本文将介绍一些常见的数据指标，以及如何分析。主要有：
1，什么是好的数据指标。
2，什么是虚荣指标，如何规避它。
3，定性指标和定量指标的区别；探索性指标和报告性指标的区别；先见性指标和后见性指标的区别；相关性指标和因果性指标的区别。
4，细分市场和同期群之间的区别。
5，A／B测试，多变量测试
一、什么是好的数据指标
1，好的数据指标是比较性的，例如：“本周的用户转化率比上周高”好过“本周转化率为2%”。
2，好的数据是简单易懂的，容易记住容易被讨论，否则通过它来改变公司的作为将十分困难。
3，好的数据是一个比率。金融分析师通过几个比率就能判断一个公司基本状况，如市盈率、销售利润率等。
4，好的数据指标会改变行为。这是最重要的。
二、虚荣指标和可付诸行动的指标
1，虚荣指标：如果你有一个数据却不知如何根据它采取行动，该数据仅仅是一个虚荣指标。所以，每当看到一个指标，就应该问：依据这个指标我该如何改变当前的商业行为？
2，需要提防的虚荣数据指标（模式）：
点击量——网站上可点击的东西多这个数字就会很高。相比之下，更应统计点击的人数。
页面浏览量（PV值）——即网页被访客请求的次数。除非你的商业模式为展示广告，否则更应统计访问的人数。
访问量——100次访问来自1个用户还是100个用户访问了一次？它无法指导行动。
独立访客数——只能知道多少人访问了网页，却不能告诉你这些人做了什么？为什么停留？
粉丝／好友／赞的数量——毫无意义。应该了解你在社交平台上发起行动，多少粉丝会响应？
网站停留时间／浏览页数——并不能说明问题。如客户在客服或投诉页面停留很久。
收集到的用户邮件地址数量——你不知道多少人会真正打开你的邮件并看。更好的做法：向一部分注册用户发送测试邮件，看他们是否会按照邮件中的提示去做。
下载量——下载量本身并不带来价值。你需要下载后的激活量、账号创建等。
三、多对指标及其区别：
1，定性指标和定量指标的区别：
定量数据：指那些我们跟踪和衡量的数字，量化了的数据。量化数据使用方便，具有科学性，易于归类、表格化。“什么”“多少”。
定性数据：杂乱的、主观的、经验性的、不精确的，类似信息，难以量化。“为什么”。
2，探索性指标和报告性指标的区别：
世界上的事物可以分为4种：
我们知道我们知道的——可能并不为真。需由数据的检验；
我们知道我们不知道的——度量行为，如数钱。可通过度量解答；
我们不知道我们知道的——直觉。验证直觉，把假设变为证据；
我们不知道我们不知道的——探索。与创业的关系最紧密，发现黄金机遇，大展宏图。
对于创业型公司，可以利用好第4种事物。通过分析用户的行为模式和理想行为的分布，发掘高活跃度用户的共同点，找到与自身产品相匹配的市场。找准目标以后，不遗余力的聚焦。要么坚定转型，要么缴械投降。
3，先见性指标和后见性指标的区别：
先见性指标可用于预测未来；后见性指标能提示问题的存在。
创业之初，你所拥有的数据不足以预测未来，这时可以先关注后见性数据。例如，季度订单量对于销售团队而言是一个后见性指标（合同已签），但对于财务是可以知识营收预期的先见性指标（因为客户还没支付合同金）。
4，相关性指标和因果性指标的区别：
发现相关性可以预测未来，发现因果关系可以改变未来。
但因果关系并不是简单的一对一，而是多因素共同作用的结果。证明一个因果关系的方法：找到一个相关性，控制变量并测量因变量的变化。对于创业公司来说，应该在很小的样本容量下进行简化测试。
尽早做出一些“成功”的准绳，分析数据，调整目标。数据分析启示：数据再多也解释不了事情发生的原因的时候，你就需要更了解你的用户，通过采访等形式。
四、市场细分和同期群分析
1，市场细分
细分市场：拥有某种共同特征的人。共同特征比如：使用火狐浏览器，坐头等舱…… 例如：发现高参与度用户来自澳大利亚——找出背后原因——成功要素复制到其他人群。
2，同期群分析
比较的是相似群体随时间的变化。随着产品的迭代，不同时间开始使用的用户有着不同的体验。通过统计分析可以观察处于生命周期不同阶段客户的行为模式。统计分析适用于营收、客户流失率、口碑的病毒式传播、客户支持成本的任何你关注的数据指标。
五、A/B测试和多变量测试
纵向研究：比较不同群体的同期群试验。
横向研究：同一时间段对不同被试群体提供不同的体验。eg:一半用户展示绿色链接，一半用展示蓝色链接，观察分别点击率。
A/B测试看似简单，缺点是只有用户流量巨大的大型网站能对单一的元素进行测试并迅速得到答案，否则进行一连串的单独测试会延长你走向成熟的周期。
多变量测试：用统计学方法剥离出单个影响因子，关联结果中某一项指标提升，分析。
