數據分析總是離不開各種指標和術語，最近我花了一周整理了共120個數據分析指標與術語：用戶數據指標、行為數據指標、業務數據指標、數據分析術語、統計學常用語、數據報告常用術語。

用戶數據指標

IP、UV、PV、VV

IP（Internet Protocol）：獨立IP數。

UV（Unique Visitor）：獨立訪問客數。

PV（Page View）：頁面瀏覽量/閱讀量。

VV（Visit View）：訪問次數。

注：在對視頻產品的數據分析中，VV(Video View)是播放類指標，是指在一個統計周期內，視頻被打開的次數之和。

DAU(Daily Active User)：日活躍用戶數

MAU(Monthly Active users)：月活躍用戶數

DNU(Day New User)：日新增用戶。

活躍留存率：指某日新增用戶在其后N日仍啟動該APP的用戶數，占所選日期新增用戶數的比例。

TGI（Target Group Index)：目標群體指數。

TGI指數高于100，代表該類用戶該特征比例高于整體水平，即具有更高的相關傾向或偏好；小于100，則說明該類用戶相關傾向較弱；等于100表示在平均水平。

TGI指數常用于用戶畫像的評判中，它可以清晰地反映不同群體某一特征的關聯程度，并進行直觀的比較，挖掘更多潛在的用戶價值。

行為數據指標

用戶訪問類的指標有13個：PV、UV、DV、日新增用戶數、獲客成本、用戶訪問時長、人均頁面訪問量、人均瀏覽頁數、平均訪問頁面、訪問來源、平均停留時間、跳出率、搜索訪問次數占比。（其中PV、UV、日新增用戶數前文已介紹，其余指標具體含義如下圖所示。）

用戶轉化類指標共有15個：最近購買間隔、購買頻率、購買商品種類、平均每次消費額、單次最高消費額、日應用下載量、一次會話用戶數、用戶會話次數、漏斗轉化—第一步進入次數、漏斗轉化—中間步進入次數（漏斗中）、進漏斗轉化—進入率（漏斗中）、漏斗轉化—進入次數（漏斗中）、漏斗轉化—進入率（漏斗中）、漏斗轉化—退出次數、漏斗轉化—退出率，這些指標具體含義如下圖所示。

用戶留存類指標共有15個：用戶留存率、渠道留存率、次日留存率、退出率、活躍度、活動參與率、活躍交易用戶數、DAU、MAU、用戶回訪率、用戶流失率、功能使用率、GMV、復購率、退貨率，這些指標具體含義如下圖所示。

用戶社交類指標共有8個：好友數量、帖子數量、看帖數量、回復數量、分享數量、點贊數量、轉發數量、評論數量，這些指標具體含義如下圖所示。

業務數據指標

互聯網線上推廣渠道總體上可以分為5種類型：原生廣告類社交媒體、普通社交媒體、搜索引擎、軟件商店和換量聯盟。

渠道投放相關的數據指標有：曝光量、CPM、CPC、CPA和ROI，這5個指標的具體含義如下圖所示。

此外，還有指標ARPU與ARRPU，這二者分別的含義為：

ARPU（Average Revenue Per User）：每用戶平均收入。

ARRPU（Average Revenue Per Paying User）：每付費用戶平均收益。

最后，關于廣告渠道投放的常見CPM、CPC、CPA等指標，還包括以下6個指標。

CTR（click through rate）：點擊率，是衡量廣告效果非常重要的一個指標：內容被點擊的次數/內容展現的次數。

CVR(Click Value Rate)：轉化率【衡量CPA廣告效果的指標】

CAC(Customer Acquisition Cost)：獲客成本【獲取一個客戶所花費的成本】

CPR(Cost Per Response)：每回應成本【以瀏覽者的每一個回應計費】

ADPV(Advertisement Page View)：載有廣告的pa-geview流量

ADimp(ADimpression)：單個廣告的展示次數

數據分析術語

用戶畫像簡單來說，用戶畫像是根據用戶的社會屬性、生活習慣、消費行為等信息而抽象得出的一個標簽化用戶模型。勾畫用戶畫像的核心在于給用戶貼“標簽”。（涉及的元素比如用戶的姓名、年齡、收入、喜好、購物習慣等等）

海盜模型（AARRR）獲取用戶（Acquisition）、提高活躍度（Activation）、提高留存率（Retention）、獲取收入（Reve-nue)、自傳播（Refer)，這個五個單詞的縮寫，分別對應用戶生命周期中的5個重要環節。

RARRA模型

AARRR模型的核心在于獲客，而在RARRA的模型下，專注用戶的留存。

OSM模型

OSM模型（Object-Strategy-Measure）就是把宏大的目標拆解，[對應到部門內各個小組具體的、可落地、可度量的行為上，從保證執行計劃沒有偏離大方向](http://www.woshipm.com/pd/4356866.html 《OSM模型，最接地氣的業務分析框架》)。

UJM模型

UJM模型（User Journey Map，用戶旅程地圖）就是我們在設計一款產品的過程中，必須要去梳理的用戶生命旅程。

RFM

根據客戶的交易頻次和交易額衡量客戶的價值，對客戶進行細分。RFM是衡量客戶價值的三個維度，分別為R（Recency）交易間隔、F（Frequency）交易頻度、M（Monetary）交易金額組成。

ABTest

AB測試是為APP或Web的界面/流程制作兩個（A/B）或多個（A/B/n）版本，在同一時間維度中，分別讓組成成分相同/相似的訪客群組（目標人群）隨機的訪問這些版本，收集各群組的用戶體驗數據和業務數據，最后分析、評估出最優版本，正式采用。

