作为一个5年+的数据打工人，相信只要与数据打过交道，都直接或间接的接触过“指标”相关的问题或需求，那么，我们今天就来聊聊指标里的那些“坑”
指标搭建过程
开局先上图：
我们来详细解读一下：
第一步：确定目的
目的很重要！目的很重要！目的很重要！
重要的事情讲三遍～
“把问题描述出来，问题就解决了一半”
一样，确定度量的目的，就基本知道需要什么指标了
我们第一步一定要和产运确定好度量的目的
如果想看用户粘性，我们可以使用留存率、活跃频次、DAU贡献度等
如果想看用户消费，我们可以使用点展比、pv均消费次数、日均消费次数等
一切的指标，都是为目的服务
所以，我们确定好目的，就如同客人点好了菜，我们才知道要做什么
第二步：确定评估维度
客人点好了菜单，作为厨师，我们就要开始配菜了
#其实“菜”点了，作为一个有经验的“厨师”，我们就知道需要什么样的配料了
通过目的的确认，我们可以把具体业务拆分为产品功能和业务过程，我们把功能映射到相应的指标上，生成最初的原子指标，也就是无法再次拆分的指标
如：XX页面的PV，是该页面的原子指标之一，XX页面的点击次数，也是该页面的原子指标之一
通过目的，我们找到了对应产品功能下的原子指标；
但是，我们怎么确认，我们筛选出的（原子）指标能够更全面的反应功能的情况呢？
后面我们接着说
第三步：明确计算逻辑
配料之后，我们就要开始做菜了
产品功能映射完了，我们还需要对原子指标进行处理：组合原子指标，修饰原子指标，使其变成派生指标（也就是在原子指标上，加入业务流程）
举例：
CTR（pv均点击次数） = 点击次数 / PV
#业务流程：该功能能够被点击&展现，想要度量一次展现，能够带来几次消费
XX功能当日UV渗透率 = 使用XX功能人数 / 上级功能使用人数
#业务流程：该功能通过某个上级功能流转过来，想要度量该功能被消费的效率/漏斗
这些指标都有明显的修饰词，或是由多个原子指标组合而来，这些就是派生指标
派生指标就类似做菜时的烹饪手段，煎炸炒烧，如何把原子指标“做成“我们需要的指标，从而更好的度量产品，反应产品好坏，达到我们建立指标的目的，才是我们最关键的步骤
第四步：计算波动阈值
大多数分析师可能都不会算波动阈值，觉得没有必要或者麻烦
但是如果我们算了波动阈值，会有哪些好处呢？
主要有以下3点：
1、事前：非常明确的知道，波动是否处于正常范围，从而及时的发现和提出问题
举例：某APP，日常DAU 1000w左右，昨日波动了15w，那么，15w是正常值还是异常值？如果我们率先发现提出了问题，我们后续是否能够更多的进行分析，摆脱Sql Boy的“命运”（参见上篇文章《你是Sq Boy/Girl，表哥表姐吗》）
2、事中：建立相应的AB-test评估体系，指导产运进行实验分析
举例：某功能上线了一个实验，CTR从基准桶的50%上涨至53%，涨幅的3%是否有收益？如何衡量收益大小or正负？
3、事后：沉淀复盘，培养自己的数据敏感度
举例：某会议上，产运找你聊想要做的实验，预计会影响的指标，问你如何评估影响或计算收益，你直接说出这项指标的“经验波动阈值”，产运后续是否会更信服你，后期是否更容易开展工作
但是，切记：
不同的流量下，波动的大小不同，阈值也会不一样
所以我们需要计算的是： 常用流量分桶 （不同流量区间）的波动阈值
切忌一切波动都套用大盘波动阈值
#关于为什么会不一样，概率论里有说明
常用指标举例
上文留了一个疑问：如何保证指标能够较全面的反应产品情况？
我们现在来解答一下：通过指标的分类，我们会大致知道，在不同的度量目的下，需要建设怎样的指标
从覆盖角度来说，我们可以大致把指标分为 横向指标 & 纵向指标
纵向指标：漏斗转化，如UV渗透率
但是纵向指标有一个非常明显的缺点：渗透1次，UV算1次，渗透2次，UV渗透还是只算1次，所以，我们就需要横向指标
横向指标：人均点击次数、人均消费次数
在度量纵向效率的同时，我们还需要度量横向的消费效果，类似坐标轴里的的XY轴才能确定坐标；横向指标和纵向指标组合，我们才能度量不同场景下的产品情况
从度量内容来说，我们可以大致把指标分为 效率指标 & 消费指标 & 活跃指标
效率指标：度量服务效率是否高效，如功能渗透率、用户转化漏斗等
消费指标：度量用户的消费深度 & 消费广度 & 消费满意度，如 消费页面数、页面停留时长、功能尾点击比例等
活跃指标：度量用户的活跃度，如 周活跃天数，XX留存率，XX使用频次等
从业务角度来说，近期随着视频的兴起，我们把指标分为 视频指标 & 非视频指标（社交or电商or流量）
视频指标：
3vv ：观看时长>=3s的观看数 / 总观看数
长播/完播率 ：播放比例>=0.6或0.8的观看数/ 总观看数
平均视频观看数：总观看视频数 / 打开APP次数
平均观看时长 ： 总观看时长 / 打开APP次数
... ...
非视频指标：
DAU：Daily Active User，即日活，这里有个坑：一定要明确口径；是打开APP即算日活？还是打开超过10s算日活？还是其他条件？很多分析师只知道日活，但是并不知道日活的口径，这会导致DAU波动时拆解逻辑不对，得出错误结论
NU：New User，即新增，也需要注意口径的坑，是下载就算，还是激活APP就算，还是新增注册才算？
GMV：Gross Merchandise Volume，即交易金额，注意，GMV理论上来说，含有已付款&未付款，但是各个公司不一样，需要注意口径
LVT：客户生命周期价值，这个在做渠道时常用，咱们下期文章再来解释指标的详细计算逻辑和波动拆解，敬请期待
CAC：获客成本，这个也是做渠道时常用，咱们也下期讲
... ...
指标太多，大家可以多看看相关书籍，也可以多总结沉淀自己用过/见过/了解过的指标，后期对于产品的分析，策略的制定，都有很大的帮助
好了，本期内容就是这些，希望对你有帮助