很多同學面試時候都會被問到產品數據，用戶體驗等問題，這篇文章將講解產品數據中面試官最為在意那幾個指標，以及用戶體驗的考核方法。*本次話題我會分為上、中、下兩篇文章，此文關于產品數據哪些值得我們看，如果這篇文章能幫助到你，還請點贊、分享我會抓緊你分享下一篇怎么體驗度量的方法文章。
1 為什么大廠面試都會問數據
a 數據衡量你的項目是否真實
現在ui市場競爭激烈，選人也很苛刻，面試官判斷一個人是否可以入職大廠的第一個指標就是真實，而數據類的問題往往是劃分這個人做的項目是否真實的一個重要指標。
因為只有真實的項目才會有數據的提現，自由發揮的項目往往是答不上來有關數據的問題。
所以在大廠面試中都會或多或少的提問數據相關問題，這也是很多同學能進入大廠的一條重要分水嶺。
b 錄取后給你定什么職位
設計師群體偏感性，單單的看設計作品很難和其他競爭者拉開差距，所以需要理性的數據思維拉開與其他設計師的差距增添自己競爭力的附加值，另外一點通過產品數據的表述可以更有力的證明自己設計方案是最好的方案，方便后期給予定位高級、資深還是專家崗位。
2 數據在項目中的作用
設計師在做多個設計方案對比的時候會遇到這樣的提問，現有的設計方案是最適合用戶的嗎？究竟哪個版本是更好的？為什么是這個版比較好？有的人拿產品埋點數據來評判，有的人用用戶反饋來評判，也有的人則坦言需要靠老板的建議來進行評估。
a 數據是一個衡量好壞的一個指標
數據是衡量一個產品甚至一個功能最為科學的辦法，他在不同的開發場景中都起到很重要的作用。比如：
·在設計開始前，數據可用于發現問題、分析問題。從數據角度了解用戶訴求，發現產品存在的問題，為產品設計優化提供啟發和突破口。
·設計過程中，數據可用于幫助決策。通過歷史數據論證各個方案的優劣和有效性，再擇優。
·設計評審中，數據可提升設計方案說服力。通過理性數據分析，獲得團隊內部成員、產品/業務方對方案的認可。
·設計上線后，數據可用于量化用戶體驗價值。通過采集上線前后的數據變化，判斷設計目標的實現程度。
大家有沒有發現在我陳述的過程中，一直在說數據分析，那這個數據分析是怎么來的來呢？
其實數據分析就像是一個個監控產品數據波動的攝像頭，實時監控著數據的波動。以下是我整理關于數據埋點的理論知識，讓大家對數據埋點這個概念有個清楚認知。
b 數據對設計師的三個意義
很多人會認為數據是產品經理、運營的工作，其實不然數據對設計師也是設計師的工作，我把數據對設計師的意義歸納為三點：
1）為設計提案做依據
產品設計者可以由產品經理，UX，UI擔當，那需求不能自己憑空出現的，是由相關人員需找出來了，數據就好比一個放大鏡，它可以通過線上的數據波動來找尋目前存在的問題即需求。其實這就好比設計師的思維又產品思維轉換成數據驅動思維。比如
1、產品初期，沒有產品、沒有相關的后臺數據，那我們要做一個什么樣子的產品，就這一個需求。做什么樣子的產品可以通過了解大眾用戶、了解大眾市場的數據分析報告得出一個結論，明確我們要做什么樣子的產品，這就是數據對設計師的第一個價值做設計提案的依據。比如以下這些場景都需要數據做依據進行設計提案。
2）驗證方案是否解決用戶需求
判斷這個設計方案是否解決用戶需求：
2、在多個設計上線后，產品設計、運營方案與產品研發的三方對設計師輸出的方案存在分歧點。
也可以通過后臺的數據反饋來篩選出哪個方案最符合產品目標（即北極星指標），在多個設計方案中最好的設計解決方案。
3）晉升中衡量設計價值的指標
當然也有一些公司，做為后期晉升，評判設計價值的一種方法。
