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裏，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。而互聯網行業依托小程序/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壹步動作都有記錄，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，因此拉新關註度極高。
用戶活躍類指標：用戶活躍類指標是日常關註的重點。活躍用戶是壹切業務的基礎，且活躍行為是可以每日記錄的，因此運營/產品部門日常都盯得很緊。
用戶留存類指標：留存指標壹般和拉新/活躍指標結合起來看。由於留存統計相對滯後（要等XX天才能統計），因此壹般是月度復盤/事後分析的時候看的多。
用戶轉化類指標：用戶轉化壹般指付費行為，這是互聯網商業模式變現的重要渠道。看的指標主要圍繞有多少人買，買了多少，是否連續購買等展開。這裏和傳統企業的會員消費分析很像，能衍生出很多子指標。
用戶轉介紹類指標：用戶轉介紹行為類型很多，轉發內容/轉發商品/介紹新用戶加入等，都是轉介紹行為。因此轉介紹行為的定義常常會結合具體的轉介紹形態而變化。很少有統壹的指標。如果壹定要概括的話，可以概括為：
有轉介紹行為人數：發生轉發內容/轉發商品/介紹新用戶的用戶人數
轉介紹行為帶來的效果：新註冊用戶/商品購買/內容閱讀等等
除了AARRR以外，還有壹類特殊的行為：風險類行為，用於識別用戶的危險動作。在不同業務場景，風險定義不同。比如電商場景下刷單、薅羊毛，遊戲場景下外掛使用，金融場景下欺詐交易等等。
產品類指標
產品類指標是互聯網行業特色。用戶在互聯網APP/H5/小程序內會使用不同的功能，好用的話會壹直用，不好用會中途放棄，這些都能記錄數據，從而通過產品分析，不斷淘汰沒人用的功能，優化有人用的功能，提升效率。
產品分析的常見指標如下：
請點擊輸入圖片描述
請點擊輸入圖片描述
註意：產品分析是有級別的，最高級的是對整個APP/H5/小程序的頁面/功能做盤點。其次是對某壹個具體頁面（比如首頁、商品詳情頁、購物車頁）或者某壹個具體路徑（比如從首頁的banner位點廣告進入商品詳情，再選擇商品進行交易這樣壹條路徑）進行分析。
最細的則是分析某壹次改版的，某壹個按鈕/頁面布局調整等等。上邊舉例的指標更多是對頁面/路徑分析的指標，其他情況，有空再詳細分享。
內容類指標
內容類指標也是互聯網行業的特色。互聯網上發布的視頻/圖文，能記錄閱讀情況。壹般內容運營/營銷推廣/新媒體運營等與內容打交道密切的部門，會很關註這壹類指標。
常見的內容指標如下：
請點擊輸入圖片描述
請點擊輸入圖片描述
通過這些指標的分析，創作內容的部門，比如：內容運營/新媒體運營，能找到哪些內容閱讀高，哪些轉發多，從而總結出寫文章的套路，提升內容傳播範圍。利用內容的部門，比如營銷推廣，能關註哪些內容帶來的轉化好，從而提高推廣效率。
活動類指標
活動類指標，在互聯網和傳統行業都很常見。相比之傳統行業，互聯網行業的營銷活動密度更高、力度更大，經常是燒錢換增長。因此活動相關指標關註度很高。
常見的活動指標如下：
請點擊輸入圖片描述
請點擊輸入圖片描述
通過這些指標的分析，能讓負責活動的同事直觀看到活動效果，並且在不同類型/不同力度活動進行比較，找到更高效開展活動的方式。
有些活動會包含多個角色，比如拼團活動，會同時有團長/團員兩個角色；裂變類活動，有裂變發起人/參與者兩個角色。
不同角色的參與條件、達標動作、達標獎勵不太壹樣，因此可以拆分兩類群體，分別看活動目標人數/參與人數/達標人數等指標。
商品類指標
商品類指標，在互聯網和傳統行業都很常見。區別是傳統企業大部分是實物商品，互聯網則有壹堆虛擬商品，比如虛擬貨幣、會員特權、遊戲裝備、直播打賞等等等。
因此互聯網行業的商品管理，有可能比傳統行業簡單壹點，不需要那麽焦慮的盯著庫存周轉指標，生怕在倉庫裏待久了，貨都過期了。
常見的商品指標如下：
請點擊輸入圖片描述
請點擊輸入圖片描述
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。
註意，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。比如遊戲裏稀有皮膚賣的貴，是因為稀有才貴，為了短期收入搞大優惠，壹但爛大街，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，高中低端商品保持壹個穩定的庫存結構，避免爛大街。