产品经理必须了解的运营指标体系-轻识

在做产品经理的过程中，我们会用指标体系来衡量自己的工作成绩，而运营人员也有关键的运营指标做考核。

运营的指标是检验产品的健康程度、增长情况、营收收入等关键标准，而产品经理的指标则用于评判业务健康合理、产品商业化进程，总的来说2者是有很大区别的，但又是息息相关。

今天整出产品经理必须学会的运营指标。要说明的是这都是基础性指标，不具有业务性说明。是运营的起点，同时也是行业中专业的最小单元名称。用最小基础性指标搭建业务指标

产品经理的数据指标体系分为4类：

▲ 运营指标分类

运营必备的常规指标

SEM：

搜索引擎营销：英文Search Engine Marketing ，我们通常简称为SEM

这里主要通过搜索目标、以及搜索排名来做营销，比如PMTalk关键词被购买后，搜索PMTalk可以跳转到蓝湖原型产品。

SEO：

Search Engine Optimization，汉译为搜索引擎优化

在这里就是让产品可以被搜索引擎爬取到，并进行最好的展示。比如在PMTalk和其他类型的产品经理，在不考虑广告投放下，你可以搜索到其他的站内的文章，而PMTalk是封闭的，无法得到结果。

CTR：

Click-Through-Rate互联网广告常用的术语，指网络广告（图片广告/文字广告/关键词广告/排名广告/视频广告等）的点击到达率，即该广告的点击量（严格的来说，可以是到达目标页面的数量）除以广告的浏览量（PV- Page View）。

PV：

page view，即页面浏览量，或点击量

PV即Page View，即页面浏览量，指页面浏览的次数，用以衡量用户访问的图文数量。用户每次打开一个图文便记录1次PV，多次打开同一图文则浏览量累计。一般来说，PV与来访者的数量成正比，但是PV并不直接决定页面的真实来访者数量，如同一个来访者通过不断的刷新页面，也可以制造出非常高的PV

UV：

我们日常看到微信公众号文章的浏览量就是UV

unique visitor，指访问某个站点或点击某条新闻的不同IP地址的人数。在同一天内，uv只记录第一次进入网站的具有独立IP的访问者，在同一天内再次访问该网站则不计数。独立IP访问者提供了一定时间内不同观众数量的统计指标，而没有反应出网站的全面活动。

销售额：

规定，销售额为纳税人销售货物或者应税劳务向购买方收取的全部价款和价外费用，但是不包括收取的销项税额。

毛利率：

毛利率（gross profit margin）是毛利与销售收入（或营业收入）的百分比

其中毛利是收入和与收入相对应的营业成本之间的差额，用公式表示：毛利率=毛利/营业收入×100%=（主营业务收入-主营业务成本）/主营业务收入×100%；

净利率：

净利率还可以叫净利润率、销售净利率、销售利润率、经营净利率、主营业务利润率

其实指的都是一样东西，说明企业收入1块钱能净赚多少钱，看该指标的时候可以和毛利率比较一下，两者越接近说明企业的期间费用越低。

广告投放指标

CPM：

Cost Per Mille，或者Cost Per Thousand;Cost Per Impressions)每千人成本

网上广告收费最科学的办法是按照有多少人看到你的广告来收费。按访问人次收费已经成为网络广告的惯例。

CPA：

Cost Per Action 每效果成本——即按照效果付费

CPA计价方式是指按广告投放实际效果，即按回应的有效问卷或定单来计费，而不限广告投放量。CPA的计价方式对于网站而言有一定的风险，但若广告投放成功，其收益也比CPM的计价方式要大得多。

