百度统计是一个强大的网站数据统计和剖析工具，从六大维度进行剖析——趋势剖析、来源剖析、页面剖析、访客剖析、定制剖析、优化剖析，帮助网站优化、用户定位、营销推广，打通网站与用户的完美锲合。
百度统计代价代价维度
趋势剖析，可以理解到网站的基本状态、用户生动度；
访客剖析、自定义变量，可以理解到网站的访客构成和各种属性，帮助我们明确用户的定位；
页面剖析、转化路径、事宜跟踪，可以理解到用户操作行为，帮助我们合理安排页面布局、页面层次，优化网站设计，提高转化；
来源剖析、优化剖析、指定广告跟踪，可以理解到网站的营销推广状态，监控各种网络媒介推广效果，优化SEO。
适用于web的数据统计工具：
国外：GA 、Clicky、W3Counter、Woopra、W3Perl 、Piwik、TraceWatch、Snoop、goingup、JAWStats、Crazyegg
海内： 百度统计、CNZZ、国双统计、51la、量子统计、小艾统计、科捷统计、好耶iDigger 、gostats
外部分析工具：Alexa 、IUT、adplanner、quantcast
适用于APP的数据统计工具：
国外：Flurry,google analytics mobile，Mixpanel
海内：友盟,机锋统计,TalkingData,百度移动统计,CNZZ移动数据平台，imofan
开源：cobub
网站的后台也可以进行一些基本的数据统计，比如注册数、会员数、互动数等。
常用的核心数据指标
除了上述思维导图中提到的数据指标外，还包括根据思维导图中的数据指标延伸出的生动度、流失落率、留存率等。
生动度：
紧张衡量产品的粘性、用户的稳定性以及核心用户的规模，不雅观察产品在线的周期性变革。
AU（Active Users）生动用户：用户上岸产品记为一次登录
DAU（Daily Active Users）日生动用户：逐日上岸过的用户数，一样平常从后台抓取
WAU（Weekly Active Users）周生动用户：七天内上岸过的用户数
MAU（Monthly Active Users）月生动用户：30天内上岸过的用户数
AT（Daily Avg. Online Time）日均利用时长：生动用户均匀逐日在线时长
AT=日总在线时长 / DAU
DNU（Daily New Users）逐日注册并上岸的用户数：直接从后台抓取即可
PCU（Peak Concurrent Users）最高同时在线用户人数：统计周期内，同一时点（常日精确至分）的最高在线人数
ACU（Average Concurrent Users）均匀同时在线用户人数：统计周期内，每个时点（常日精确到分）的均匀在线人数
ACU=DAU AT / 韶光精度
EC（Engagement Count）用户登录频率：统计周期内均匀每用户登录的总次数
根据统计周期不同，常日逐日登录频率统计的是登录次数；周及月的登录频率统计的是登录天次（一天登录多次记为一次）
对付不同产品，生动度的标准不一样，可以根据须要细分定位——轻度用户、中度用户、重度用户、忠适用户等。
流失落、留存：
不雅观察流失落用户的状态、流失落前行为来判断产品可能存在的问题。
ULR（Users Leave Rate）用户流失落率：统计当日登录过产品的用户，但在随后N日内未登录的用户数/统计日DAU
日流失落率：统计当日上岸过产品的用户，越日未上岸的用户数/统计日DAU
周流失落率：统计当周上岸过产品，之后下一周未上岸的用户数/WAU
月流失落率：统计当月上岸过产品，下一月未上岸的用户数/MAU
OSUR（One Session User Rate）一次会话用户占比：新登任命户中只有一次会话的用户占比，紧张衡量新用户的质量
DRR（Daily Retention Rate）日留存率：统计当日登录过产品的用户，在之后N日内至少登录一次的用户数/统计日DAU
WRR（Weekly Retention Rate）周留存率：统计当周登录过产品的用户，且下一周至少登录一次的用户数/WAU
MRR（Monthly Retention Rate）月留存率：统计当月登录过产品的用户，且下一月至少登录一次的用户数/MAU
越日留存率：统计当日登录过产品的用户，越日依旧登录的用户数/统计日DAU
回归率：曾经流失落，重新登录产品的用户数占流失落用户的比例
回归用户：曾经流失落，重新登录产品的用户数
流失落用户池：过去一段韶光内流失落的用户数
回归率 = 回归用户 / 流失落用户池
收益：
产品盈利能力的综合评价。
PUR（Pay User Rate）付费比率：统计周期内，付费账号数占生动账号数的比例，一样平常以自然月或自然周为单位进行统计
广度，更多的人付费
PUR = APA / AU
APA（Active Payment Account）生动付费账用户数：统计周期内，成功付费的用户数
APA = AU PUR
ARPU（Average Revenue Per User）均匀每用户收入：统计周期内，生动用户对产品产生的均匀收入
ARPU = Revenue / AU
ARPU = ARPPU PUR
ARPPU (Average Revenue Per Paying User)均匀每付用度户收入：统计周期内，付用度户对产品产生的均匀收入
深度，付更多的钱
ARPPU = Revenue / APA
LTV（Lift Time Value）生命周期代价：均匀一个新增用户在其生命周期内（第一次登录到末了一次登录），为该产品创造的收入总计
LTV_N： 统计周期内，一批新增用户在其首次登入后N天内产生的累计收入/ NU（新用户）
用于衡量渠道导入用户的回本周期，回本率=LTV_N/CPL（导入本钱）
以上数据可以根据须要进行拆解、合并，比如流失落付用度户数、回归付用度户数、新增付用度户数、新增生动用户数等等。
同时，不同的产品类型，须要关注的数据指标也不一样，道生万物。
推举：大数据工具导航(http://hao.199it.com)
via：甜心