比如怎么證明自己的設計方案和其他同事相比，設計方案就好呢？通過數據對比，說明自己輸出的設計方案價值遠高于其他同事，以此證明自己的價值。
3 數據常用于哪里
其實在我們的工作中有很多設計方法可以輔助我們設計更好的設計方案，比如用戶調研，競品分析，產品測試等。這些方法都是通過對用戶數據的反饋和整理來判斷去發掘方案里面的問題、驗證最終方案是用戶是否滿意。
用戶調研：可以把字拆解開來看就兩個字面意思，調查：反映客觀事實。研究：分析客觀事實
主要的形式是用戶調研和用戶訪談，直接出過這篇文章，有興趣的朋友可以查閱。
傳送門地址：http://www.woshipm.com/pd/4745810.html
競品分析：確定幾款市場上競爭產品，然后通過對產品功能、產品定位，信息架構、顏色、布局、風格等元素的分析，找不同點，再通過數據對比確定產品方案的一種辦法。
（因為不同職位做競品分析的目的，角度和方法都不相同，這里我就不一一講解了，如果大家有需要后期我會考慮開一篇怎么做競品分析的文章）下圖是制作競品分析的常規流程。
產品測試：這種方法是用處最廣的一種方法，可用性測試是指讓一群具有代表性的用戶按照指令對產品進行典型操作，同時觀察員在一旁觀察、記錄。
比如我們發現首頁Banner的點擊率很低，這時候我們就要想辦法「通過設計」來提升Banner的點擊率，是Banner的大小問題？還是輪播圖切換的速度問題？還是圖片樣式的問題？
但是設計師沒辦法直接確定他到底是什么問題，所以就需要拿出不同方案給用戶測試，看看哪個方案更容易促進他點擊。
常用的測試辦法有很多這里我就講三個方法：一個是可用性測試、一個是灰度測試、一個是A/B test測試。
可用性測試：通常在產品開發之前使用，模擬真實的使用場景讓用戶體驗，目的是使用最小的成本來輸出正確的設計方案，避免全部做出來以后在進行調試修改。
灰度測試：是指產品開發通過后，將測試的版本發布到真實的線上環境中去，收集用戶的反饋。
A/B test 測試：是指產品測試通過并發布之后，同一個功能將使用人群分為兩個部分，一部分人使用a方案一部分使用b方案，對比數據波動。
數據的緯度有很多，首先咱們先來看看產品的數據都從哪里來的。通常情況下設計師可以直接找運營人員、產品經理、設計負責人在公司服務器日志里面調取產品埋點數據；或者項目結束后，項目負責人會發產品復盤郵件，數據考核郵件指標等信息，產品埋點數據也會在復盤郵件中體現。
除了以上兩點數據來源，還有CNZZ網站分析、百度統計、goodle anlytics可以查詢到相關數據。
1 數據可以分為「三個層面」
產品中的每一項數據其實都代表產品的一個緯度的數指都有其意義，如果想用比較簡單的方法記住這些有用的數據不妨試一試以下這個辦法：
我們可以把數據分為三個層面進行記憶，即用戶數據 （描述用戶人群的）；行為數據 （描述用戶使用方式的）；業務數據 （描述產品營收的）。
2 用戶數據的「四個維度」
用戶數據 （描述用戶人群的）主要意思就是描述使用產品的這個人群的。這里有四個比較有價值的概念需要大家了解分別是存量、新增用戶、用戶留存、渠道來源這四種。
a 訪問量
訪問量也有人稱其為活躍用戶數、用戶存量，其實都是一個意思。簡單理解就是指一個人來到網站，然后瀏覽了一些內容之后離開網站的過程（這個過程也會被稱為訪問），既在特定的統計周期內，再次訪問產品的用戶稱為訪問量。有三個專業名詞—DAU/WAU/MAU(日活/周活/月活)：每天有多少用戶來用產品，每周有多少用戶來用產品，每個月大概有多少用戶來用產品，這是判斷產品規模的最基本的指標。方便產品和設計人員了解產品的每日用戶情況，了解產品的用戶變化趨勢。
