產品能力數據指標有哪些

A. 商品數據分析三個常用指標是什麼

商品數據分析三個常用指標有：

1、客流量、客單價分析：

主要指本月平均每天人流量、客單價情況，與去年同期對比情況。這組數據在分析門店客流量、客單價時特別要注重門店開始促銷活動期間及促銷活動前的對比分析，促銷活動的開展是否對於提高門店客流量、客單價起到了一定的作用。

(1)產品能力數據指標有哪些擴展閱讀

商品間接數據的組合分析方法

1、銷售綜合分析

銷售綜合分析的分析指標是銷售額、毛利額、毛利率、庫銷比、售罄率；分析條件是時間段（任意時間段、自然時間段）、經營方式；分析層次是總部，門店，大類，款式，價位帶，單品。

2、關聯分析（同比/環比分析）

將上一級分析的報表條件傳遞給同比分析，用同比分析的結構來檢驗我們對毛利調整策略的結果，看一下數據變化趨勢，以便進行下一階段的商品調整。

3、顧客數與客單價

有效提升銷售額的兩個途徑是：提高實現消費的顧客人數、提高每位顧客購買的金額數。有效顧客（即實現消費的顧客）數高，說明你的商品、價格和服務能吸引、滿足消費者的需求，客單價高，說明你的商品寬度能滿足消費者的一站式購物心理、商品陳列的相關性和連貫性能不斷地激發消費者的購買慾望。

B. 商品分析主要數據指標有哪些

1、銷售數據維度；

2、銷售數據指標；

3、銷售數據分析法：直接數據漁間接數據分析。

C. 產品數據分析要關注哪些維度或指標

(一)、銷售數據之維度
1、商品
商品是零售分析的最細維度之一，大部分的指標都依附商品來做明細的記錄，同時很多維度也是通過商品進行交叉分析。
2、客戶
客戶是銷售對象，包括會員。客戶所在地和區域有關聯。
3、區域
區域是地理位置。從全球視角看：洲---國家---區；從國家視角看：區——省/市——縣/ 區—鎮/鄉/村，一般按正式行政單位劃分。
4、時間
時間是進行數據分析非常重要的維度，分析的角度有公歷角度和農歷角度。其中， 公歷角度：年——季度——月——日——時段（每2小時為一個段）；星期、公歷節假日。農歷角度：年——節氣——日——時刻；農歷節假日。
(二)、銷售數據之指標
1、銷售數量
客戶消費的商品的數量。
2、含稅銷售額
客戶購買商品所支付的金額。
3、毛利
毛利=實際銷售額－成本。
4、凈利
凈利=去稅銷售額－去稅成本。
5、毛利率
銷售毛利率是毛利占銷售收入的百分比，也簡稱為毛利率，其中毛利是銷售收入與銷售成本的差。
毛利率=（毛利/實際銷售額）×100%。
6、周轉率
周轉率和統計的時間段有關。周轉率=（銷售吊牌額/庫存金額）×100%。
7、促銷次數
促銷次數有宏觀概念上的，也有微觀概念上的。宏觀上，是指一個銷售單位中一段 時間內發動促銷的次數，或某個供應商的商品在一段時間內參與促銷的次數；微觀層面上，是表示一個單品在一段時間內參與促銷的次數。
8、交易次數
客戶在POS 點上支付一筆交易記錄作為一次交易。
9、客單價
客戶在一次交易中支付的金額總和稱為客單價。
客單價=銷售額/交易次數。
10、周轉天數
周轉天數=庫存金額/銷售吊牌額。周轉天數越長，表示經營效率越低或存貨管理越差；周轉天數越短，表示經營效率越高或存貨管理。
11、退貨率
退貨率=退貨金額/進貨金額（一段時間）；用於描述經營效率或存貨管理情況的指標，與時間有關。
12、售罄率
售罄率=銷售數量/進貨數量。
13、庫銷比
庫銷比=期末庫存金額/（本期銷售牌價額/銷售天數*30）
（只有在單款SKU 計算中可用數量替代金額。）
14、連帶率
連帶率=銷售件數/交易次數。
15、平均單價
平均單價=銷售金額/銷售件數。
16、平均折扣
平均折扣=銷售金額/銷售吊牌額
17、SKU（深度與寬度）
英文全稱為 stock keeping unit, 簡稱SKU，定義為保存庫存控制的最小可用單位，例如紡織品中一個SKU 通常表示一個規格，顏色，款式），即貨號，例：AMF80570-1。
18、期貨
所謂期貨，一般指期貨合約，就是指由期貨交易所統一制定的、規定在將來 某一特定的時間和地點交割一定數量標的物的標准化合約 。服裝行業上具體指訂貨會上所訂購且分期交付的貨品。
19、坪效
就是指終端賣場1平米的效率，一般是作為評估賣場實力的一個重要標准。
坪效=銷售金額/門店營業面積（不包含倉庫面積）。
20、促銷商品
指促銷活動期間指定的商品，其價格低於市場同類的商品。包括DM 商品，開店促銷，普通促銷貨（特價），不包含正常降價。
(三)、銷售數據之分析方法
1、直接數據的分析。
2、間接數據的組合分析。