CPA会比CPM更有汇报性，但风险也更大，使用这个指标前要先验证平台的可靠性

CPC：

Cost Per Click;Cost Per Thousand Click-Through 每点击成本

以每点击一次计费。例如百度的商业搜索结果就是以该种计费方式。

CPT：

Cost Per Time，CPT是一种以时间来计费的广告

CPS：

英文全称Cost Per Sales。CPS是一种以实际销售产品数量来计算广告费用的广告

CPPA：

按照到达用户付费

既不是按照浏览量（PV）付费，也不是按照实际效果付费，而是按照到达的用户并有付费行为后才收费。

互联网运营关注的宏观、中观、详情数据

在工作中，由于数据较多，我们需要分层看、和先后主次。找出产品的首要指标以及底层指标，建立出来的宏观、中观、微观数据。

宏观数据

用户概括数据
用户活跃数据
用户活跃数据
用户流量数据
总体运营指标
内容数量数据

中观数据

用户属性数据：

用户终端设备
网络以运营商
用户年龄分布
用户职业分布
用户地域分布
用户兴趣分布
来访次数
独立访客
流量次数
IP数（日、月均）

用户分类数据：

按照注册数据
新注册用数量
老注册用户量

用户生命周期指标：

活跃用户
沉默用户
睡眠用户
流失其期间用户

用户粘性：

用户访问时间间隔
用户访问频率
用户访问时段

用户活跃数据：

平均停留时长
用户登录次数
首次跳出率
二跳率
用户留存数据（7日、3日、30日留存）
平均访问页面数
用户路径（用户的起点到退出重点页面或按钮事件）

用户成长数据：

新老用户数据
用户生命周期
用户等级时长

用户参与度

用户资料修改
用户任务完成情况
用户活动参与情况

AARRR模型指标

简单仅是指标还不够，我们要用指标建立模型来验证运营、产品工作的有效性与否。

而漏斗模型中的AARRR，将其指标拆解为上下层级，用于日常工作的判断。

第一层：来源量

来源量分为新用户和老用户，运营的目标就是老用户绝对值越来越大，比如NBA联盟就是希望他们有越来越多的老用户。

第二层：转化率，转化率是产品运营核心的指标，决定着产品运营的效率，意味着公司更低的成本，更高的利润。转化率可以理解为：期望行为人数除以作用总人数。

第三层：活跃度，用户对产品的真正评价。不同产品对定义活跃度是不一样的，例如电商类是用客单价去衡量活跃度，即销售额除以付费用户数。

第四层：留存率，某段时间内的新增用户，经过一段时间后，仍继续使用应用的被作为是留存用户，这部分用户占当时新增用户的比例即为留存率。留存率反映运营的结果（老用户增长），决定产品成败。

第五层：分享率，目前分享功能已成为产品的标配，自发分享极大影响运营效率。总结来说转化率、留存率、分享率是运营的效率指标，来源量和活跃度是运营的结果指标。

用户体验指标

新型指标中包含了用户体验指标，而Google的用户体验是提出了heart框架，分别是指

1.happiness愉悦感

是设计用户体验重的主观感受，例如满意度、视觉感受、向别人推荐的医院，易用性感知，一般通过广泛的行为数据来制定，测试这个指标时，可以通过设计问卷来监控

2.engagement 参与度

参与度是用户在一个产品中的参与深度，通常用户作为一段时期内防伪的频度、强度或互动深度的综合，比如单用户每周的访问次数，或者用户每天上传的照片数，或者没法发送回复的消息数量

3.adoption 接受度

接受度是通过特定时期内的大量用户统计，比如一个月的用户或约束来判断新用户和老用户的差异，接受度用户预定时期内有多少新用户开始使用产品，比如最近一个月内新注册的用户数

4.retention 留存率

留存率是通过统计特定时期内用户数量，比如一个月的活跃用户数，以此来判断新用户和老用户的差异，留存率用户监控特定时间内多少用户在稍后一个时期内仍然存在。

5.task success

任务完成率包括一些传统的用户体验指标，比如效率（如完成任务的时间）、效果（如任务完成的百分比）以及错误率。

用户生命周期详解

当前使用用户：

即我们平常搜索的UV，也是网站、客户端、小程序登录（去重复）的用户数，用户体现当前产品的运营状况

新用户数：

首次访问或者刚刚注册的用户，那么那些不是首次来访的用户就是老用户，可以用新用户来分析渠道的推广效果或渠道质量好坏。

活跃用户数：

活跃用户的定义千差万别，一般的定义是特定行为，达到某个要求的用户为活跃用户，每个企业都应该根据自身业务特点定义活跃用户，活跃用户可以用户用于分析产品真正掌握了有多少价值用户

流失用户：

是指那些曾经使用过产品或服务，由于对于产品失去兴趣等种种原因，不再使用产品或服务的用户，流失用户用户分析产品对用户的保留能力

回访用户：

指的是拉回之前已经流失用户，但之后又重新访问你的产品用户

以上就是关于基础指标整理合集，下次会整理出产品经理所需要的业务指标

资料参考：

https://www.csdn.net/tags/Mtjagg0sODk4NjYtZG93bmxvYWQO0O0O.html

https://doc.mbalib.com/view/c5970acd9cf034b105418ac610fc7e8c.html?purge=true

https://blog.csdn.net/onlynima/article/details/103190251

我的新书

购买后公众号回复：迭代，进入读者群

行业内资深产品经理社群：每天体验1款app

我创建了一个产品经理社群。加入后365天，每天体验一款APP。提升产品设计能力，同时有1300份体验报告帮助你找到竞品。

从优化&建议、商业模式、运营、功能描述、交互设计、产品定位至少6个维度，体验一款应用。

平均1天1块钱，扫码购买即可加入

连续体验90款应用，通过后原路退回

报名后添加微信：574319420（截图通过）

推荐阅读：

情人节小技巧｜用产品思维找女/男朋友

产品经理必了解的技术架构