DAU（日活）：某個自然日內訪問產品的用戶，算該日一次日活（統計結果去重統計）；
WAU（周活）：某個自然周內成功訪問產品的用戶（統計結果去重統計），這個指標是為了查看用戶的類型結構，如輕度用戶、中度用戶、重度用戶等；
MAU（月活）：某個自然月內成功訪問產品的用戶（統計結果去重統計），這個指標一般用來衡量被服務的用戶粘性以及服務的衰退周期。
*這里補充一個知識點-去重統計：統計結果是按照設備去重統計，如同一個設備多次訪問后臺只記一個活躍用戶。
b *新增用戶
新增用戶是一個企業很看中的數據，特別是在業務的起步階段，這個指標尤為重要；這個代表公司的潛力。比如拼多多這家公司一年比一年虧損多，但股價卻越來越高，主要原因就是資本市場看好拼多多用戶的增速，按照統計跨度不同分為日新增（DNU）、周新增（WNU）、月新增（MNU）。
*在新增用戶里面還有一個“用戶流失率”的概念需要大家了解。流失率指那些曾經使用過產品或服務，由于各種原因不再使用產品或服務的用戶，用戶流失率=某段時間內不再啟動應用的用戶/某段時間內總計的用戶量。
產品階段不同，重心也會從拉新轉移到留存，對于一個成熟的產品和飽和的市場而言，獲取一個新用戶的成本可能是留住一個老用戶的數倍，流失率的降低也意味著營收的增加，在這種條件下，流失率的價值是顯而易見的。
提到新增用戶就一定要說《增長黑客》，這本書里邊提到一句話非常精煉的概括了“增長”的概念：以數據驅動營銷，以迭代驗證策略。通過這句話應該就可以感知整本書的中心思想就是“數據”和“實驗”，即AARRR（海盜模型）模型。通過闡述了一個用戶生命周期的各個階段——獲客、激活、留存、變現、推薦和召回，實現用戶增長的產品目標。
*a-ha moment：a-ha moment也叫Aha時刻中文翻譯過來就是尖叫時刻，是增長的一個概念詞匯，是指用戶通過某個特定行為（產品內的功能體驗）得到了很爽的體驗，用戶可以快速且準確的認識到產品的價值。例如很多知識付費類產品，都會讓新用戶完整的體驗視頻看課的流程并且感知到課程的價值，很可能變成產品的新增用戶。
c *用戶留存
上線的產品怎么反映用戶的狀況是不是健康呢？最好的指標就是留存率。即在某一統計時段內的新增用戶數中再經過一段時間后仍使用產品的的用戶比例（留存率=留存用戶/新增用戶*100%）。留存率又分為次日留存率，次周留存率，次月留存率等。
以上三個指標的數據越好能反映用戶愿意留下來，才能說明他們對產品的服務滿意，滿意才能養成慣性，持續消費，例如產品改版后，次月留存率提升了，且其他變量沒有變化時，說明用戶粘性是上升的設計改版成功。所以這三個指標是產品體驗最直觀的數據。
1）次日留存率，常用來衡量用戶粘性。
通過日留存率的數值來判斷一個 App 的質量，通常這個數字如果達到了 40% 就表示產品非常優秀了，比如可以結合產品的新用戶注冊的轉化路徑來分析用戶的流失原因，通過不斷的修改和調整來降低用戶流失，提升次日留存率。
2）次周留存率（7日留存率），用于判斷產生的忠實用戶數。
通過周留存率來判斷一個用戶的忠誠度，比如在一周的時間段里，用戶通常會經歷一個完整的使用和體驗周期，如果在第七日用戶還在使用產品，就可以定義該用戶為忠誠度較高的用戶了。
3）次月留存（30日留存率），用于衡量版本迭代的效果。
通常 App 的迭代周期為 2 - 4 周一個版本，一個版本的更新，或多或少的影響用戶的體驗總成用戶流失，所以通過比較月留存率能夠判斷出每個版本更新是否對用戶有影響，衡量版本迭代的效果。
d 流量獲?。ㄇ纴碓矗?