D. 產品的可靠性指標有哪些

這是我以前的一個回答：
我只是個學生，只是喜歡找了些資料覺得還好，希望能對你有幫助
可靠性即產品在規定的條件下、在規定的時間內完成規定的功能的能力，是衡量產品品質的關鍵要素之一。H3C在該領域經過多年的實踐和積累，教訓很多收獲更多。本文以H3C產品為例，就通信產品硬體工程類的可靠性保證作簡要探討，藉此讓大家對通信設備以及H3C產品從研發到量產的可靠性過程有個初步了解。

隨著互聯網的普及，網路正成為人們工作和生活越來越重要的組成部分。人們用它聽歌看電影玩游戲，企業用它建立運營體系、存儲數據、下發生產指令。試想某天當我們無法上網時，會是怎樣的境況？你將無法在MSN上和好友暢聊，無法在Google地圖上查找交通路線，無法在家了解股票行情……習慣依賴互聯網的我們將不得不改變生活方式。對於企業來說，停機除造成直接的經濟損失外，還可能引發社會影響和信任危機。美國Infonetics Research對80家大型企業調查發現，由網路故障造成的損失平均占年銷售額的3.6%。

就像電話一樣，人們希望網路也能「想用就用」，可靠性的專業術語就是「可用度高」。實現高可用網路的方法，除了像冗餘備份、提高故障診斷能力、增加備件這些減少設備宕機時恢復時間的方法之外，還包括一個重要的指標就是設備的可靠性。

可靠性管理：可靠性保證和增長的基礎

之所以把可靠性管理放在第一位，優先於可靠性設計、分析和試驗，是因為我們認為後者都是具體的、細節的技術或方法，是可以短期內修正或完善的，而可靠性管理則代表了一個公司可靠性領域在流程和制度上的成熟度，需要時間、實踐、經驗和數據的積累和沉澱，可以說是員工心智和公司文化的體現。

H3C經過兩年的實踐摸索，於2005年正式將可靠性納入公司的流程管理，作為產品開發過程中的重要一環。對於研發的每款產品，我們都會制定相應的可靠性規格和過程實施計劃。可靠性規格是產品概念階段在可靠性指標上的承諾，根據各方面的需求決定出要做什麼樣的產品。可靠性過程計劃則明確定義什麼階段、由誰、完成哪些可靠性工作，達到什麼目標，過程如何規范，交付哪些內容，在執行上保證了規格承諾的兌現。

舉例來說，器件管理和優選便是可靠性管理體系中的重要組成部分。做過產品開發的人都知道，不同廠家的同型號器件，往往很難做到所有參數完全一致。當器件參數不一致時，產品在設計初期就需要考慮通過容差設計來兼容這些器件，這樣就對設計和製造提出了更高的要求，一定程度上提高了設計製造的難度和成本。隨著供應商和器件型號的增加，管理費用迅速上升，彼此溝通變成了一個費時費力而且低效的工作。另一方面，設計和製造也不斷出現由「兼容設計」引起的問題，允許免檢直接入庫的器件變少。對於這種問題，在H3C，有專門的部門負責器件優選和認證管理工作，他們跟蹤業界器件技術發展的動態，對製造、客戶出現的器件問題進行跟蹤和數據搜集，提供各類優選器件清單，使器件選型工作簡單有效。當有器件需要替代時，必需經過足夠的審核、測試和小批量驗證才能被規模使用。

