在互联网公司，进行设计方案评审的时候总会听到一些这样的声音“拿数据说话”。数据驱动设计也不无道理，在一定程度上，数据能揭示出产品用户的行为和习惯，通过这些关键数据也能帮助和改进产品设计方案。同时，站在公司或产品经理的角度，他们都会关注一些关键数据指标，如转化率，留存率，日活，月活等。那什么样的数据指标是值得我们去关注的，并且能帮助企业或者产品找到自己的市场和改进的方向。在《精益数据分析》一书中，作者讲到关于好的好的数据指标的一些准则。

一.什么是好的数据指标？

1.好的数据指标是可比较性的：如果能比较某数据指标在不同的时间段，用户群体，竞争产品之间的表现，可以帮助我们更好的洞察产品的实际走向。如某医疗APP本周的患者购药率比上周高，通过不同时间段的对比，可以找出“高”的原因。

2.好的数据指标是简单易懂的：团队或公司其他同事都能轻易的记住或讨论这个指标。如用户增长率。

3.好的数据指标是一个比率：比率之所以是最佳的数据指标，有以下原因：

原因1：比率的可操作性强，是行动的向导：如开车时的速度（距离/小时），速度就是一个比率，我们可以通过改变速度来操控到达目的地的时间。

原因2：比率是天生的比较性指标：如通过对比每月新增用户率来判断产品的用户是否在稳步上升。

原因3：比率还适合用于比较各种因素间的正相关和负相关：如滴答清单APP产品采用的是免费+收费的模式，那会面临一个选择，为了吸引用户是否在免费版本中加入足够丰富的功能，还是将这些丰富的功能保留在付费版本中，以促使用户进行付费行为。

4.好的数据指标会改变行为：刚刚可以通过一些“试验指标”来进行测试，并帮助产品进行优化，定价和市场定位。比如：如一半以上的用户反馈数据驱动营销，不会为滴答清单中“日历小部件”进行付费，可以决定不去开发该功能或将该功能放入免费版本。

一个好的数据指标之所以能改变商业行为，是因为它与你的产品目标是一致的：保留用户，鼓励口碑传播数据驱动营销，有效获取新用户或创造营收。

二.如何找到正确的数据指标？

1.定性指标和量化指标：

定性指标：通常是非结构化的，经验性的，揭示性的，难以归类的。

量化指标：涉及很多数值和统计数据，提供可靠的量化结果，但缺乏直观的洞察。量化数据使用方便，具有科学性，也易于归类，外推。如电影评分，点赞数等量化数据。

如果定量数据回答的是“什么”和“多少”这样的问题，那定性数据则是回答“为什么”。定量数据排斥主观因素，定性数据吸纳主观因素。

2.虚荣指标和可付诸行动的指标：

虚荣指标：如果你有一个数据，却不知道如何根据它采取行动，就是虚荣指标。需要利用数据揭示信息，指明方向，帮助产品改进商业模式，决策下一步的行动，这才是“数据驱动决策”。文章中提到的8个需要提防的虚荣指标：点击量，页面浏览量，访问量，独立访客数，粉丝/好友/赞的数量，网站停留时间/浏览页数，收集到的用户邮件地址数量，下载量。

可付诸行动的指标：是“活跃用户占总用户的百分比”（活跃用户占比）。这个指标揭示了产品的用户参与度。如果产品作出调整，这个指标上升，那就可以按照调整的方向继续迭代。另一个可以关注的指标是“单位时间内新增用户数量”（新用户增速），它对于比较不同营销手段的优劣往往很有帮助。

3.探索性指标和报告性指标：

探索性指标：是推测性的，提供原本不为所知的洞见，帮助你在商业中取得先手优势。

报告性指标：适合对公司的日常运营，管理性活动保持信息通畅，步调一致。

4.先见性指标和后见性指标：

先见性指标：可用于预测未来。如透过“销售漏斗”中现有的潜在客户数，能大致预测将来能获得的新客户数。比如某产品一段时间内的用户投诉量，可以作为用户流失的先见性指标，如果投诉量继续增加，用户放弃使用你的产品或服务的概率就增大，因此，该指标可以帮助了解产品和服务的真实情况。

后见性指标：揭示当前存在的问题。如用户流失（某一时间段内离开产品或服务的客户量）。流失的客户多半是找不回来，但是可以通过这一指标帮助产品降低产品用户流失率。

5.相关性指标和因果性指标：

相关性和因果性指标：即两个或多个以上的指标有相关性，发现相关性可以帮助你预测未来，而发现因果

来源【全网营销】自媒体，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！