根據字面意思來講就是描述用戶路徑，來指的是這些人變成用戶之前，都來自哪里；知道用戶從哪里來才能知道在哪個渠道做推廣會更有效，一般和用戶留存的數據搭配使用。
3 「行為數據」的五個緯度
關于行為數據是數據中的一個重點知識，此次主要講解次數/頻率、點擊率、轉化率、用戶停留時長、跳出率、退出率這個五個緯度。
a 頁面訪問次數（pv）和人數（uv）
這兩個指標能夠了解用戶的使用行為，衡量頁面入口的設計和與其他入口的設計相比是吸引用戶的注意力的核心指標。
·頁面訪問次數（PV ；PageViews的縮寫）用于判斷該活動/頁面/功能被用戶查看的次數，即頁面瀏覽量；
·頁面訪問人數（UV；Unique Visitor的縮寫）用于判斷有多少個用戶查看過該活動/頁面/功能，即訪問深度，也就是指用戶的訪問深度（總產品流程的體驗完成度）。
b 點擊率(CTR)
點擊率（人均點擊次數）是指網站頁面上某一內容被點擊的次數與被顯示次數之比，即點擊次數占展示次數的百分比。通過人均點擊次數可以判斷交互/視覺的設計要求是否足夠引人注目，也可以用于衡量該功能對用戶而言是否為強需求。通過下面這個案例讓大家了解一下用法，比如7月7日10萬人點擊了“確定”按鈕，其中一共點擊了12萬次，那么點擊率（人均點擊次數）為12/10=1.2次。
*點擊率中也常常會結合pv和uv的數據使用，即PV點擊率=點擊次數/頁面訪問次數（PV）；UV點擊率=點擊人數/頁面訪問人數（UV）
c *轉化率
轉化率即達到產品某個目標的訪問量除以總的訪問量，或達成目標的訪客數占總訪客的比例，即轉化率=轉化次數/訪問次數。簡單理解轉化率是把用戶分為“只逛不買”的用戶，還有“逛了 就買”的用戶，還有“逛了買買買”的用戶。
為什么說轉化率很重要，因為轉化率常常是項目中企業最為看重的一個數據，畢竟轉化率高了公司收益也就提高了，而且轉化率的提升也常常是解釋設計方案最好的支點，比如：在國外的養老計算器中，用戶需要輸入相關的字段后查看計算結果詳情，最后得出計算結果，在這個流程中用戶的轉化率很低（在結果詳情中會有金融產品）。但是如果把結果前置，比如新方案把輸入字段，結果詳情和計算結構都放在一個頁面展示，就會提高用戶的購買決策，大大提高轉化率。
這里有一個思維方法即漏斗分析法，大家需要了解：
漏斗分析最常用的是轉化率和流失率兩個互補性指標。用一個簡單的例子來說明，假如有100人訪問某電商網站，有30人點擊注冊，有10人注冊成功。這個過程共有三步，第一步到第二步的轉化率為30 %，流失率為70%，第二步到第三步轉化率為33%，流失率67%；整個過程的轉化率為10%，流失率為90%。 該模型就是經典的漏斗分析模型。
d 用戶停留時長
這個指用戶在產品中的停留的時長，即所有用戶session的時長總和/session數量。也有產品通過用戶停留時長去衡量頁面吸引度、判斷用戶粘性和依賴度，舉個例子，抖音的頁面內容吸引度就很強用戶粘性就很高，用戶的停留時間也很長?；叵胍幌拢遣皇敲看嗡⒍兑簦芸煲粋€小時就過去了。這里的商業邏輯是，用戶停留的時間越長，在產品中用戶付費的可能性就會越大。
總結一句話：停留時間越長，用戶粘性越強。當然也有反面場景，比如登錄注冊的表單填寫，停留時間越長，說明體驗越差。
e 跳出率（BR）
跳出率指該用戶來到網站后，沒有進行操作就直接離開的比例，即訪問了一個頁面就離開的訪問量與所產生總訪問量的百分比，跳出率等于訪問一個頁面后離開網站的次數/總訪問量*100%。