可靠性增長的一個重要方法是應用FRACAS系統（Failure Report Analysis and Corrective Action System），其原理是利用「故障反饋、閉環控制、預防再發生」，通過一系列規范化的工作程序，及時報告產品故障，分析故障根因並糾正，通過臨時規避措施減少故障的影響，通過預防再發生的解決措施實現產品可靠性的增長。在H3C，從研發、試產、生產到客戶現場，各環節不同程度都在實施故障報告和閉環。以HASA（Highly Accelerated Stress Audit，高加速應力稽核）流程為代表，該流程融入了FRACAS和8D的思路，對每一台HASA過程出現問題的設備，都建立流程跟蹤，從條碼記錄、故障現象、故障風險分析、根本原因總結到解決措施、閉環實施，把各環節有機整合起來，實現發貨前檢驗的高效率和問題閉環的有效性。將每個HASA失效都看作改進過程的機會，從而使解決問題的投入達到利益最大化。

有人說，世界上只有上帝可以不用數據說話。根據流程，我們把所有和可靠性相關的關鍵數據都集成到了QA系統的可靠性模塊。在這里，可以查到某款產品在特定發貨時間的市場失效情況，可以跟蹤市場實際MTBF、累計失效率、製造批次相關的失效率等等。通過數據分析和同類產品比對，去發現設計、製造、管理各環節可以提高的機會，實現進一步的可靠性增長。

良好的可靠性管理通過建立一套嚴格的紀律，指導我們什麼時候要做什麼事情；可以讓今天的教訓成為明天的預防，在明天就「一次性把事情做對」；可以讓我們「站在巨人的肩膀上」，做任何事情都不是從零開始。而所有的目的，只是為了實現可靠性目標的承諾，保證提供給客戶的產品，在承諾的時間內是高可靠的、是滿足客戶要求的。

可靠性設計：關注細節，重在執行

談到電子產品可靠性設計，我們幾乎馬上會想到熱設計、元器件降額、容差容錯設計、可靠性預計等等。就像小學作文，中心思想是確定的，關鍵看如何寫這篇文章。可靠性設計是否成功，有兩點必不可少，其一是執行，其二是細節。

我們先說執行。以降額設計為例，不少公司都有降額設計規范，看上去很美。但這個規范是否被嚴格執行了還是被束之高閣，超出降額的器件有沒有被專業評估，降額要求是否根據製造/市場元器件的表現調整，不同產品是否需要分別對待實現全壽命成本最優，都是可靠性實現的關鍵。再如熱設計，在H3C，熱設計由可靠性工程師保證。每款產品，在開發初期，都會對散熱進行評估和模擬，提前釋放散熱風險。在整個評估過程中，可靠性工程師和結構工程師、產品開發人員、互連設計工程師的溝通是非常緊密的。風險沒有釋放，就不能通過下一個技術評審點。

其次是細節。航空愛好者知道，1980年，阿麗亞娜火箭第二次試飛時，一名工作人員不慎碰落一個部件的商標，堵塞了發動機燃燒室的噴嘴，造成發射失敗。1985年，美國發射「三叉戟」導彈，由於發動機燃燒室中剝落了一塊黃豆大的絕緣層，結果高溫火焰燒穿了那裡的金屬壁，燃氣向外噴射，發動機爆炸。可靠性設計是一個需要注重細節的工作，所謂「千里之堤，潰於蟻穴」，「Paying attention to details」是直接寫入到美軍標338中的，或者這也是經驗和思考的總結。

