数据和指标是不同的，数据只是一个数字，而指标是设计的结果，是以目标为导向的。虽然数据已成为企业的一种“新货币”，在拥有更多数据货币的同时，企业一定更希望将其应用于业务增长，迅速获取数据的价值，同时在挖掘数据价值的过程中，让这些价值变成可执行的策略。本文通过案例，详细介绍了数据分析的第一步，也是最关键的一步——梳理指标的核心思路。
内容提要：
定义：「可付诸行动」的指标
基于2A3R模型，梳理「可付诸行动」的指标
这里强调“可付诸于行动”这一概念，因为，指标最终是为了指导实践的，如果一个每天都关注的指标，却不知道该如何根据它来采取行动，那这个指标就没有发挥出数据应有的价值。因此，在制定指标时需要有一个明确的目标。
在开始之前，简单分享一些基本数据方面的概念——2A3R模型：
如果把地球看成一个APP，用户就好比地球上的人。每年出生1.4亿人，目前70亿人活在世界上，已经累计死去1080亿人。其中出生人数就像是新增用户，现存70亿人口等同于活跃，累计死去的人意味着流失，“人活七十古来稀”的概念与留存周期类似，人们生育繁衍又与产品的口碑传播很像。这样，我们可以一一对应这些用户生命周期中的概念：新增/获取（Acquisition）、活跃/激活（Activation）、留存（Retention）、传播（Refer）等，对于互联网产品而言，还有一个商业变现/营收（Revenue）的环节。这五个环节，就构成了我们常说的AARRR用户生命周期模型。
现在，基于2A3R模型，将业务流程与用户生命周期历程各阶段做对应，获取和激活这两个阶段，在流程图中有一个非常清晰的对应关系，而留存、营收和传播往往是交织在一起的，但是交织也不意味着一团乱麻，其中还是有一个清晰的逻辑线，当逐一对应起来后，需要基于业务特点来梳理具体指标。
获取
这一环节将定义基本的衡量指标，比如：新增用户数和活跃用户数，高质量新增用户数（这里的高质量用户，以金融理财产品为例，可通过「是否查看理财项目」来定义）。
一个指标的定义，要让使用者（相关业务部门）明确的知道该如何采取行动，予以改进。想像一下，如果定义一个指标叫「一次性用户数」，如果这个指标上升了，那意味着很多种可能的情况，可能是流量（都是假量），可能是进入产品后出了什么问题，还有可能是根本没有什么问题，只是做活动后新增用户猛增，所以「一次性用户数」这个绝对数量也有上升而已。
而比较而言，「高质新增用户中一次性用户占比」这个指标就非常明确，如果这个指标出现了问题，肯定不是假量或者绝对数量的问题，必然是用户进入产品后出现了问题，此时立刻找到产品部门深入分析就对了。
——这正是“可付诸于行动”的数据指标的特点：清晰且高效。
另外，针对获取阶段的分析和指标会有一些常见的监控维度，比如渠道、产品版本、来源、地域、关键词等等，这些信息可根据业务特点去做更细维度的拆分，重要流程可单独定义指标进行查看。
比如：
产品大改版，那么需要在新版本上线前拆分和定义清晰指标，在改版后快速评估，关注状态，随时迭代优化；
产品受众主要是二三线城市的用户，需要将关键城市梳理出来，进行一个清晰的定义。同时，一旦指标出现波动，从刚才列举出的常见的监控维度去判断问题，基本能覆盖90%，快速定位原因。比如：怀疑假量，先看地域，再看 ip 基本可以做出一个锁定，更深入的可以查看屏幕分辨率等维度，如此，假量操作基本就能完成判断了。
激活
重点解释：
1、「注册用户注册当日绑卡转化率」
这一指标的「可付诸于行动」的价值，不仅体现在定位波动原因，而且体现在指标即目标，这个指标本身就提出了业务目标，即用户注册后，目标就是在注册当天让用户能够进行绑卡，不断提升这个指标的转化率，必然能够提升整个产品的价值；
2、「新增到首投平均时间趋势」
如果在激活阶段的这些指标出现波动，即可将分析的关注点集中在「影响分析」的几个维度。
重点解释：「用户引导路径」
在产品迭代过程中，往往会忽略一些已经解决的问题，或者不存在的问题。当新版本上线后，原来被解决的问题，突然又暴露出来，「用户引导路径」就是常常被忽略的一个点；类似的另一个点就是「安全信赖感传达」的设计和内容，如果调整不当，很容易带来波动。
留存、营收、传播
留存、营收和传播阶段，交织在一起的这部分很难完全拆分干净，也没必要完全拆分干净，这三个阶段往往都是互相关联的。这阶段能体现「可付诸于行动」的指标，比如「追加资产复投占总复投次数的比例」这个指标，一样能够评估出复投用户中追加资产投资和获利继续投资的差异。
该阶段影响指标的因素主要是产品的核心价值，比如投资回报率的设计，投资周期的设计，投资计划的设计等。同时，之前所有的蓝色这一栏的内容都会影响数据，影响用户决策的因素。
总之，好的指标是能够让人明确目标，「可付诸于行动」的指标往往是一个比率，因为比率能够很好的衡量数据与数据之间的关系，反映真实健康的状态；同时，如果能够与业务结合紧密且设计得当，那这个指标就能变成促进各部门工作且时刻让每个岗位明确目标的指标。
其次，好的指标，互相之间是有所关联的，一旦某个指标出现问题，必然会指向其他几个指标，互相关联就能快速定位问题。
打个比方，如果新增到首投平均时间趋势下降了或者变快了，那么有可能是注册绑卡充值投资环节留存的某个阶段首日转化率提升了，也有可能是羊毛党占比变大了，由于羊毛党的目标明确，并没有决策期，所有投资决策时间往往会更短。
如此定位，基本上都能够快速找到数据波动的原因以及可以有所提升的关键点。其实，定义指标其实并不难，只要掌握了方法，且一定要围绕用户、围绕业务本身来思考数据衡量，围绕目标和方向来定义指标。