數據埋點

數據埋點是一種常用的數據采集方法，是數據產品經理、數據運營以及數據分析師，基于業務需求或產品需求對用戶在應用內產生行為的每一個事件對應的頁面和位置植入相關代碼，并通過采集工具上報統計數據，以便相關人員追蹤用戶行為和應用使用情況，推動產品優化或指導運營的一項工程[2]。

用戶生命周期價值

LTV（life time value）也就是用戶生命周期價值，是產品從用戶獲取到流失所得到的全部收益的總和。LTV用于衡量用戶對產品所產生的價值，是所有用戶運營手段為了改善的終極指標，同時LTV也應該是所有運營手段的最終衡量指標。

歸因分析

在數據時代，廣告的投放效果評估往往會產生很多的問題。而歸因分析（Attribution Analysis）要解決的問題就是廣告效果的產生，其功勞應該如何合理的分配給哪些渠道[3]。

統計學常用語

絕對數和相對數

絕對數：是反應客觀現象總體在一定時間、一定地點下的總規模、總水平的綜合性指標，也是數據分析中常用的指標。比如年GDP，總人口等等[4]。

相對數：是指兩個有聯系的指標計算而得出的數值，它是反應客觀現象之間的數量聯系緊密程度的綜合指標。相對數一般以倍數、百分數等表示。相對數的計算公式：

相對數=比較值（比數）/基礎值（基數）

百分比和百分點

百分比：是相對數中的一種，它表示一個數是另一個數的百分之幾，也稱為百分率或百分數。百分比的分母是100，也就是用1%作為度量單位，因此便于比較。

百分點：是指不同時期以百分數的形式表示的相對指標的變動幅度，1%等于1個百分點。

頻數和頻率

頻數：一個數據在整體中出現的次數。

頻率：某一事件發生的次數與總的事件數之比。頻率通常用比例或百分數表示。

比例與比率

比例：是指在總體中各數據占總體的比重，通常反映總體的構成和比例，即部分與整體之間的關系。

比率：是樣本(或總體)中各不同類別數據之間的比值，由于比率不是部分與整體之間的對比關系，因而比值可能大于1。

變量

變量來源于數學，是計算機語言中能儲存計算結果或能表示值抽象概念。變量可以通過變量名訪問。

連續變量

在統計學中，變量按變量值是否連續可分為連續變量與離散變量兩種。在一定區間內可以任意取值的變量叫連續變量，其數值是連續不斷的，相鄰兩個數值可作無限分割，即可取無限個數值。如:年齡、體重等變量。

離散變量

離散變量的各變量值之間都是以整數斷開的，如人數、工廠數、機器臺數等，都只能按整數計算。離散變量的數值只能用計數的方法取得。

定性變量

又名分類變量：觀測的個體只能歸屬于幾種互不相容類別中的一種時，一般是用非數字來表達其類別，這樣的觀測數據稱為定性變量。可以理解成可以分類別的變量，如學歷、性別、婚否等。

均值

即平均值，平均數是表示一組數據集中趨勢的量數，是指在一組數據中所有數據之和再除以這組數據的個數。

中位數

對于有限的數集，可以通過把所有觀察值高低排序后找出正中間的一個作為中位數。如果觀察值有偶數個，通常取最中間的兩個數值的平均數作為中位數。

缺失值

它指的是現有數據集中某個或某些屬性的值是不完全的。

異常值

指一組測定值中與平均值的偏差超過兩倍標準差的測定值，與平均值的偏差超過三倍標準差的測定值，稱為高度異常的異常值。

方差

是衡量隨機變量或一組數據時離散程度的度量。概率論中方差用來度量隨機變量和其數學期望（即均值）之間的偏離程度。統計中的方差（樣本方差）是每個樣本值與全體樣本值的平均數之差的平方值的平均數。在許多實際問題中，研究方差即偏離程度有著重要意義。方差是衡量源數據和期望值相差的度量值。

標準差

又常稱均方差，是離均差平方的算術平均數的平方根，用σ表示。標準差是方差的算術平方根。標準差能反映一個數據集的離散程度。平均數相同的兩組數據，標準差未必相同。

皮爾森相關系數

皮爾森相關系數是用來反映兩個變量線性相關程度的統計量。相關系數用r表示，其中n為樣本量，分別為兩個變量的觀測值和均值。r描述的是兩個變量間線性相關強弱的程度。r的絕對值越大表明相關性越強。

數據報告常用術語

倍數和番數

倍數：用一個數據除以另一個數據獲得，倍數一般用來表示上升、增長幅度，一般不表示減少幅度。

翻n番：指原來數量的2的n次方。

同比和環比

同比：指的是與歷史同時期的數據相比較而獲得的比值，反應事物發展的相對性。

環比：指與上一個統計時期的值進行對比獲得的值，主要反映事物的逐期發展的情況。

增量：增長的絕對量=現期量-基期量

增速：增長速度=（現期量-基期量）÷基期量

增長率：增量與基期量之比。

增幅：即增長的幅度，也可理解為增量。

基期和現期

基期：被用作參照物的時期稱為基期，描述基期的量即為基期量。

現期：相對于基期的稱為現期，描述現期的量即為現期量。

YTD:截止到今天為止今年的

LY:last year去年

YoY——跟上年相比

MAT（moving annual total）：年度動態變化總值

Q4/Q1：4季度/1季度

GDP:國內生產總值

GNH（gross national happiness）：國民幸福指數

GNP:國民生產總值