以H3C為例，熱設計中的熱模擬過程不但模擬常態情況，還會對風扇停轉等異常狀態進行模擬；在降額設計上，對各類器件電應力進行遍歷審查，對不同風扇轉速下熱應力進行遍歷測試，保證在規定環境下每個器件承受的應力滿足降額要求；對易損耗的器件進行壽命評估，保證在規定時間內設備符合用戶的要求；對關鍵電路進行容差設計和模擬，保證器件參數隨環境應力、壽命漂移時，電路依然可以可靠工作。

可靠性分析：防患未然，心知肚明

可靠性分析主要包括三部分：可靠性預計、FMEA（故障模式影響分析）和FTA（故障樹分析）。可靠性預計通過MTBF、返修率等指標作為維修、備件成本的預計，或整網可用度的評估，對設備可靠性增長貢獻不多。FTA構造繁雜、對人員經驗和技能要求高、容易出錯。對於復雜產品，FMEA是一個防患未然的有效方法。舉個簡單的例子，我們有時會遇到十字路口紅綠燈失效的情況，想想我們最不希望哪種失效現象出現？顯然，當兩條路上同時出現綠燈時交通事故隱患就被埋下了，這是我們最不希望發生的。那麼在開展交通信號燈控制系統的FMEA分析時，就要關注哪些器件失效會出現綠燈同時點亮的情況，是否有解決方法。

在H3C，復雜系統會開展FMEA分析工作，從而對系統中可能出現的故障現象做到心知肚明，評估容錯設計是否足夠。對於冗餘備份系統，保證失效發生時設備可以快速倒換，業務正常運行不受影響。

可靠性試驗：真金不怕火煉

我們研發出來的每一款產品，都會經受可靠性試驗的洗禮，其中最嚴酷的當屬HALT試驗（Highly Accelerated Life Test，高加速壽命試驗）。

90年代HALT試驗在國外獲得推廣，而國內企業由於各種限制起步相對較晚。與傳統的施加模擬客戶環境的應力來發現故障的環境試驗不同，高加速應力是一種主動的試驗。使用應力步進的方法，使設備不斷接近極限應力，直到故障暴露。通過「暴露缺陷—不斷改進—再試驗—再改進」的方式，持續發現並解決設計、來料、工藝等相關問題，從而獲得產品的快速穩定。這有點像運動員的訓練，如果要參加100米短跑比賽，那麼運動員平常訓練時絕不會只是重復訓練100米沖刺，力量和耐力的訓練必不可少。同樣道理對於產品來說，雖然標稱工作環境是0～40/45℃，HALT試驗過程中其實都會經受100℃高溫和-40℃低溫的極限考驗。

到這里，可能你會提出兩個問題：1，HALT試驗做到-40℃和100℃有沒有必要，室內應用的產品，怎麼可能有這樣的環境？經驗告訴我們，非常必要且獲益匪淺！按照H3C工程師的說法，現在不作HALT試驗「心裡沒底」。2，廠家宣稱的0～70℃的器件能在-40～100℃環境工作嗎？實踐表明，在可靠的電路設計下，器件完全可以承受比規格更高的應力（極少數器件例外）。

如果你是做可靠性的同行，或者正在經受HALT問題的煎熬，可能還有第3個疑問，為什麼可以用環境應力暴露未來5年甚至10年可能出現的可靠性問題？研究一下元器件資料，看看容差設計的原理和品質管控方面的書籍，就會發現一個共同點：器件參數漂移。當一個器件在極限環境應力下參數漂移范圍比工作5年參數漂移范圍更寬時，只要該器件在電路環境中能承受極限應力，你就基本可以放心未來5年參數漂移引發失效的模式不會在電路中發生。其他原因如振動累計損傷、磨損引起的失效加速分析等，這里不再展開。

除了HALT試驗，在H3C，我們還採用了一個時尚前衛的可靠性保證手段，那就是HASA篩選。

研發出來的產品，到量產後，由於器件批次間的參數離散、工藝控制的原因，可靠性有可能會降低。HASA利用溫度、振動、電應力、數據流量等多應力同時施加的方式，有效篩選出故障設備，從而實現量產產品在質量和可靠性上的快速穩定。我們通常的HASA篩選應力遠超出設備工作應力，比如溫變率，典型應用環境溫變率不會超過0.5℃/分鍾，H3C篩選應力是40℃/分鍾。

