数据就在历史的维度中岿然不动，但能否从中解读出你想要的内容，取决于每个人对于数据的理解，数据对于未来的意义在于参考。
CPM
cost per impression，CPM(千人成本)指的是广告投放过程中，平均每一千人分别听到或者看到某广告一次一共需要多少广告成本。
计算公式：千人价格=（广告费用/到达人数）×1000，其中广告费用/到达人数通常以一个百分比的形式表示，在估算这个百分比时通常要考虑其广告投入是全国性的还是地域性的，通常这两者有较大的差别。
例如：南京某晚报媒体发行量是50万份，通栏广告价格为：10400元，实际执行价为：5020元，传阅率为1000000人。那么它的千人成本为：5.02元。
缺陷：它虽然是广告主作出决策的参考数据之一，但决不是唯一的参考依据，在综合决策过程中最多只是一个辅助参考而已。 因为曝光并不意味着有效
CPA
cost per action，每次行动成本，计价方式是指按广告投放实际效果，即按回应的有效问卷或定单来计费，而不限广告投放量。
CPA的计价方式对于网站而言有一定的风险，但广告投放成功，其收益也比CPM的计价方式要大得多。广告主为规避广告费用风险，只有当网络用户做出规定的行为动作才产生广告费用。
用户行为依产品而定，包括但不限于形成一次成功交易，完成一次新注册、下载一次软件，一次有效的信息留档，一次成功的软件打开，一次成功的充值等。
计算公式：CPA=广告费用/有效转化次数 。
缺陷：由于广告被浏览者点击后是否会触发网友的行动或其他后续行动，最大的决定性要素不在于网站本身，而在于该产品自身的很多要素(如该产品的受大家欢迎程度与其是否具有性价比优势、企业的知名程度等等有关)，综合实践下来，网站主们普遍不愿意拿优质广告位投冷门产品的CPA广告。
CPC
cost per click，以每点击一次计费。这样的方法加上点击率限制（例如时间间隔，用户id，用户ip，区域范围等）可以加强作弊的难度，网民的每一次点击就会为广告主带来真实的流量或是潜在的消费者，是网络比较成熟的国家常见的收费方式之一。
计算方式：CPC=广告费用/点击量
缺陷：不少经营广告的网站觉得不公平，比如，虽然浏览者没有点击，但是他已经看到了广告，对于这些看到广告却没有点击的流量来说，网站成了白忙活。
点击广告的点击率不断下降。1999年的时候，网页上的BANNER广告点击率通常高达10%～30%，大多数制作精美忽闪忽闪的FLASH广告的点击率不足0.5%。
CPS
cost per sales，广告主为规避广告费用风险，按照广告点击之后产生的实际销售笔数付给广告站点销售提成费用。网络广告是近几年来随着网络的兴起和普及才成长起来的新型广告模式。
计算公式：CPS=广告费用/有效销售量，适合购物类、导购类、网址导航类网站，需要精准的流量才能带来转 化。
例如：返利网，分销网，cps联盟，阿里妈妈等网站
缺陷：对于推广方来说，该推广方式完全抹去推广曝光、点击的贡献，以结果论成败
CPT
Cost Per Time这种模式主要是移动应用渠道营销平台以试玩为付费标准，而不仅仅以应用的显示次数或者联网激活付费；这种方式的特点是按用户使用时长或使用周期计费，可以从根本上杜绝刷流量、激活作弊，是最真实的、有效的快捷的营销方式之一。
计算方式：CPT=广告费用/有效试用次数。
PV
page view，即页面浏览量；用户每1次对网站中的每个网页访问或数据的请求均被记录1次。用户对同一页面的多次访问，访问量累计。
在一定统计周期内用户每次刷新网页一次也被计算一次。可通过后台运营获得数据；也可通过相关统计工具获得，如 Alexa、 百度统计、Google Analysis 等。
日均 IP/PV 访问量约为 600/2400 的 意思是今天访问首页次数为 2400 次，访问 IP 为 600 个，也就是说这 600 个 IP 一共访问网站 2400 次。
一般来说 PV 与来访者数量成正比，但是 PV 并不直接决定页面的真实 来访者数量，例如，同一个来访者通过不断的刷新页面，也可以制造出非常高的 PV。
UV
unique visitor 访问次数就相当于一个展览会的访问人次，独立访客数则相当于带身份证参观展览会的访问人数，每一个出示身份证参观展览的人，无论出入几次，都只计作一次独立访问。这里所说的“身份证”，在网络上就是访客的IP地址或Cookie。
