一、数据分析指标

PV 、UV、IP

PV（Page View）访问量

即页面浏览量或点击量，衡量网站用户访问的网页数量；在一定统计周期内用户每打开或刷新一个页面就记录1次，多次打开或刷新同一页面则浏览量累计。

UV（Unique Visitor）独立访客

统计1天内访问某站点的用户数(以cookie为依据);访问网站的一台电脑客户端为一个访客。可以理解成访问某网站的电脑的数量。网站判断来访电脑的身份是通过来访电脑的cookies实现的。如果更换了IP后但不清除cookies，再访问相同网站，该网站的统计中UV数是不变的。如果用户不保存cookies访问、清除了cookies或者更换设备访问，计数会加1。00:00-24:00内相同的客户端多次访问只计为1个访客。

IP（Internet Protocol）独立IP数

是指1天内多少个独立的IP浏览了页面，即统计不同的IP浏览用户数量。同一IP不管访问了几个页面，独立IP数均为1；不同的IP浏览页面，计数会加1。 IP是基于用户广域网IP地址来区分不同的访问者的，所以，多个用户（多个局域网IP）在同一个路由器（同一个广域网IP）内上网，可能被记录为一个独立IP访问者。如果用户不断更换IP，则有可能被多次统计。

二、数据埋点基础

数据埋点的发生场景便是在表层-UI层里，其作用是监控用户在UI层产生的行为。也就是用户对界面的操作

数据埋点我们可以分成两类，其一是页面统计，其二是行为统计。

页面统计

页面统计可以帮我们知晓某个页面被多少人访问了多少次。
其本质是监控页面加载的行为，尽管此时用户并没有对UI产生行为，但却是由上一个点击行为触发的一个结果。除了访问的人数与次数，也可以监控到用户在某个页面停留的时长，部分产品希望用户在某个页面停留的时间越长越好

行为统计

行为统计是指用户在界面上的操作行为，应用最为广泛的便是按钮的点击次数。

其实，通过数据埋点捕捉到的数据，有三层，第一层是基础层，比较通用的数据，像是日活，新增，第二层是页面访问，第三层就是行为统计，名词上来讲通常被称为“事件统计”
通过对UI界面响应事件的捕捉，我们能够得知某个按钮的点击数及对应的点击率

三、如何建立数据思维？

学会建立严密的数据链条

数据链条，如何理解这个概念呢？大部分PM在梳理业务时，都会用业务流程图来表明各个模块之间的关系，伴随着业务流产生的数据就是数据流，各个数据指标之间也存在先后和关联，这就是我说的数据链条。

举个通俗的例子，电商行业最重要数据指标GMV，GMV是如何产生的呢？我们可以设想下GMV产生的各个环节。
以移动设备为例，首先用户打开APP（DAU，APP打开率），进入APP后，用户可通过不同的入口reach到商品。目前很多购物网站的流量主要来自于搜索场景，我们从搜索切入，用户在搜索框附近可点击或者输入（用户点击率，用户流失率），这里面可以细分用户进入的途径，比如通过点击热搜词进入的，点击历史搜索词进入的，或者输入新的搜索词进入的。

接下来，搜索引擎会给用户返回商品列表，用户会浏览或者点击，此时可以观察用户的浏览或者点击行为在序列上的分布，从而了解到搜索词的分发结构。第四步，假设用户点击了排名第四位的搜索结果进入商品详情页（用户点击率、用户流失率），第五步，用户在商详页又可以进行各种操作，比如加关注，加入购物车，此时我们可以考察加购的比率，第六步，用户在加购之后可提交订单，然后付款，直至最后成交。

从以上例子中我们可以看到，看起来很简单的成交这个动作，可以拆解为不同的链条，每个链条上由于用户的动作分支不同会伴随产生不同的数据链条。只有了解数据是怎么产生的，才能具备反向定位的能力。

对于初级的PM来说，梳理业务逻辑，形成清晰的数据链条，是建立数据思维的重要一步。

通用的APP数据分析框架

简要介绍下一个通用的APP数据分析的框架，干货见下图。

App数据分析框架

整体分析的思路是，从用户和APP本身两方面进行拆解分析。

在用户层面，首先了解当前活跃用户的现状，基本的指标有DAU/MAU等，然后是当前活跃用户的分布特征，按渠道/地域等进行拆分，这里可以根据不同的业务形态进行细分。

另外，还可以从增量也就是新增用户入手了解新增用户的整体情况和分布特征，还可以存量分析，也就是分析现有的用户规模，划分用户的等级，了解各种用户的权重，定位到产品或者新功能要争取的用户群体。

在APP本身的层面，一般分析启动次数，使用时长，页面活跃情况和功能活跃情况。建议实际操作过程中，结合业务模块的流程，从上而下进行细分和拆解。