其他常規試驗如溫濕度類試驗、機械類試驗、EMC的浪涌/靜電/抗干擾試驗，都是H3C產品的必檢項，通不過這些試驗，產品是無法到達客戶手中的。

結語

行文至此，相信你已對通信設備以及H3C產品可靠性保證體系有了簡單了解。鋼鐵鑄就源於千錘百煉，打造質量卓越的產品永遠是我們孜孜以求的目標。參考資料：鋼鐵是怎樣煉成的？——淺談通信產品的可靠性保證

E. 電商數據分析指標都有哪些該如何進行分析

此文是對最近學習的電商相關知識點做一個鞏固

傳統零售利用二八法則生存，電商靠長尾理論積累銷售。
傳統零售是小數據，電商是大數據。
傳統零售是「物流」，零售過程就是商品的流動；電商是「信息流」，顧客通過搜索、比較、評論、分享產生信息，達到購買的目的。
傳統零售注重體驗感，電商注重服務和效率。
傳統零售是做加法，電商是做乘法。傳統零售是通過一家家店擴大影響力，電商通過資金的投入迅速搶占市場。
傳統零售的主要成本是房租和人工成本，電商的主要成本是物流和營銷成本。
總結：電商和傳統零售雖有千萬種差別，但總歸都是零售，融合是二者註定的趨勢，即現在火熱的新零售。

傳統零售的數據主要是進銷存數據、顧客數據和消費數據。電商的數據卻復雜得多，數據來源渠道也很多樣化

電商數據來源廣泛，常規的流量數據、交易數據、會員數據在品牌的交易平台都有提供。一些第三方網站也提供數據源及分析功能。

1、網路統計：包括流量相關的網站統計、推廣統計、移動統計三部分內容。分析內容包括趨勢分析、來源分析、頁面分析、訪客分析、定製分析和優化分析。
2、谷歌分析：包括流量分析工具、內容分析、社交分析、移動分析、轉化分析、廣告分析幾部分內容。
3、Crazy egg熱力圖：主要特色是對頁面熱點追蹤分析的熱力圖。
4、CNZZ數據專家（友盟）：包括站長統計、全景統計、手機客戶端、雲推薦、廣告管家、廣告效果分析和數據中心等。
還有一些無需埋點監測數據的產品，如GrowingIO、神策數據、諸葛io等。

以下為用思維導圖進行梳理的電商數據分析指標，總共包括六大類

對訪問你網站的訪客進行分析，基於這些數據指標可以網頁進行改進

這里需要注意兩個點

1）影響因素不同：UV 價值更受流量質量的影響；而客單價更受賣的貨的影響；

2）使用場景不同：UV 價值可以用來評估頁面 / 模塊的創造價值的潛力；客單價可以用來比較品類和商品特徵，但一個頁面客單價高，並不代表它創造價值的能力強，只能得出這個頁面的品類更趨近於是賣高價格品類的。

如果網站是為了幫助客戶盡快完成他們的任務（比如：購買，答疑解惑），那麼在線時長應當是越短越好；如果希望客戶一同參與到網站的互動中來，那麼時間越久會越好。所以，分析在線時長是否越長越好，要根據產品定位來具體分析

從注冊到成交整個過程的數據，幫助提升商品轉化率。

對於一個新電商來說，積累數據，找准營運方向比賣多少貨，賺多少錢更重要。這個階段主要 關注流量指標 ，指標如下：

對於已經經營一段時間的電商，通過數據分析 提高店鋪銷量 就是首要任務。此階段的重點指標是 流量和銷售指標 ，指標如下：

對於已經有規模的電商，利用數據分析 提升整體營運水平 就很關鍵。重點指標如下：

數據指標分為追蹤指標、分析指標和營運指標，營運指標就是績效考核指標。一個團隊的銷售額首先是追蹤出來的，其次是分析出來的，最後才是績效考核出來的。銷售追蹤自然是按天、按時段說話，分析一般是以周和月為單位，績效考核常常是以月為主、以年為輔。