這里有一個容易混淆的概念即跳出率和退出率。其實這兩個數據都是用于衡量頁面的內容質量或交互質量的一個指標。比如當用戶進入 app后，只訪問了一個頁面就離開了，跳出率和退出率越低說明流量質量越好，用戶對產品的內容越感興趣。
4「業務數據」的四個緯度
接下來我們來看看三層數據中的最后一層概念——業務員數據，即和財務相關的數據知識。
a 總量
GMV (Gross Merchandise Volume)，這個詞太常見了；大公司在發布財報、銷售額、成交量的時候，這個數每次必提。*值得注意的是GMV=銷售額+取消訂單金額+拒收訂單金額+退貨訂單金額，包含付款和未付款兩部分。
b 人均
ARPU（Average Revenue Per User，每用戶平均收入），光總數高還不行，我們還要關心平均每個用戶的貢獻是否夠多，是否在增長，所以就要關注人均的指標。它是 App 成功的指標，是用戶忠誠度的反應，是預測用戶增長的工具。
c 付費率
整個產品業務也要有一個健康度的指標來衡量，付費率就是這個衡量指標。到底有多少比例用戶是付費用戶，這就是付費率。我們通常會把付費率和ARPU值放在一起分析。一般該產品的付費率越高，這說明用戶對該產品的認可度越高。
1 數據也許會騙人
數據并不會騙人，而是人看的數據不同，造成結論不同。在使用數據之前我們要認清楚以下三點偷換概念、只看單一緯度、數據不是萬能的。
a 偷換概念
今年7月美國總統特朗普舉了一個案例，我記憶猶新。在一個電視采訪節目中他說“美國的死亡率低于歐洲的水平”他的算法是所有新冠死亡人數除以所有確診人數得出右側數據。
其實他就是偷換了一個概念，在醫學上有兩個指標去衡量死亡率，一個是病死率一個是死亡率。
當然兩者在算法上是不同的，如果看病死率的話，美國的確低于中國，但是如果按照死亡率的結果看的話，美國是遠高于其他國家，中國是美國相比一百五分之一，這結果是恰恰相反的。
這里就是一個偷換概念的例子，雖然病死率和死亡率都能反應生病的人數，但是病死率考慮的是救治能力。死亡率不僅考驗救治能力，還考驗著控制傳播的救治能力。
b 只看單一緯度數據是表象的
如果單從一方面看數據是沒有意義的，沒有其他數據參照，挖掘不出數據的真正價值。
比如：我們在討論一個產品是否成功時候，往往會看一個最突出的緯度數據，比如這個產品有2億的日活，這個平臺有5000萬的產量。
也顯然這種只盯著用戶數量和產品規模的產品的做法是不對的，他并不能真實的反應一個產品是否成功，假如一個產品的日活是2億但是愿意付費的用戶不到1w，這個平臺雖然有5000w的產量，但是用戶的平均停留時長很短，很顯然這并不是一個很高興的事情，因為可以從側面保暴露出產品的質量可能存在問題，導致用戶付費意愿不高，停留時間較短。
c 數據有局限性
我們要搞清楚這樣一個認知，數據雖然可以最為直觀的反應產品的健康程度，但是數據絕對不是萬能的，他只是衡量產品的用戶體驗的工具，就好比我之前寫的問的用戶調研的文章只是一種工具也存在其局限性，數據只能告訴waht，但是不能告訴why，而這個why是設計師做方案選擇的關鍵所在。
2 數據應該怎么用
數據本身并不會欺騙人，他就真實存反應產品的表現，只是很多人用錯了使方法或者認知出現了偏差，如果想把產品數據的價值利用率達到最大化，建議每次做數據分析時候從以下三點使用數據：
a尋找關鍵數據目標
