数据和指标是不同的，数据只是一个数字，而指标是设计的结果，是以目标为导向的。虽然数据已成为企业的一种“新货币”，在拥有更多数据货币的同时，企业一定更希望将其应用于业务增长，迅速获取数据的价值，同时在挖掘数据价值的过程中，让这些价值变成可执行的策略。本文通过案例，详细介绍了数据分析的第一步，也是最关键的一步——梳理指标的核心思路。

　　内容提要：

　　定义：「可付诸行动」的指标

　　基于2A3R模型，梳理「可付诸行动」的指标

　　这里强调“可付诸于行动”这一概念，因为，指标最终是为了指导实践的，如果一个每天都关注的指标，却不知道该如何根据它来采取行动，那这个指标就没有发挥出数据应有的价值。因此，在制定指标时需要有一个明确的目标。

　　在开始之前，简单分享一些基本数据方面的概念——2A3R模型：

　　如果把地球看成一个APP，用户就好比地球上的人。每年出生1.4亿人，目前70亿人活在世界上，已经累计死去1080亿人。其中出生人数就像是新增用户，现存70亿人口等同于活跃，累计死去的人意味着流失，“人活七十古来稀”的概念与留存周期类似，人们生育繁衍又与产品的口碑传播很像。这样，我们可以一一对应这些用户生命周期中的概念：新增/获取(Acquisition)、活跃/激活(Activation)、留存(Retention)、传播(Refer)等，对于互联网产品而言，还有一个商业变现/营收(Revenue)的环节。这五个环节，就构成了我们常说的AARRR用户生命周期模型。

　　现在，基于2A3R模型，将业务流程与用户生命周期历程各阶段做对应，获取和激活这两个阶段，在流程图中有一个非常清晰的对应关系，而留存、营收和传播往往是交织在一起的，但是交织也不意味着一团乱麻，其中还是有一个清晰的逻辑线，当逐一对应起来后，需要基于业务特点来梳理具体指标。

　　获取

　　这一环节将定义基本的衡量指标，比如：新增用户数和活跃用户数，高质量新增用户数(这里的高质量用户，以金融理财产品为例，可通过「是否查看理财项目」来定义)。

　　重点解释：「高质新增用户中一次性用户占比」

　　一个指标的定义，要让使用者(相关业务部门)明确的知道该如何采取行动，予以改进。想像一下，如果定义一个指标叫「一次性用户数」，如果这个指标上升了，那意味着很多种可能的情况，可能是流量(都是假量)，可能是进入产品后出了什么问题，还有可能是根本没有什么问题，只是做活动后新增用户猛增，所以「一次性用户数」这个绝对数量也有上升而已。

　　而比较而言，「高质新增用户中一次性用户占比」这个指标就非常明确，如果这个指标出现了问题，肯定不是假量或者绝对数量的问题，必然是用户进入产品后出现了问题，此时立刻找到产品部门深入分析就对了。

　　——这正是“可付诸于行动”的数据指标的特点：清晰且高效。

　　另外，针对获取阶段的分析和指标会有一些常见的监控维度，比如渠道、产品版本、来源、地域、关键词等等，这些信息可根据业务特点去做更细维度的拆分，重要流程可单独定义指标进行查看。

　　比如：

　　产品大改版，那么需要在新版本上线前拆分和定义清晰指标，在改版后快速评估，关注状态，随时迭代优化;

　　产品受众主要是二三线城市的用户，需要将关键城市梳理出来，进行一个清晰的定义。同时，一旦指标出现波动，从刚才列举出的常见的监控维度去判断问题，基本能覆盖90%，快速定位原因。比如：怀疑假量，先看地域，再看 ip 基本可以做出一个锁定，更深入的可以查看屏幕分辨率等维度，如此，假量操作基本就能完成判断了。

　　激活

　　基于关键的用户行为，即可定义指标。

　　重点解释：

　　1、「注册用户注册当日绑卡转化率」

　　这一指标的「可付诸于行动」的价值，不仅体现在定位波动原因，而且体现在指标即目标，这个指标本身就提出了业务目标，即用户注册后，目标就是在注册当天让用户能够进行绑卡，不断提升这个指标的转化率，必然能够提升整个产品的价值;

　　2、「新增到首投平均时间趋势」

　　这一指标，从整体上衡量产品和项目吸引用户的能力。

　　如果在激活阶段的这些指标出现波动，即可将分析的关注点集中在「影响分析」的几个维度。

　　重点解释：「用户引导路径」