執行人員側重過程指標，管理層側重結果指標。對於數據分分析人員來說要學會根據職位提供不同的數據。

1、無流量不電商，對於流量分析，我們常用漏斗圖來做分析，幾乎每個流量的細分都可以用到漏斗圖。
2、漏斗圖就是一個細分和溯源的過程，通過不同的層次分解從而找到轉化的邏輯。
3、漏斗圖的弱點，就是反應一條轉化路徑的形態，我們可以稍加修改實現漏斗圖的對比功能。

1、流量的質量分為質和量兩方面，只有質沒有量的流量是沒有多少實際價值的，流量的質體現在不同的營銷目的上，例如獲得點擊、注冊、收藏、購買或者獲取利潤的目的。
2、可以通過四象限分析圖來對比分析流量的質量。下圖是針對購買的轉化率和流量的四象限圖，其中第一象限的流量應該是高質量的，流量和轉化率均高於平均值；第二象限渠道的流量轉化率高，但量不大，通過搜索來的流量大部分屬於此類；第四象限流量屬於質低量高，站外購買的流量這種情況比較多；第三象限屬於質低量低的雙低流量，不用特別維護，任其發展即可。
3、圖中的Y軸可以根據具體的分析目的替換成點擊率、注冊率、收藏率、ROI（單元產出）等進行對比分析。
四象限分析圖中，X軸、Y軸、分析對象都可以根據不同的目的進行替換。
4、散點圖的四象限分析可以結合趨勢，或者演變成四象限氣泡圖，氣泡圖的大小為ROI，這種四象限圖信息量更大。

1、電商的銷售針對比傳統零售復雜很多，主要復雜在流量的多層次多渠道上，互聯網的好處是幾乎能將用戶的每個動作記錄下來，然後我們從中找到關鍵點進行診斷即可。下圖，是一個類似杜邦分析的圖，從值（圖中紅色）和率（圖中藍色）兩個方面，訂單、新客、老客三個維度將銷售額拆成五個層次，每個層次間具有加或乘的邏輯關系。
2、銷售額是一個結果指標，圖中的20個指標是過程指標，每個指標的變化都會影響最終的銷售額，基本都是正相關。（折扣和銷售額的關聯會稍微復雜一些）
3、通過上圖，使用對比、細分的原則分析可以判斷出哪兒些指標變化對銷售額產生了影響。

參考書籍為《數據化管理——洞悉零售及電子商務運營》

F. 什麼是產品的可靠性，可靠性評價通常有哪些表達指標

可靠性是“產品”在規定條件下和規定“時間”內完成規定功能的能力。“產品”可以是元件、器件、設備或系統。“時間”可以是小時、周期、次數、里程或其他單位表示的周期。
可靠性的評價指標
1）可靠度（無故障概率）：對不可修復的產品，是指直到規定時間區間終了為止，能完成規定功能的產品數與在該時間區間開始時刻投入工作的產品數比；對可修復的產品，是指一個或多個產品的無故障工作時間達到或超過規定時間的次數與觀察時間內無故障的總次數之比；
2）累計失效概率（故障概率）：產品在規定條件規定時間內失效的概率。可靠度與累計失效概率構成一個完整的事件組；
3）平均壽命（平均無故障工作時間）：產品在使用壽命期內的某個觀察期間累計工作時間與故障次數之比；
4）失效率（故障率）：工作到某時刻尚未失效的產品，在該時刻後單位時間內發生失效的概率。

