关键指标分析是一种常用的业务分析手段。对于产品来说，某个功能上线后需要观察用户的操作数据，比如很简单的PV/UV，用户在层级留存率等等。对于研发的来说，关注的点在于功能的某个具体流程优化上，更关注性能或者稳定性相关的数据，那么就需要采用一套系统来完成这样的数据统计能力。本篇文章将介绍这种通用的业务指标计算模型，根据自定义的规则就可以得出想要的数据。

漏斗模型

漏斗模型是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况，是一种重要的分析模型。漏斗分析模型已经广泛应用于网站和APP用户行为分析的流量监控、电商行业、零售的购买转化率、产品营销和销售等日常数据运营与数据分析的工作中。

上图就是展示了用户从打开App，点击搜索，浏览结果，查询具体价格，下单的整个流程。 能够直观地发现和说明问题所在，可以更快地找出某个环节的转化率出现问题。 需要注意的是，漏斗模型仅适用于用户习惯较高的行为路径，或者是产品固定的操作路径。

具体做法

上面介绍完了漏斗模型，那么具体如何利用漏斗模型来完成一个通用的业务指标计算呢？

step1. 梳理业务脉络

梳理业务脉络，只有知道具体的业务脉络才能知道具体需要考虑哪些指标！那电商的搜索、浏览结果、加购物车、下单、支付、评价等用户习惯较高的流程操作。

step2. 明确关心的数据

明确各自关心的数据，有些指标是研发和产品都比较关心的。因为有哪些数据就需要在对应位置埋点。

作为产品关心的数据可能包括各个层级的转化率，搜索商品时长的体验，用户评价的留存率等等。

作为研发关心的就是搜索的时长、结果准确率（和产品一致）、加载速度（图片、VR、视频/直播）、App性能（CPU、内存、网络、ANR、Crash等），支付渠道、支付成功率等等数据。

step3. 埋点方案

知道了用户习惯链路或者固定使用链路，也知道了各自关心的数据，那么做好埋点就很重要，肯定是由研发来确定埋点的位置，只有写代码的人自己知道埋点怎样才是合理的。埋点需要保证正确性，避免漏埋护着多次重复埋点，应该始终遵循一个原则：埋点服务于计算结果！如果埋点都存在问题，那么最终的结算结果一定是存在问题的。

还是拿电商举例子，埋点从用户进入App设置为1号点，打开搜索栏2号点，输入文字后点击推荐结果3号点，主动点击搜索4号点，浏览商品5号点……支付订单15号点，评价16号点。以此类推其他的场景，都是一样的，埋点的最终效果是需要看到用户的行为轨迹图，并分析出关心的数据。

step4. 数据计算

基本原则，先根据单用户的某单次操作计算出数据，再计算总体数据。

step5. 数据校正

其实当我们得到计算结果的时候，一定需要再次矫正数据结果，因为前面的步骤都不能保证100%的正确性，有可能存在打点位置错误，多次重复打点（异常情况），数据清洗有误，计算过程/方式存在错误。所以一定要进行数据校正才能发现整套系统的问题所在，不断改进计算方式，比如超时阈值、监控告警等操作。

计算模型抽象