以分为日新增（DNU）、周新增（WAU）和月新增（MAU）。
新增用户可以衡量一款产品的健康程度。如果新增用户是有序增长，那么说明产品处于自然增长模式；如果是爆发式增长则说明推广在起作用，同时这也是运营（营销）衡量绩效的重要指标之一。而对于设计师来说，新增用户的数据没有留存率那么重要，因为新增用户大部分是靠对外的推广得来，而设计师的职责更多的是将这些推广所得的新用户使用某些设计方法或方案将他们承接起来，也就是提升留存率，而不是只做“一次性用户”。
活跃用户的判定标准是在一定时间周期内，成功启动过或使用过产品的用户，当然也可以将判定条件定义为是使用核心功能的用户。这个定义范围和目标需要根据产品需要进行选择。
日活（DAU）：某个自然日内成功启动过产品的用户，并且该日内同一个设备多次启动只记一个DAU。比如社交产品、咨询产品，如抖音、微信、腾讯新闻等产品，对于运营同学来说， DAU占了绩效考核指标中的大头；
周活（WAU）：某个自然周内成功启动过产品的用户，并且该周内同一个设备多次启动只记一个WAU。对比DAU来说，WAU更能分析出用户的结构类型和偏好程度，一般偏工具型产品对WAU的考核会多一点；
月活（MAU）：某个自然月内成功启动过产品的用户，并且该月内同一个设备多次启动只记一个MAU。由于周期设定比较长，一个月的时间是可以衡量出用户对产品的粘性和忠诚度的，所以一般这样的指标会在工具型，尤其是偏中长期的产品中会比较重视，比如马蜂窝、携程等。这个指标还可以用来衡量被服务的用户粘性以及服务的衰退周期。
除了可衡量粘性和忠诚度以外，MAU还可以通过侧面来衡量一款产品的生命衰退周期，比如月活的数量在走下坡路，则说明产品出现了某些问题，需要去进行改进和优化。
还是鱼塘的例子。有了新鲜鱼苗后，有些鱼苗不适应环境最终死了，而有一些则活了下来，并长成大鱼。其中死了的鱼指的就是流失用户（一部分也会成为一次性用户），而生存下来的就是活跃用户。
既然有活跃用户，那么必然有非活跃用户，所以一次性用户是指第一次使用产品（即新增首日）之后就再也没有使用过的用户，一般特指那些无效用户，是区分有效和无效的一项重要参考指标。
流失率一词最早被应用于企业人员管理，亦有“跳槽率”、“主动离职率”一说，是员工离开组织的两种形式之一（另一种是被辞退，即“被动离职率”）。后被指代用户在使用产品后由于各种原因而不使用产品所占新增用户的比例。
有流失那必然有留存（除非产品实在差劲，连一个用户都留不住），因此留存率是指在某一时间段内新增用户数在经过一段时间仍然启动产品的用户比例，通常这个时间段会以次日（2日）、3日、7日（一周）、14日（两周）和30日（一月）作为衡量区间。
次日留存率：新增首日内开始计算到第2天仍然成功启动过产品的用户占全部新增用户的比例；
7日留存率：新增首日内开始计算到第7天（一周）仍然成功启动过产品的用户占全部新增用户的比例。一周的时间用户通常已经完整体验过产品的全部内容，能够留存下来的用户说明粘性已经得到了保证。
14日留存率：新增首日内开始计算到第14天（两周）仍然成功启动过产品的用户占全部新增用户的比例。一般互联网产品的迭代周期是2～4周，14日留存率正好是版本迭代（双周迭代）的最低周期；
30日留存率：新增首日内开始计算到第30天（四周，一个月）仍然成功启动过产品的用户占全部新增用户的比例。和14日留存一样，是产品迭代周期的最高周期，用户已经完整地体验了一个版本的绝大多数内容，能够留存一个月的用户可以判定该用户属于粘性和忠诚度较高的人群，可以对其进行更多深入的推广。
具体的时间周期需要根据产品需要的数据进行选择，只有针对性地关注相关数据才能解决相应的问题。
回到池塘养鱼的例子。池塘死了一批鱼苗，但仍还有部分的大鱼活着。到了收获的季节，这些鱼就要捕捞。
顾名思义，是指用户平均启动应用的具体次数，是衡量用户使用频率的一个重要指标。启动次数越高，说明产品越健康；启动次数越低，则应该综合根据产品性质来判断接下去的发展方向。比如微信的启动次数往往会比爱奇艺要高出很多，前者是日用社交类，而后者只有在需要时才会启动。
使用间隔是需要配合启动次数进行综合判断的一项频率数据。一般来说产品进入后台后30s内被再次启动，是不被判断为再次启动的。只有当超出30秒或关闭之后重新启动才会被判定为1次成功的启动次数，而前后的启动间隔时间就是使用的间隔。
人均访问时长是指在一段统计时间内，浏览某个页面或整个网站时用户所逗留的总时间与该页面或整个网站的访问次数的比例。
总成交是各大电商用来衡量产品总成交金额的一项重要指标！包含但不仅限于所下单的订单金额，有已付款、未付款、取消订单和退货等，一般来说只要是生成了订单编号，那么就会被计算进GMV中。
根据前文所知，UV是指真实的访问量，那么相对的支付UV就是真实的支付量，是不包含未付款、退款、取消订单的人数的。（注意，支付UV指代的是人数，而GMV是指代金额）
该公式的分母除了支付UV外，还可以选择平均在线用户数、活跃用户等数据。具体的选择需要根据产品需要而定。
复购其实就是日常所说的“回头客”，是指消费者对该产品或者服务的重复购买次数占全体购买的百分比。重复购买率越高，说明消费者对产品的忠诚度就越高，反之则越低。