G. 數據分析指標有那些

用戶行為類指標

用戶行為指標是互聯網行業和傳統行業最大區別。傳統行業，用戶行為發生在門店裡，極難用數字化手段記錄，因此只有在發生交易時，才能記錄數據。

傳統企業的大部分數據都是交易數據。而互聯網行業依託小程序/H5/APP，能記錄用戶在每個頁面的點擊，相當於在網上店鋪的每一步動作都有記錄，因此能分析很多東西。

具體到指標上，可以套用AARRR模型，分模塊展開：

拉新：主要用於分析拉新的轉化效率與質量。拉新是很多互聯網公司最重要的任務，拉新成本是很多互聯網公司最大的成本支出，因此拉新關注度極高。

通過這些指標的分析，能讓負責商品運營的同事直觀看到商品暢銷/滯銷情況，從而調整商品進銷存計劃，避免商品積壓/缺貨。

注意，虛擬商品原則上是沒有庫存的（或者說庫存想設多少設多少）。但是濫發虛擬商品，又會引發互聯網中通貨膨脹與商品貶值。比如游戲里稀有皮膚賣的貴，是因為稀有才貴，為了短期收入搞大優惠，一但爛大街，反而大家都不稀罕了。

所以控虛擬商品的庫存，不是看商品動銷率或者在庫時間，而是看GMV整體目標。在達成GMV整體目標情況下，高中低端商品保持一個穩定的庫存結構，避免爛大街。

H. 產品經理在做數據分析時，哪些數據指標更應該關注

產品經理需要關注什麼數據指標，估計接觸過產品一點的人都能夠說出來幾個數據指標，比如說UV、PV，活躍用戶數、新增用戶數、留存率等等，誠然這些都是產品經理需要關注的數據，但卻並不是說所有的數據都應該去關注。首先應該界定邊界，對於不同類型的產品需要關注的數據指標肯定是不一樣的，其次對於不同時期的產品所需要關注的指標也是不同的，下文將從種子期、推廣期、成熟期三個階段來簡述產品經理需要關注的數據指標。

一．種子期

種子期是不需要做大規模的運營推廣的，此階段的用戶更多的是來自於用戶自增長，所以在種子期需要關注的數據主要是用戶相關的數據是和產品本身的數據。

1.開源

a)活躍用戶數量：首先依然是關於「活躍用戶」的定義，然後再去關注這個數據指標；

b)付費轉化率：對於這樣的一款產品，用戶願意為之買單么，轉化率說話；

c)ARPU值：每用戶平均收入，不同的類型的產品沒有可比性，同行業平均水平進行對比。營收=用戶數量×付費轉化率×ARPU值，為了能夠提升營收，可以從這三方面入手去考慮，如何增加用戶基數，如何能夠提升用戶的付費轉化率以及用戶付費留存率，用戶是付費一次就不再付費還是付費之後還會重復付費，以及如何去提高產品的ARPU值。

2.節流

a)沉默用戶數量：定義什麼樣的用戶為「沉默用戶」，然後去關注這個指標；

b)流失用戶數量：定義什麼樣的用戶為「流失用戶」，然後去關注這個指標。對於產品而言，一旦用戶流失則很難能夠再次召回，就算召回，成本也很高，所以應該提前建立預警機制，定義「沉默用戶」與「流失用戶」，在用戶變為沉默用戶的時候，就開始採用相應的手段，防止用戶流失，同時也應該設立老用戶迴流機制，進行老用戶的召回。數據本身是客觀的，但是在解讀的過程中則會摻雜主觀因素，同時數據波動的背後也可能會有著其他因素的干擾，所以數據也可能會騙人。在用數據說話的同時，也應該辯證性的去看待數據，相信數據但又不唯數據是從。另外對於不同的產品需要關注的數據是不同的，而不同時期的產品需要關注的數據也是不同的，要根據產品本身的特點和產品的生命周期階段去選擇合適的數據指標進行關注，以保證產品的健康發展。

I. 電商數據分析需要統計哪些指標

最重要的就是這幾個了：

1 、商品數據分析：電商平台定期都要對商品銷售進行分析，比如針對各個不同商品的銷量、庫存分析、商品評論等。做商品數據分析，可以從時間維度或者從不同商品的類別、價格等多個維度來做分析，這里可以做的數據圖表類型很多，比如從時間維度、商品類別、價格維度等；

以上電商相關的可視化圖表的製作工具為BDP個人版，可以將各個平台數據統一整合到BDP，然後做好一次分析圖表，後期就不需要重復分析啦！