1.4.2 明确分析指标与维度

了解了行为数据包含哪些信息后，就可以进入下一个环节：设定需要通过用户行为数据计算的指标维度。详尽的指标规范与技术规格将在后文中介绍，当前阶段仅阐述设计这些指标与维度的思路。

首先明确一下“指标”与“维度”的概念。

（1）指标的概念。在用户行为分析领域，指标是用于衡量事物发展程度的单位或方法，如新增用户数、转化率、留存率等。指标需要经过加和、平均等计算方式得到，并且受到一些前提条件的限制，如时间、地点、范围等，也就是我们常说的统计口径与范围。指标可以分为绝对数指标和相对数指标。绝对数指标反映的是规模大小，如浏览次数、用户数、注册量等，而相对数指标主要用来反映质量好坏，如转化率、留存率、跳出率等。

（2）维度的概念。如果说指标是用于衡量事物发展程度的，那么维度就是用来评估发展的方向好坏的。维度是事物或现象的某种特征，如性别、地区、时间等。时间是各类数据分析中最常用的也是最特殊的维度，通过时间前后的对比，很容易识别事物的发展方向是变好了还是变坏了。维度可以分为定性维度与定量维度，也就是根据数据的类型来划分，通常文字描述类型的数据就是定性维度，如地区、性别、出生地等；而数值型的数据就是定量维度，如收入、年龄、交易金额等。

通过分组搭配指标与维度，可以产生有解读意义的各种分析结果。例如，针对某个电商购物类App，我们可以模拟设计以下几组简单的指标与维度，了解这些指标与维度可以产生怎样的分析结论。

指标：用户数、新增用户数、行为发生次数

维度：时间、交易金额、商品分类

分析场景一：

在一周前市场部刚刚发布了App的推广宣传，运营人员希望了解推广的效果，他们需要用“推广之前每天新增用户数”与“近一周每天新增用户数”进行对比。指标选取“新增用户数”，维度选取“时间”，即可得出需要的统计结果，从而判定推广前与推广后的每日新增用户数的增长情况。

分析场景二：

商品运营团队希望了解在App销售的若干商品中，哪些商品是“复购率”更好的、值得“热推”的。为此，指标选取“行为发生次数”，维度选取“时间”和“商品分类”，即可查看“某时间段内在App订购商品超过2次的用户到底购买了哪些商品分类下的商品”。

通常来说，在成百上千的用户行为数据中，挑选哪些指标与维度来进行分析主要是基于业务需求的，不同的场景需要组合不同的指标与维度。但大体上可以分为3类：“全局型分析需求”“变化对比型分析需求”和“重点业务型分析需求”。

（1）全局型分析需求。一般是指对整体网站或整体App经营质量的统筹了解。例如，“每天新增了多少用户”“每月有多少累计用户登录过”“每个月从App中产生的交易金额是多少”等。这类分析结果常用来衡量自己经营的App相对于同行业其他App的质量状况、市场占有率等方面的情况。

（2）变化对比型分析需求。一般是指对某些核心指标在时间变化上的趋势监控。例如，“交易量的环比”“注册量的上升趋势”“新老访客占比变化”等。这类分析结果用来关注业绩的长期增长趋势，用于分析自己经营的App的持续改善效果。

（3）重点业务型分析需求。一般来自在特定的业务场景下运营人员需要格外关注的行为事件。例如，“在线留言投诉行为”“变更个人联系方式行为”“申请降价提醒行为”等。这类分析结果与业务场景关联密切，通常用来分析某些“营销效果”的转化情况、关键业务版块的用户体验等。