

很多数据分析师每天盯着GMV、DAU、转化率，但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭配使用”时，却常常答不上来。其实，数据分析师并非只记录数字，而是在通用指标与场景指标的灵活运用中，定位业务的真实问题。真正推动业务增长的关键，不在于指标数量，而在于是否区分了“看大盘”的通用指标和“找抓手”的场景指标。

”

引言：为什么区分通用指标与场景指标是数据分析师的核心能力？

小孙在一家在线教育公司做数据分析师。季度复盘会上，老板看着报表问：“DAU环比上涨了12%，这是好事吗？”小孙回答是。老板继续问：“但为什么我们的正价课付费率反而下降了？”小孙愣住了——他知道DAU是通用指标，却不知道在教育行业里，只看DAU而不结合场景指标会误判。

问题很快定位：DAU增长主要来自免费公开课渠道，这批用户活跃但不付费；而付费率下降，是因为公司把大量资源投入了引流而非转化。如果只盯着通用指标，很容易被表面的“好数据”误导。对业务来说，通用指标负责“发现信号”，场景指标负责“解读信号”；两者配合起来用，才能在业务发展中发现真正的增长机会。

一、核心认知：通用指标与场景指标的本质区别

通用指标与场景指标的核心区别，不在于指标本身的复杂程度，而在于适用范围与业务针对性。二者相辅相成，共同支撑从“全局概况”到“精准落地”的完整分析流程。

通用指标是指在不同行业、不同业务场景中均适用，用于衡量基础业务状态的标准化指标。其核心特征是“普适性、基础性、易对比”，相当于数据世界的“通用货币”，帮助企业快速判断业务基本面，也便于跨行业、跨企业的基准对比。

场景指标是指针对特定行业、特定业务场景或特定业务目标设计的个性化指标，其核心特征是“针对性、独特性、强业务关联”。这类指标无法直接跨场景复用，却能精准捕捉通用指标难以覆盖的业务细节，是解决具体业务痛点的关键。

简单来说，通用指标帮分析师“看清全局”，回答“业务整体怎么样”；场景指标帮分析师“找准细节”，回答“具体场景哪里好、哪里不好”。二者的区别可以归纳如下：

二、通用指标计算方法：三种核心“分析工具”

通用指标计算方法被清晰地划分为三大类，这是所有数据分析师必须掌握的基础技能。

（一）求和类指标计算方法

求和类指标计算是基础也是常用的计算方式，主要用于计算总量和规模，反映业务体量的整体变化。分为两种形式：

• 常规求和：计算维度项下包含的所有度量值的合计值。常规求和是对所有数据行进行简单加总，适用于需要了解总量的情况。例如，用常规求和统计一个季度各月的销售额总和。在CDA考试中，常规求和的计算对象以金额、销量等数值型数据为主，如订单总额、销售总量等。

• 累计求和：按时间或其他序列维度，计算到当前项为止的所有度量值的累计合计值，用于展示数据随时间推移的累积变化趋势。例如，在全年销售分析中，累计求和能清晰展示从1月到当前月的业绩累积情况。累计求和通常在有前后顺序逻辑关系的维度项下使用，如按年月排列的数据。求和类指标虽然常见，也需根据实际场景灵活处理——收入和支出对应正负值，必要时需进行符号转换以保证业务含义准确。

（二）计数类指标计算方法

计数类指标计算方法主要用于统计业务行为出现的次数或维度项下包含的不同度量的个数，分为两种形式：

• 常规计数：统计维度项下度量值的总个数，通常是统计非空值，适用于订单总数、访问次数等场景。例如，统计某店铺一天内的订单总数，就是典型的常规计数应用。

• 非重复计数（去重计数）：统计维度项下不重复的度量值的个数。在用户分析中，统计独立访客数（UV）需使用非重复计数——同一用户一天内多次访问只计一次。在考试场景中，非重复计数与常规计数的区分是一个高频考点，题目中常要求根据业务场景判断应采用哪种计数方式。

（三）比较类指标计算方法

比较类指标计算方法用于衡量业务行为结果的好坏程度，帮助分析师判断数据相对于参照基准的表现水平。主要包括以下类型：

• 均比（与平均值的比较）：描述各个维度项下的表现水平与整体平均水平的差异程度，可以识别表现突出或不足的维度项个体。在CDA考试官方模拟题库中，“均比”属于通用类指标计算方式。计算形式包括均比差异值（汇总值-总平均值）和均比差异百分比。需注意，由于总平均值使用的是算数平均数，容易受极端值影响，在分析受主观能力水平影响的行为结果时使用此方法较为合适。

• 定基比：与固定基期数据对比，判断长期趋势。例如，以2024年1月为基期，计算此后各月销售额与基期的比值，观察业务的长周期变化幅度。

• 同环比：衡量数据短期波动趋势。同比——与上年同期相比，消除季节性因素的影响；环比——与上一期相比，反映短期趋势变化。同比增长率公式为（本期值 - 上年同期值）/ 上年同期值 × 100%；环比增长率公式为（本期值 - 上期值）/ 上期值 × 100%。

