增长黑客需要关注指标

在日常的运营数据分析中，包括推广数据、活跃数据、留存数等多项数据，从这3个维度，增长黑客需要关注以下指标： 1.推广数据更关注转化用户的后续行为 渠道效果包括渠道曝光量、渠道转化率、渠道转化ROI、下载量、注册量等表象数据，但这类表象数据并没有有效体现产品的核心指标，因此被列入虚荣指标，过分关注虚荣指标会带来运营方向的偏差。 在推广数据上，增长黑客更关注以下数据： （1）渠道数据变化曲线：通过观察相同渠道在不同主题活动、不同时间因素的影响下，在曝光量、转化率、转化ROI等方面的数据变化，发现数据量高或数据量低时对应的影响因素，找到相关特征。 （2）落地页用户行为：通过对营销推广活动中的落地页进行转化漏洞、行为路径、点击热力图等分析方式，发现用户低转化的流失节点并找到相关原因，提升转化效果； （3）伪新增用户数：伪活跃用户有多种表现特征，例如在发生一次登录行为后再无访问行为、下载注册后次日即流失、访问时间长但访问内容少，可以判断为伪活跃用户。伪活跃用户一方面可能是渠道的假量，另一方面是对产品需求低的用户，观察伪活跃用户数可以定义渠道的获客效果，同时对真实有效用户量有明确的认知。

2.活跃数据更关注用户喜好和使用行为 日常对活跃用户的分析会关注PV/UV/使用次数等数据，将一段时间内访问过产品的用户即定义为活跃用户，但这些也是虚荣指标，并不能指导具体的执行方式。增长黑客在活跃数据方面，更关注以下维度： （1）对活跃用户的定义：增长黑客会通过用户的使用行为来定义活跃用户，例如电商用户的浏览商品数量、工具产品的功能使用频次、资讯产品的阅读文章数量，不仅仅将活跃用户定义为发生过访问行为的用户，而是通过统计体现产品核心价值的用户使用行为来划分活跃用户数量。 （2）浏览时间健康度：增长黑客通过分析用户对某个页面访问时长，计算出平均访问时长，也就是健康值，与健康值对比，单个页面浏览时间过长或过短，都可判断为无效访问，从中去发现数据异常的原因。 （3）使用时长和频次变化曲线：通过观察同一用户在不同时间维度、活动主题维度下表现出在使用时长和使用频次上的变化，判断时间因素影响和内容因素影响。 （4)用户行为路径分析：通过观察活跃用户的使用路径，发现用户自然浏览过程中的行为习惯，指导产品“主流程”体验的设计优化。 (5)可执行指标达成度：用户使用产品核心功能的频次，如浏览商品、加入购物车、浏览文章、发起评论等体现可执行指标的数据维度，观察用户在使用时间、时长、关键词喜好等方面的行为偏好。

3.留存用户更关注活跃规律 在留存分析方面，增长黑客关注留存率、流失率、留存用户的活跃规律、跳出率等数据指标： (1)留存率：留存率是常见的用户数据指标，通过分析不同时间周期下的用户留存率，反馈产品的健康度和对用户的粘性。 (2)流失前行为：与留存率相对的，还有用户流失率，即非留存用户即可算为流失率，增长黑客除了关注流失率的数据外，还会分析流失用户在流失前的行为特征，例如在访问时间、使用路径等方面的数据分析，发现流失预兆，从而提升有相同特征留存用户的相关行为数据。 (5)不活跃率：与活跃率相对的，是用户不活跃率，不活跃用户是流失用户的前兆体现，通过用户连续不活跃率的规律，可以预测用户的流失率。计算方法举例为连续3月不活跃用户的流失率=前3个月不活跃率的乘积。 (6)跳出率：跳出率是指在某个页面结束访问的用户数量在某个页面的整体用户访问数量中的占比，或页面浏览完成度低于20%的用户的占比，由此可以发现跳出严重的页面并进一步分析特征。