转载自网络 不用于商业宣传 版权归原作者所有，侵权删。
我们平时表达内容基本可以分为事实和观点两部分，事实不可否认，而观点则可以不认同，在中国，大部分人很容易将事实和观点混淆，这样就会导致我们在进行辩论和质疑的时候不够有理有据，陷入无谓的争论中。
比如，有个人说“我觉得今天好热啊! "这就是一个观点陈述，你不能以“今天才28度,不热啊"去反驳他。因为对于说话者，28度可能就算很热了，因为各人的感受和标准是不同的。
但如果这个人说:“今年夏天比去年的温度高多了!”，这就是在陈述一种事实了，你就可以拿两年温度对比的数据作为证据去反驳了。
在我们的生活中经常出现由于混淆事实和观点而出现的争论，举个最常见的例子，你上班迟到了，主管对你说:“你怎么经常迟到！”，这时候你非常产生抗拒，什么叫经常？我才迟到了三次，李四这个月还迟到了四次怎么不说他？然后对话就陷入了对抗模式。
“你怎么经常迟到"这句话是一个观点，代表了主管心目中的评价。如果把观点换做事实，那么沟通会更加容易。
“小张,你本月迟到了3次。"这句话是一个事实,无可辩驳,主管也没有加上评判。
这时候你的对抗情绪就会淡化很多，更容易找出问题的根源。
数据分析的工作中也是如此，我们做数据分析的目的是为了提升公司的决策水平，如果不能描述客观事实，那么信息在沟通过程中很容易变形。
如果开会的时候说“本月的销售额大幅下降“这样的观点，不同的人会有不同的理解。有些人会觉得下降20%以上叫大幅下降，有些人觉得下降10%就叫大幅。
如果去掉“大幅”呢？“本月的销售额下降”，这句话是一个事实，但是不同人的理解可能是不同的事实，因为没有说清楚下降是拿什么做对比。
最清晰的事实是“本月的销售额相比上个月下降了10%”。这句话是客观事实，无法改变，每个人获取的信息也是相同的。
团队中每个人拥有相同的信息,才有可能提升决策水平。
这种只说事实不说观点的能力要求很高，人们总是喜欢情绪化的表达。印度哲学家克里希那穆提曾经说过：不带评判的观察是人类智力的最高形式。想要将事实思维融入到日常交流中，需要大量的训练。
这也是数据分析师入门容易，精通难的原因之一。
想要保持稳定的说事实的能力，最简单的办法就是把需要衡量的事物数据化。
目前互联网行业里诸如浏览量、活跃用户、响应时间等等指标的应用已经非常普遍了。每个互联网从业者或多或少都知道一些常见的指标。许多指标已经约定俗成，即使你换一家公司，甚至换一个行业，这些指标依然没有沟通成本。比如衡量用户粘性就用留存率，反应产品的流量就用日活月活。
这些基础的数据指标知识，相信你或多或少都有了解。这种基础的监控型的指标这边就不多说了，下文会附上一些常见的数据指标。
不仅指标能提升我们对业务的理解，单是确定指标的过程，就能极大地提升我们对业务的理解。也就是说，当我们知道我们要用什么指标的时候，我们就能更好的理解业务。
刚才提到，现在的各种指标大家已经很熟悉了，比如留存率、日活用户数等等。但在时间周期拉长了看，会发现互联网行业的指标侧重点是不断变化的。
比如最早的PULSE指标体系，这些指标是用来衡量用户体验的。指标包括：
那个时代对产品的要求很低，只要能解决问题就好，所以这些指标更多地关注产品的可用性。只要确保产品能稳定快速运行，不会出现负面的体验就行了。
随后又发展到HEART指标，也是衡量用户体验的，是PULSE指标的升级版。包括：
相比PULSE , HEART指标不单单是注重可用性，而是开始考虑到产品体验的优化。这个时候同类产品开始出现，单纯拼功能已经无法获得竞争优势，而是要在用户使用体验上优化以此获得用户的喜爱，所以增加量愉悦度、参与度等这些维度。
举个例子，原来在没有聊天软件的时候，你只要做到“可用“就可以了。但是到了后来，聊天软件越来越多，有更好体验的产品才能活下来，所以需要考虑用户的更多需求和体验，于是有了群聊、陌生人社交等功能加入。
互联网发展到现在，产品的差异性越来越小，公司之间竞争的阵地从产品切换到运营，于是近几年开始流行基于AARRR的指标体系。
相比之前的指标模型，AARRR站在更加宏观的全局角度审视整个产品，并且更偏运营。
在过去，用户有自发需求，会找产品。现在的用户，大部分需求都得到了满足，该找的产品都找好了，在想让用户选择自家产品，就需要通过运营手段引起他们的兴趣。
所以，现阶段互联网环境下主流的指标体系都是基于AARRR构建的，文章最后一个部分会介绍现有比较常见的基于AARRR的指标体系。
可以看出，确定指标的过程,不仅可以达成”说事实”的结果，还能够帮助自己梳理思路。你知道要量化什么，就说明你清楚了自己更看重什么，你对自己业务的理解往往也就更加清晰了。
日常的分析工作中，除了这些基础指标，还会遇到一些特定的业务问题，需要用数据分析解决。比如业务想对比用户对两款产品的喜爱程度，或者衡量APP的稳定性。这种情况下我们该怎么办？
曾任阿里巴巴数据委员会会长的车品觉在《数据的本质》一书中，给出了如何量化问题的方法。
想要量化某个事物，关键是要先搞清楚量化后的数据是为了解决什么问题。如果我们关心X，我们可以通过下列步骤完成量化。
1、首先，我们要澄清X到底是什么?