计算方式：记录独立访客数的时间标准一般可为一天，一个月。按照国际惯例，独立访客数记录标准一般为“一天”，即一天内如果某访客从同一个IP地址来访问某网站n次的话，访问次数计作n, 独立访客数则计作1，一般不计算年UV数。
使用独立用户作为统计量，可以更加准确的了解单位时间内实际上有 多少个访问者来到了相应的页面。
PR
pagerank，即网页的级别安装 Google Analytics 等统计工具一个 PR 值为 1 的网站表明这个网站不太具有流行度，而 PR 值为 7 到 10 则表明这个网站非常受欢迎(或者说极其重要)。
一个页面的“得票数”由所有链向它的页面的重要性来决定，到一个页面的超链接相当于对该页投一票。一个页面的PageRank是由所有链向它的页面（“链入页面”）的重要性经过递归算法得到的。一个有较多链入的页面会有较高的等级，相反如果一个页面没有任何链入页面，那么它没有等级。
跳出率
跳出率是指在只访问了入口页面（例如网站首页）就离开的访问量与所产生总访问量的百分比。
计算方式：跳出率=访问一个页面后离开网站的次数/总访问次数
比如，在一个统计时间内，有 1000 个不同访客从某一链接进入，并且其中有 50 个人没有二次浏览行为，是直接退出网站的，则针对这个链接的网站跳出率为50/1000=5%。
某些情况例外，比如页面上刻意添加的导出链接，如合作伙伴的网站等，还有联系我们，付款页面等，都不算是负面的跳出。
跳出率是评价一个网站性能的重要指标，跳出率高，说明网站用户体验做得 不好，用户进去就跳出去了，没有满足用户的期望与需求或是人群定位不精准，反之如果跳出率较低，说明网站用户体验做得不错，用户能够找到自己需要的内容。用户粘性得以保证，慢慢的可以积累大量的用户。
退出率
对某一个特定的页面而言，从这个页面离开网站的访问数占所有浏览到这个页面的访问数的百分比。
所以针对每一个入口退出率的算法就是：从该页退出的的页面访问数/进入该页的页面访问数。
当该页为访客此次访问网站的最后一页时，该页面即为此次独立访问的退出页面，统计为有一次退出。相应的，该页面的退出率的计算公式为：退出率=退出次数/总访问量*100%
跳出率与退出率
跳出率适用于访问的着陆页 （即用户访问的第一个页面），而退出率 则适用于任何访问退出的页面（用户访问过程中在你的网站上访问的最后 一个页面 ）。
退出率是对于特定的页面来说的，比如针对电商来说从商品详情页的退出率可以推知用户对于商品的感兴趣程度的相关性。
跳出率则可以适用于着陆页面，也可适用于网站整体。跳出率只能衡量该页做为着陆页面的访问，跳出率分母等于 着陆页的uv ，分子也是指跳出的uv。
退出率则是针对全部的访问页面不限于着陆页面，任何页面都有退出率。
退出率的分子=退出的次数（包括一次访问过程中用户浏览单页即跳出的次数，也包括浏览多页后从该页面退出的次数。）
平均访问时长
指在一定统计时间内，浏览网站的一个页面或整个网站时用户所逗留的总时间与该页面或整个网站的访问次数的比。
访问总时长/访问次数，如一个网站在一定时间内总的逗留时间为 1000 秒，在这段时间内，总的访问次数是 100 次，那么这个页面或网站 的平均访问时长就是 1000 秒/100 = 10 秒。是体现被统计对象的用户黏性的重要指标之一
转化率
指在一个统计周期内，完成转化行为的次数占推广信息总点击次数的比率。
计算方式：转化率=（转化次数/点击量）×100%。以电商为例，如果每 100 次访问中，就有 10 个登录，那么此网站的登录转化率就为 10%，而最后有 2 个用户下订单，则订单转化率为 2%，有一个用户下订单购买，则购买转化率为 1%。
转化率反映了网站的盈利能力，重视和研究网站转化率，可以针对性的分析网站在哪些方面做的不足，哪些广告投放效果比较好，可以迅速的提升用户体验、节约广告成本，提升产品转化过程。
重复购买率
指消费者对该品牌产品或者服务的重复购买次数。
重复购买率有两种计算方法：
1.以人进行计算，如有100人购买，如有50人再次购买，则重复购买率为50%；
2.单位时间内，如有100人购买，如有50人再次购买，同时有20人产生第三次购买，则重复购买人次是70人，重复购买率是70%。