除了上述三种核心计算方法外，通用指标的划分还包括按企业产品类型划分的指标和按职能划分的指标（财务分析指标、客户分析指标）。

高频通用指标通常围绕“用户、营收、运营、效率”四大维度设计，每一类指标都有明确的计算逻辑与解读要点。用户维度聚焦用户规模与粘性（如DAU、MAU、留存率），营收维度衡量盈利水平（如GMV、营收、利润、客单价），运营维度追踪转化效率（如点击率CTR），效率维度评估资源使用情况（如订单履约率、人均产出）。

三、场景指标：聚焦业务痛点的“定制利器”

场景指标是贴合具体业务场景、针对特定业务痛点设计的指标，核心作用是精准定位场景内的问题、衡量场景化目标的达成情况。这类指标具有极强的针对性，脱离具体场景后可能失去意义，但它是分析师深入业务、解决具体问题的“关键抓手”。

不同行业的场景指标差异显著，下面以三个典型行业为例进行说明：

电商行业——电商行业以GMV（商品交易总额）为核心北极星指标，场景指标紧密围绕“人、货、场”三大维度。复购转化方面，关注品类复购率（某品类二次及以上购买用户数 / 该品类总购买用户数），用于评估用户粘性与品类健康度。销售增长方面，关注拍下、支付、确收三层转化漏斗（确收才是与商家真正利益相关的数字）。流量效率方面，关注各渠道转化率、加购率、各渠道ROI，用于优化广告投放和营销预算分配。库存效率方面，关注库存周转天数、动销率、售罄率，用于预警积压风险、精细化库存管理。

SaaS行业——SaaS行业的核心商业模式是订阅制，其场景指标体系与电商截然不同。北极星指标通常是净美元留存率（NDR），计算公式为（期初MRR + 扩张MRR - 流失MRR - 降级MRR）/ 期初MRR。当SaaS公司的NDR从110%降至95%，说明老客户整体贡献在减弱——流失率可能上升、降级增多，或升级和交叉销售乏力。SaaS行业的其他核心场景指标包括客户获取成本（CAC）、客户生命周期价值（LTV）、月度经常性收入（MRR）、客户流失率（Churn Rate）等。高NDR（特别是超过140%）表明留存策略有良好效果，有助于支持更合理的客户购置支出。

内容平台行业——内容平台的核心商业模式是用户注意力变现，北极星指标通常是用户总使用时长。场景指标覆盖内容消费深度（人均停留时长、内容消费率、完播率）、互动参与度（点赞率、评论率、分享率）、创作者生态（内容发布量、创作者活跃率）。这类指标帮助平台判断用户粘性和内容质量，优化推荐算法和创作者激励策略。

四、北极星指标：连接通用与场景的“战略枢纽”

通用指标与场景指标并非割裂的两个世界，而是通过一个关键概念连接在一起——北极星指标。北极星指标是能够直接反映企业长期价值创造、并能引领团队所有决策的核心业务指标，它不是单一的财务或流量指标，而是“用户价值”和“企业目标”的交集。

北极星指标是OSM模型（目标-策略-衡量）的顶层框架核心。北极星指标的选取需贴合当前业务发展阶段——初创期通常关注用户新增，成长期关注交易额或转化，成熟期侧重收入与留存。

• 电商平台：北极星指标通常是GMV或确收GMV，直接反映核心商业规模
• SaaS服务：北极星指标通常是NDR（净美元留存率），衡量现有客户带来的经常性收入变化与可持续增长
• 内容平台：北极星指标通常是用户日均使用时长，直接关联广告变现潜力
• 社交产品：北极星指标通常是DAU（日活跃用户数），反映用户粘性

北极星指标的拆解，正是通用指标与场景指标协同发力的关键环节——通过因子分解式拆解（如GMV = 访客数 × 转化率 × 客单价），将北极星指标层层下钻到具体的运营场景指标，让战略目标落地为可执行的分析动作。

五、通用指标与场景指标的协同发力：从“看大盘”到“找抓手”

通用指标和场景指标形成“全局观测+精细挖掘”的组合效应，是构建完整分析体系的核心思路。

在实际工作中，二者的协同路径通常遵循以下逻辑：

第一步：通用指标“发现信号” ——CDA通过通用指标快速扫描业务整体健康状况。例如，DAU连续两周下降，表明用户规模可能出现收缩；营收同比增长放缓，提示增长动力不足。这些通用指标发出的信号，指明了需要深入分析的方向。