一种是单纯地计算进行重复购买的消费者，比如以独立账号为单位，总共有100个消费者对产品A进行过初次购买。其中有70个用户产生了重复购买，那么复购率就是70%。
另一种则是按照交易的次数计算，比如总数是100人，其中在一个月内有70人进行了第二购买，这70人中又有20人进行了三次购买，那么复购率就是90%。
对比两种方法，第一种方法的数据会更加真实可靠；而第二种方法计算出来的数据则是针对总数的一种参考值，如果作为分析指标来看，价值不会像前者那么大。推荐设计师采取第一种发方法进行分析和评估。
这么多数据综合看下来会发现，有些数据和设计的关联度微乎其微，甚至都无关联。比如DNU、DAU，往往是由推广和运营而导致的数据波动，这些数据指标往往和内容及产品本身的服务质量呈正向联系，设计很难在其中发挥大的价值。除非设计参与到内容运营层面（比如电商设计），否则很难利用这些数据指标来衡量设计所产生的价值。
不过有些数据并不掌握在利益相关者，甚至连老板都无权过问，比如外包公司。外包公司的数据一般都是在业务方手中，而设计师身为外包人员肯定是无权过问业务方数据的。这个时候就需要设计师发挥职业素养，利用职场技能和沟通技巧与业务方建立良好的合作和信赖关系，相信只要你有能力，是一位有价值的设计师，业务方一般都会将需要的数据提供给你。
如此多的数据又该如何应用呢？或者说该怎么配合PM来赋能产品呢？根据前文我们知道，数据是可以直观体现产品命脉的，所以数据最好还是配合产品不同的生命周期使用，才能让数据发挥最大效益。
那初创期是不是就应该闭门造车，就像造火箭一样，待完成的那一刻才是一飞冲天的光辉时刻呢？并不是。尤其是互联网产品并不适用这种一飞冲天的模式，更应该去尝试“小步快跑，快速迭代”的研发模式，即快速验证痛点和需求的方法，该方法被称为MVP（Miumum Viable Product），是由埃里克.莱斯（ Eric Ries ）在《精益创业》一书中关于精益创业的核心理念和思想衍生而来。详细具体的MVP方法在本书的7.2.6-精益设计一节中会提到，这里不作过多阐述。
短视频市场在不同时期，不同产品的入局时间线日，式上线日，A.me更名为抖音短视频），同时也是抖音正式加入短视频争夺战的日子。这个时期的抖音正处于产品的引入期，是对市场需求、价值和方向探索的时期，需要一步步地验证用户需求和产品价值，借此来保全自身能在洪流中稳健成长。
总的来说，产品处在引入期更重要的是“精心呵护”产品的各项功能，而不是去分析数据“拔苗助长”，更应该沉淀下来安心做好产品，全心全意为用户服务才是重中之重。
在这个阶段，对于营销团队而言要重点关注推广数据，如PV、UV、新增用户、活跃用户和留存率等。同时还要关注新老用户对产品的满意度和推荐值等数据，这些数据可以有效传递市场用户不同的情绪和态度，可以为产品后续的研发做出方向上的优化和迭代参考。
除了回流这些基础的拉新留存行为外，还要考虑到用户价值大小的问题（这是产品在成熟期需要重视的问题）。产品要开始有选择地进行“保大保小”的决策，尽量提升那些已有用户群中高估值的用户，比如付费用户、忠实用户等，而对于那些低估值的用户就要适当减少精力付出，尽量把力量往一个地方使。
在这个阶段，设计师的工作可能就不是大幅度地改变产品，更多的工作会围绕单个模块或核心任务流程进行优化。当然也可以将用户群体进行细分，在细分场景下做足功夫实现“精细化设计”。至于如何优化和迭代，实现精细化设计，就需要借助各项数据来支撑迭代的理由，这样设计师才能借助数据把握方向，实现设计价值。
2018年初，直播领域开始盛行，抖音为了扩大市场影响力，上线了“线上直播”功能，同时还推出了答题类的“百万英雄”和“原创音乐人”活动等，这近一步降低了抖音的获客成本。并且配合春节的红包热潮，通过老拉新、抢红包的营销策略对已经流失的用户进行回流营销。再加上产品本身的品牌效应和口碑，这一系列的动作都在不断地巩固抖音在市场中的地位。
借助国内市场的热度和前期的原始积累，抖音开始迈出了国际化品牌的第一步——TikTok就此诞生。
“人终有一死”，这句话放在产品上也是贴切的。如果与人类生命周期相比，衰退期算是年迈时期。
这些产品的没落，相信企业内部的问题固然重要，但核心的问题还是受到了市场冲击——用户被其它更好用的产品所吸引。在这个阶段，产品想要谋求发展就必须改变相应的策略和定位，尝试通过不同的角度去扩展产品边界，寻求新的发展机遇和产品的第二生命曲线，比如抖音都在海外市场创造了TikTok作为第二生命曲线月上线以来，截止目前五年多的时间，就已经长期霸占着国内App Store“摄影与录像类”应排名第一的宝座。同时也在不断地突破日活和日均播放量的前高，朝着更崭新的市场发展。而且还衍生了更多的第二生命曲线，比如TikTok、剪映等产品。
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
- 本文固定链接: https://douyinyunying.cc/?id=25962
- 转载请注明: admin 于 抖音运营 发表
《本文》有 0 条评论