為了避免偷換概念的情況出現，除了我們要理解數據概念之外，更重要的是尋找出關鍵的數據目標。
以上講了這么多數據名稱，但是大家需要注意的是并不是每個產品都要看這些數據的，不同的產品需要看的數據側重點不同，就比如qq音樂看的是日活躍用戶、淘寶看的是銷售額、王者榮耀看的用戶平均付費額度（appu），新浪新聞客戶端看的是網站訪問數量（uv）。
1）用戶生成內容(UGC)類數據指標
UGC（User Generated Content）指用戶原創內容，從進入web2.0時代后UGC第一次被論壇/社區應用，到今天，互聯網產品或多或少都帶有一點UGC屬性。這些產品主要有抖音、知乎、人人都是產品經理、站酷等。
評價這類產品往往會從發表文章、用戶點贊、訂閱、評論、分享、打賞等幾個數據指標進行評判產品是否健康。
2）電商類要看gmv
GMV（全稱Gross Merchandise Volume），即商品交易總額 [1] ，是成交總額（一定時間段內）的意思。這個實際指的是拍下訂單金額、包含付款和未付款的部分。
休息一下
聽了腦袋大了同學不用擔心，我特別繪制了下面這個表格，保存截圖慢慢看就好了。
b 找好參照物A&B test 測試方法
多數產品在進行數據分析的時候，最常用的方法就是A&B test 測試法。（上面講到了A&B test 測試發）
1）案例一
很多時候我們看數據不能看一個緯度，要看兩個或者多個緯度，才能篩選中自己需要的結果方案。
比如這個案例在探究“與用戶強相關的 BI 品類樓層，商品展示普通利益點和帶券利益點，哪個更優？a方案展示普通的利益點，如“銷量過萬、好評率99%、滿199減100”。b方案只展示帶券利益點的文案，如“滿199減100，領券”。
最后看的數據是A方案的點擊率高，b方案的曝光點擊率更高（由于方案 B 中可領券和點擊跳轉商詳，可能有部分點擊為領券導致，故方案 B 點擊更高但點擊轉化偏低）。
如果單獨看點擊率或者轉化率很難做出選擇，但是只要兩個數據綜合看，就很容易得出B方案（帶券利益點）能帶來更高的曝光點擊，引入訂單表現更優的結論。
2）案例二
在做A&B test 測試時，是需要保持單一變量測試，現實生活中，很難做到單一變量測試，所以數據很多時候都需要進行分析探討，才會有價值。
比如我們在首頁流量分發場景中做了A,B兩個視覺設計方案，a方式是所有的品類展示使用魔方圓形坑位，b方式是方形坑位。想探究方圓形坑位和方形坑位，哪個更能吸引用戶點擊？
最終A方案（圓形）用戶點擊數據為4.87%，B方案（方形）的用戶點擊數據為15.85%，那么，從這個A&B test 測試法的結果中就可以推導出B方案（方形）更好嗎？
事實可能并不是，大家仔細觀察不難發現，兩個方案除了品類的背景造型不同之外，品類的種類也不同，文案的描述也不同，沒有做到保持單一變量的測試環境，所以B方案（方形）更能吸用用戶的點擊這個結論是不成立?？赡艹闪⒌氖欠叫蔚恼故久娣e比圓形的展示面積要大，可以更好的曝光產品的特點，而且促進B方案（方形）更吸引用戶進行點擊。
c 采用多次定性+定量驗證
我們得到了數據其實可以采用多次定性+定量驗證這種方式來驗證我們方案是否解決了用戶需求，是否完成項目目標。
定性可以采用用戶訪談、眼動測試、可用性測試等方式去發現問題（需求）的多樣性和嚴重程度。定量的方式有用戶問卷、站內行為分析、A&B test 測試等方式，驗證這個問題的發生概率。