第二步：场景指标“定位根因” ——将通用指标暴露的问题拆解到具体业务场景。例如，DAU下降是iOS端掉量还是安卓端掉量？是核心功能活跃度降低还是外围引流乏力？这些问题的回答需要场景指标。电商平台在分析销售额波动时，第一步看的是全平台GMV同比、环比等通用指标（判断“有没有问题”），第二步才进入流量、转化率和客单价等场景指标，判断“问题具体出在哪一环”。更深入地，还要在场景内进一步按渠道来源、新老客群等维度拆分下钻——全链漏斗式拆解（曝光→点击→加购→下单→支付）层层追踪，定位具体的“卡点”环节和原因。

第三步：策略优化后持续监控 ——通过通用指标评估策略效果，通过场景指标验证优化动作是否精准。二者形成闭环：用通用指标发现问题→用场景指标定位原因→制定策略→再用通用指标验证效果。

在指标体系搭建中，建议采用“通用指标前置、场景指标后置”的布局逻辑：战略层和高管层侧重通用指标（监控整体），运营执行层侧重场景指标（驱动行动），让不同层级的人员各取所需、有的放矢。为保证指标体系的可持续性，还需要注意所有指标必须可量化、可统计，具备明确的计算逻辑与数据来源，避免无法量化的模糊描述（如“用户体验好”），同时指标需贴合数据实际，确保数据可获取、可落地，不追求“高大上”却无法统计的指标。

六、实战演练：从一份“电商销售数据”完成通用指标与场景指标的协同分析

背景

某电商平台进入第三季度后，运营总监发现GMV增长率连续两个月下滑，从前期的两位数字降到了5%。团队急需找出原因并制定优化策略。

第一阶段：通用指标扫描——定位问题信号

• DAU：保持平稳，无明显波动 → 排除用户规模收缩
• 流量来源占比：自然流量下降20%，付费流量上升15% → 获客结构发生明显变化
• 新增用户数：总体平稳 → 排除新用户获取不足

通用指标定位结论：问题不在用户规模，而在于流量结构和转化质量，需要进入场景指标进行深度分析。

第二阶段：场景指标拆解——定位根因

• 分渠道转化率：自然流量转化率12%，付费流量转化率仅4% → 付费流量质量明显偏低，拉低了整体转化
• 新/老客复购率：新客7日内复购率从15%降至8%，老客相对稳定 → 新客粘性大幅下滑
• 分品类客单价：美妆品类客单价同比下降30%，大促后用户转向低价尝鲜 → 品类策略出现偏差

场景指标定位结论：付费流量虽然拉高了DAU，但转化效率和用户质量显著偏低，属于“虚胖增长”；新客粘性崩塌是GMV失速的核心矛盾。

第三阶段：北极星指标校准——策略制定与落地

• 北极星指标重构：从“GMV”调整为“有效GMV”（付费流量转化达到一定质量线以上的订单总额），避免流量质量被稀释
• 策略一——流量质量筛选：在广告投放中增加“加购率≥5%”的筛选条件，拒绝低质量流量
• 策略二——新客激活路径优化：在新客7日体验路径中嵌入“加赠红包商品组合”强钩子，提升首购后粘性

第四阶段：效果监控（通用指标+场景指标闭环）

持续跟踪通用指标GMV变化趋势，同时监控场景指标（分渠道转化率、新客7日复购率），验证策略落地后的优化效果。最终，“有效GMV”口径下的增长贡献回归正向通道。



这就是一套完整的“通用指标发现问题 → 场景指标定位原因 → 北极星指标校准目标 → 双指标闭环验证”的协同分析实战流程。

”

结尾：从“会看指标”到“会配指标”——CDA专业认证的方法论进阶

很多数据分析师会看通用指标、会算场景指标，但当被问到“DAU涨了是否一定是好事”“留存率属于哪类指标”“通用指标和场景指标如何搭配使用”时，却答不上来。通用指标是数据分析的“底层语法”，告诉你业务在哪个范围有问题；场景指标是业务洞察的“定制工具”，告诉你问题出在哪个具体细节。通用指标和场景指标从来不是二选一的对立关系，而是“先发现、后深挖”的搭档组合。

指标体系与指标体系管理内容分别单列为一章，意在培养真正能“以指标为语言、用数据驱动业务”的分析师——而不是AI时代只能计算指标的“取数机器”。

如果你想系统建立从“通用指标计算”到“场景指标设计”的完整指标分析能力，并获得行业认可的专业能力证明，可以考虑了解CDA数据分析师认证。LEVEL I考试完整覆盖了本文提到的所有知识点，通过系统的教材和官方模拟题训练，帮助你真正把“指标”变成“业务的放大镜”。

下一步复习行动：

1. 整理一份你所在行业的常用指标清单，标注哪些属于通用指标、哪些属于场景指标
2. 练习将三类通用指标计算方法（求和、计数、比较）应用到日常分析场景中
3. 找出你业务的核心北极星指标，尝试用因子分解式拆解出支撑它的关键场景指标



通用指标让你看清“业务整体怎么样”，场景指标帮你找到“具体问题在哪里”。

”

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0