比如，你想量化用户对某个功能的喜爱程度，那么究竟什么算是“喜欢这个功能" ?是使用频次吗？是使用深度吗？还是用户分享的比例？你需要不断用问题去澄清X到底是什么。
2、然后考虑如何量化X
如果是使用的深度，那么我们可以量化”使用深度”吗？可以用功能内的停留时长，或者各个子功能的使用广度等等。找到可以用数据衡量的指标来表示“深度”
3、最后，量化后的数据能增加我们对X的了解吗？或者说能降低我们的不确定性吗？
比如"子功能的使用广度"这个指标能让我们确定用户喜欢这个产品吗？如果这个指标比较高的用户只是用户不明白如何使用产品，而进行的探索动作。功能使用率高的用户不能代表用户喜欢这款产品，那么这个数据不能有效降低我们对产品受欢迎程度的了解。
如果量化后的数据对我们理解X没有什么帮助,那么我们就得回到第一-步 ,重新澄清什么是X。
好的指标有以下特点:
1、好的数据指标是比较性的
如果能比较某数据在不同的时间段，用户群体，竞争产品之间的表现，我们可以更好地洞察产品的实际走向。“本周的用户转化率比上周高”显然比”转化率为2%"更有意义。
我们现在的数据大部分都是可对比的，不可对比的数据是哪些呢?
比如一次用户调研，为各个功能的产品体验打分，高5分，最低1分。这种数据就不容易对比
2、好的数据指标是简单易懂的
如果人们不能很容易地记住或讨论某指标，那么通过改变它来改变公司的作为会十分困难。
前不久，一个朋友在交流群里问：过去90日B端用户14天内休眠比例，和B端下单用户次月留存，这两个指标用哪个好？
虽然我并不了解这位朋友的具体业务形态，但是第一个指标很明显太复杂了。如果采用了这个指标，遇到的第一个困难就是如何向团队成员解释这一指标。 为什么是过去90天？为什么是14天？
如果要向领导汇报，领导还要花点时间先理解一下这个指标的含义。
相比之下，次月留存的理解成本就非常低，和团队其他成员沟通完全没有障碍。因此我推荐他用更简单的次日留存。
有些指标虽然可能更“贴合业务现状"，但是复杂的指标不利于团队协作，只有少数人理解的精准指标还不如所有人都理解的近似指标。
3、好的数据指标会改变行为
这是最重要的评判标准,，错误的数据指标会引导错误的业务行为。现实中，最常见的导向错误行为的指标是“虚荣指标”，即数字看起来很好看，但是实际上对业务并没有什么帮助。
曾经的大众点评，搞了不少“团购消费后发评论赚积分"的活动，评论数大涨，但评论质量很水，不得不用各种算法把这批低质量评论沉下去。这些业务动作的原因是美团的点评数上升很快，大众点评感到了压力。
而国外的TripAdvisor，是旅行行业巨头，在那上面去点评一家酒店，限制必须写50个汉字以上，必须写“标题”与“来访类型”，不写 全就不让发。这种机制对点评数KPI是多大的伤害啊。
然而TripAdvisor是全世界最大与最具盛名的旅行点评产品，甩了第二名几百条街。
可见点评数是一个虚荣指标，虽然看起来点评多了，但是实际上垃圾信息也多了，用户体验反而下降。
前不久，有朋友问了我如何衡量产品粘性，用留存率还是流失率。
这两个指标刚好互补，留存率是仍然在使用的用户比例，流失率是不再使用的用户比例。从数学意义上来说，知道了留存率，也就知道了流失率，两者的和肯定等于100%。
那么在业务上，是不是随便用哪个指标都可以用来衡量用户粘性？
要记住,我们选择了什么指标,就会导向什么业务动作。
留存率更加关心的是，从用户获取的角度综合分析获取用户的渠道方式是否合理，产品用户是否能够增长。而流失率则关心为什么有些用户离开APP。
如果我们选择了流失率，那么我们就更倾向于流失用户的召回。可能会选择短信召回，老用户礼包等运营方式降低产品的流失率。这些运营动作一旦奏效，就很容易满足于短期运营行为带来的数据优化，失去对产品价值提升的关注。
如果我们选择了留存率，那么我们就更容易聚焦在更具长期价值的工作上，比如产品的优化。
如果产品是稳定期，产品形态已经非常固定，每一个现有用户的流失都会有较大的损失，那么流失率就是比较好的选择。
如果产品还在用户增长阶段，那么留存率可能是更好的选择。
指标的选择很大程度上取决于业务的需求，一定要找到符合当前业务需求的指标。
4、好的数据指标是一个比率。
为什么比率是一个好的指标呢？
因为比率符合前面说的三点。比率比较容易对比，容易理解，而且比率的可操作性强，是行动的向导。
比如一次促销活动的销售收入是10万，而之前是30万，能说活动很失败吗？不一定，我们必须知道覆盖人群，才能衡量这次活动的效果好坏。
也许这次活动覆盖人群只有上次的十分之一，那么我们用转化率作对比，就可以只用一个指标，就能评估这次活动的好坏。
转载自网络 不用于商业宣传 版权归原作者所有，侵权删。
41019702002033