比如我們可以通過五次定性質、三次定量的方式，通過數據反饋把結果更加靠近真實。
3 了解雙面數據（虛榮數據）
什么是雙面數據呢，其實也就是那些看上去很好，卻不能給這個產品帶來絲毫價值的數據，需要對比著看才能了解數據的價值。
a 點擊率（CTR）
比如一個用戶在有些資源位連續點擊或者因為一些利益性的活動補貼引發的點擊量變化這類場景在用戶人數總量不變的情況下，單獨位置的點擊量增加，必然會導致其他部分的點擊量降低，其實是0和博弈，增加這個功能的點擊量是片面的。
b 訪客數（UV)
計算訪客數只是一場毫無意義的人氣比賽，其實訪客數可以分為三個類型即曝光UV、點擊UV、意向UV，單純地看這三個uv是沒有意義的，除非能讓用戶做對產品有利的事。比如，在推出活動時，有多少用戶能轉化購買？只有知道了這個數字，這個用數據數才是有價值的。
·曝光UV即曝光在視野內的訪客數，例如我們在淘寶搜索某個產品進入了搜索的feed列表頁，當我在這個列表場景停留2-3秒的時候，我沒有購買任何產品的情況下，數據就會判定我為一次曝光UV。
·點擊UV即有點擊行為的訪客數，還是以淘寶做為例子，現在我在feed流列表頁面里搜索產品，其中有一件是我比較中意的產品，我點擊了產品進入到這個產品的詳情頁，在我沒有購買任何產品的情況下，我發生了點擊行為，數據就會算我是一個點擊uv。
·意向UV即進入意向頁面的用戶數，其實這個和點擊uv有點像，比如我在淘寶搜索完我想買的產品a,有去京東搜索了一下，那京東就會判定我為一個想要購買產品a的意向uv，這個意向uv只可以判斷出我們對a產品是否感興趣，并不能判斷出我真正想要購買。
c 停留時間
用停留時間數據來統計用戶參與度或活躍度，他并不能說明什么問題。比如，客戶在某個全是文字內容頁面上停留了很長時間，有可能是看不清楚或者是文字理解難度影響了用戶的閱讀時間，所以說產品效率、體驗這兩個關鍵指標本身就和停留時間相矛盾。
d 下載量
盡管有時會影響你在應用商店中的排名，但下載量本身并不帶來價值；還需要參照的是：用戶下載后的激活量、賬號創建量以及用戶在產品中的各個場景的跟蹤。
e 退出率（ER)
很多人會有一個誤區，認為退出率高是不好的一項數據，但是大家要明白并不是所有的場景跳出率越低越好，舉個例子：我們通過漏斗數據發現用戶操作路徑太長，把好幾個步驟的路徑縮減到一步操作，最后看到用戶退出率就減少了。
最后大家要清楚
數據是用于支撐設計師的某項設計決策和方法，但數據無法代替設計的直覺，更無法代替深入的用戶研究、我們要學會利用數據指標，找出問題所在，通過設計方案改變用戶行為，因為數據最終目標在于價值的體現：有效獲取用戶，創造營收。
藍藍設計建立了UI設計分享群，每天會分享國內外的一些優秀設計，如果有興趣的話，可以進入一起成長學習，請掃碼藍小助，報下信息，藍小助會請您入群。歡迎您加入噢~~希望得到建議咨詢、商務合作，也請與我們聯系。
文章來源：站酷 作者：斜杠7濕兄
分享此文一切功德，皆悉回向給文章原作者及眾讀者.
免責聲明：藍藍設計尊重原作者，文章的版權歸原作者。如涉及版權問題，請及時與我們取得聯系，我們立即更正或刪除。
藍藍設計( www.syprn.cn )是一家專注而深入的界面設計公司，為期望卓越的國內外企業提供卓越的UI界面設計、BS界面設計 、 cs界面設計 、 ipad界面設計 、 包裝設計 、 圖標定制 、 用戶體驗 、交互設計、 網站建設 、平面設計服務
