在軟件及移動應用類產品常用的數據指標當中，不僅只有新增用戶數，活躍用戶數指標統計。其實，累計共用14種，這些數據是百萬運營人員每天都需要關注的指標。
新增用戶數
New Users
指首次打開應用的用戶數量，通常通過設備識別符（如蘋果系統的UDID）來識別用戶的唯一身份。由於傳輸統計數據需要聯網，因此即便是首次打開應用，若未能聯網，也統計不到。此外，卸載再安裝通常不會算作新增用戶，老用戶的版本升級也不會計算在內。當然，如果下載了應用並未安裝，或安裝之後沒有啟動過，也無法統計為新增用戶。
活躍用戶數
Active Users
指統計週期內有過特定使用行為的用戶數量。同一用戶在一個統計週期內多次使用記作一個活躍用戶。這裡“使用行為”的定義因應用而異，有的團隊將啟動即視作活躍，有的則需要滿足啟動+執行某種操作（如瀏覽過至少一條新聞），還有的則索性將常駐後臺的守護進程沒有殺死也統計進活躍範疇中。因此如何計量活躍用戶數，歸根到底還是看團隊真正追求的是什麼。活躍用戶數一般看“日活”（Daily Active Users，DAU）和“月活”（Monthly Active Users，MAU）。
升級用戶數
Updated Users
指由已裝的老版本升級到新版本的用戶數量。時常有人問，像QQ這樣保有量已經很大的應用，為什麼每天還能在應用市場上創造如此巨大的下載量？其中很重要的因素之一，就是將用戶從老版本升級到新版本的下載行為統計了進去。
留存率
Retention Rate
指用戶在某段時間內開始使用應用後，經過一段時間，依然繼續使用，這部分用戶站當時新增用戶的比率，也就是“有多少人最後留下來了”。留存率用於衡量應用的質量和營銷效果的好壞。通常新增用戶如何因為真實需求而來（如從應用市場主動搜索並下載獲得），則留存率較高；而因為博眼球的營銷推廣（如從應用市場主動搜索並下載獲得），則留存率較高；並且，不同種類應用的留存率也有各自的基準，如遊戲的首月留存率通常比社交類高，而工具類的首月留存率又比遊戲高。留存率通常看次日留存率、3日留存率、7日留存率、15日留存率和30日留存率。
總用戶數
Total Users
指歷史上所有新增用戶數之和。該數字由單純地相加獲得，存在一定水分，無法體現已經流失或極不活躍的用戶情況。
單次使用時長
Duration
指用戶從一次啟動到退出應用所耗費的時間長短，用於衡量應用的黏性。應用在後臺運作並不會計入其中。不同類別的應用，單次使用時長可以千差萬別。工具類產品解決問題目標明確，用戶完成任務之後就會立即退出，比如看一下天氣、優化一下內存佔用等，用幾秒就可以關閉。而視頻播放類應用則能持續更久，通常可到達十幾分鍾。
平均單次使用時長
Average Duration
計算方法是某日總使用時長/該日啟動數，可用於更準確地評估用戶的使用狀態。因為一款應用在不同時段的使用時長可能存在差別，用戶早上擠地鐵時一瞥於晚間睡覺前的沉浸使用，其單次使用時長本身是不可具備可比性的，只有平均之後才能用於橫向比較。
使用間隔
Interval
指連續兩次使用之間的時間間隔。如果一款定位於提供每日新聞資訊的應用的使用間隔過長，則說明對用戶的黏性不夠強，並未培養成每日使用的習慣，只是在偶爾想起來時看一眼。這就需要在產品上下功夫，或採取一些運營手段彌補，如定時推送當日的頭條新聞。
轉化率
Conversion Rate
指應用內特定行為目標的轉化情況，如讓用戶點擊某個按鈕、播放一段視頻、邀請一批好友等。
K因子
K-Factor
衡量產品的病毒傳播能力，計算方法為每個用戶平均發出的邀請數量/收到邀請轉化成新增用戶的比率。如果K因子大於1,表明產品具有自我傳播能力，會隨著用戶的使用而持續擴散。
每用戶平均收益
Average Revenue Per User
簡單的理解就是“能從每個用戶那裡收多少錢”，是衡量產品盈利能力的指標，也可用來檢測不同市場渠道獲取的用戶質量。ARPU的通常計算方法是產品在一定時限內的收入/活躍用戶數。結合單用戶的獲取成本，可以推斷出產品是否能形成自我造血的持續發展能力。
每付費用戶平均收益
Average Revenue Per Paid User
與ARPU將收入平攤到所有用戶頭上不同，ARPPU只計算從所有付費用戶出獲取的平均收益，據此更準確地把握收費用戶的支付能力、消費習慣，並有針對性地對這部分付費用戶重點運營和服務。
月付費率
Monthly Payment Ratio
MPR指一個月的統計區間內付費用戶佔活躍用戶的比例。
生命週期價值
Life Time Value
用戶從第一次使用產品，到最後一次使用之間，累計貢獻的付費總量。
閱讀更多 知於大數據分析 的文章
