干货讲解，数据分析从入门到进阶的关键思维：指标思维( 二 )

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：

Page view：页面浏览量
Uptime：正常运行时间
Latency：延迟
Seven days active user：7天活跃用户数
Earning：收益

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：

Happiness/愉悦度
Engagement/参与度
Adoption/接受度
Retention/留存率
Task success/任务完成度

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。

Acquisition：获取，用户如何发现(并来到)你的产品？
Activation：激活，用户的第一次使用体验如何?
Retention：留存，用户是否还会回到产品(重复使用) ?
Revenue：收入，产品怎样(通过用户)赚钱?
Refer：传播，用户是否愿意告诉其他用户?

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。

本文插图

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。
如何量化指标
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。