重复购买率越多，则反应出消费者对品牌的忠诚度就越高，反之则越低。
ARPU
Average Revenue Per User，即每用户平均收入在一定时间内
ARPU=总收入/用户数，一般是计算长期的 ARPU 比较有意义，如平均每月每用户收入。而用户数可以是总平均在线用户数、付费用户数或是活跃用户数，不 同产品标准可能存在差别。
ARPU 注重的是一个时间段内从每个用户所得到的收入，衡量互联网公司业务收入的指标。ARPU 值高说明平均每个用户贡献的收入高，但高未必说明利润高，因为利润还需要考虑成本。
用户流失率
是指那些曾经使用过产品或服务，由于对产品失去兴趣等种种原因， 不再使用产品或服务的用户。
计算公式：用户流失率=总流失用户数/总用户数
流失用户数依产品而定，并且有各自的不同标准。分析用户的流失情况可以找到流失的原因，针对产品所处的时期再找到解决办法。
对于流失用户的界定依照产品服务的不同而标准不同，对于facebook，ins，微博这类产品，用户几乎每天登录查看的产品来说，可能用户未登录超过 1 个月，我们就可以认为用户可能已经流失了；
而对于电商而言，可能3个月未登录或者半年内没有任何购买行为的用户可以被认定是流失用户。
活跃用户
是相对于“流失用户”的一个概念，是指那些会时不时地光顾网站，并为网站带来一些价值的用户。
活跃用户用于衡量网站的运营现状，而流失用户则用于分析网站是否 存在被淘汰的风险，以及网站是否有能力留住新用户。
每个产品活跃的定义千差万别，如果是有帐号的客户端产品，例如 IM、端游等，通常以帐号登录作为活跃标识。
如果是某些工具软件，有的以启动作为活跃，例如看天气的。有些需要进行一些核心操作，例如社区，至少是完成每月一次内容产出或评论互动，算做活跃。
DAU
Daily Active User，指某个自然日内启动过应用的用户，该日 内的多次启动只记一个活跃用户。月活跃用户
MAU
Monthly Active User，指某个自然月内启动过应用的用户， 该月内的多次启动只记一个活跃用户。
这两个指标一般出现在在线服务的分析统计指标中，比如在线文档， 或者是网页邮箱服务，网络游戏，SNS 游戏等等。
一般用来衡量服务的用 户粘性以及服务的衰退周期。
DAU/MAU 比例是 SNS 游戏的重要参数，一般最低极限是 0.2，这保证游戏能够达到临界规模的病毒式传播和用户粘性。
WAU
Weekly Active User，指某个自然周内启动过应用的用户，该周内的多次启动只记一个活跃用户。这个指标是为了查看用户的类型结构，如轻度用户、中度用户、重度用户等。
用户保有率
用户保有率指在单位时间内符合有效用户条件的用户数在实际产生用户量的比率，也叫用户留存。
保有率=保有量/实际量
次日留存率
（当天新增的用户中，在第 2 天还登录的用户数）/第一天新增总用户数。
因为都是新用户，所以结合产品的新手引导设计和新用户转化路径来分析用户的流失原因，通过不断的修改和调整来降低用户流 失，提升次日留存率，通常这个数字如果达到了 40%就表示产品非常优秀 了。
第 3 日留存率
(第一天新增用户中，在往后的第 3 天还有登录的用户数）/第一天新增总用户数。
周留存率
（第一天新增的用户中，在往后的第 7 天还有登录的用户 数）/第一天新增总用户数。
在这个时间段里，用户通常会经历一个完整的 使用和体验周期，如果在这个阶段用户能够留下来，就有可能成为忠诚度 较高的用户。
月留存率
（第一天新增的用户中，在往后的第 30 天还有登录的用户 数）/第一天新增总用户数。
通常移动 APP 的迭代周期为 2-4 周一个版本，所以月留存是能够反映出一个版本的用户留存情况，一个版本的更新，总是会或多或少的影响用户的体验，所以通过比较月留存率能够判断出每个版本更新是否对用户有影响。
渠道留存
因为渠道来源不一，用户质量也会有差别，所以有必要针对渠道用户进行留存率分析。而且排除用户差别的因素以后，再去比较次 日，周留存，可以更准确的判断产品上的问题。
留存用户和留存率通常反映了不同时期获得的用户流失的情况，表现不同时期用户对产品的适应性和黏性，分析这个结果往往是为了找到用户流失的具体原因。
