PV和UV的区别是什么？官方口径一次讲清

运营培训第一课，有人问：老板要看流量，我报PV还是UV？这个问题看似基础，答错的人却不少——有人把PV当人数报，有人把UV和IP混为一谈。这篇按官方口径把PV和UV的区别一次讲清。

一、PV和UV的官方口径是什么

1.1 PV：每打开一页记一次

PV（Page View，页面浏览量）指每打开一页记1次的累计数。因为PV按"页面打开次数"累计，所以同一个用户一天内刷新三次首页，就会产生3个PV。官网名词解释明确："PV：每打开一页记1次累计"，这是PV的基本计算口径。PV反映的是页面被浏览的总次数，不是人数。理解PV和UV的区别，先理解PV的"次数"本质。

1.2 UV：一天内独立访客数

UV（Unique Visitor，独立访客数）指一天内访问网站的独立访客数量，以Cookie作为识别依据。因为UV按"人"去重，所以同一个用户刷新十次只算1个UV。官网名词解释明确："UV：一天内独立访客数（Cookie依据）"。UV反映的是"有多少不同的人来"，不是"来了多少次"。PV和UV的区别，核心就是"次数"与"人数"的区别。

1.3 为什么用Cookie识别UV

UV识别依赖Cookie，是因为Cookie能在浏览器端区分访客身份。因为Cookie会被用户清除、被浏览器限制，所以UV是基于Cookie的近似统计，不是精确到人的计数。理解这一层，就能解释"为什么UV可能低估真实人数"。这也是PV和UV这对指标里，UV在统计机制上更复杂的一方。

1.4 PV与UV在报表中的角色

在流量报表里，PV和UV的角色不同：PV反映内容热度与页面负载，UV反映用户规模与触达广度。因为两个指标回答的问题不同，所以日报、周报、月报里通常并列展示，但解读时各取所需。理解PV和UV的区别后，看报表就不会再"一个数走天下"。

图1 PV和UV的区别看什么的概念与结构示意

二、PV和UV的区别看什么

2.1 一个例子看懂区别

用一个例子说明：100个人访问网站，其中20个人每人看了5页，80个人每人看了1页。则PV=20×5+80×1=180，UV=100。因为UV看人数、PV看次数，所以同一个场景下PV总是大于等于UV。PV/UV的比值（人均浏览量）反映访问深度：比值越高，说明人均看的页面越多。这个例子是理解PV和UV区别最快的入口。

2.2 与IP数的区别

IP数指按IP地址去重的访客数，与UV是两个口径。因为同一IP可能对应多台设备（公司网络共享出口），同一设备也可能换IP（移动网络），所以IP数既可能高估也可能低估UV。官网名词解释把IP数与UV分开列出，就是因为两者口径不同。对比"来访人数"时优先用UV，不用IP数。

2.3 新访客与老访客的口径

与UV相关的还有新访客口径：官网名词解释中，新访客数指自开始统计以来首次访问的访客，新访客率=当日新访客÷当日总独立访客。因为新访客率反映拉新能力，所以看流量结构时，把UV拆成新访客与老访客，比单看总数更有信息量。PV和UV配合新访客口径，能组成更完整的流量解读框架。

2.4 口径对照表

下表汇总PV、UV、IP三个口径的对比：

因为三个指标含义不同，所以看数时按用途选择：看内容热度用PV，看用户规模用UV，看网络层面用IP数。

三、怎么做：正确解读PV与UV

3.1 第一步：看趋势而不是单点

解读PV和UV的第一步是看趋势：环比、同比、按日曲线。因为单个数字没有参照没有意义，所以先建立自己的基线（一周、一月、一季度），再谈数字高低。PV和UV的单点值只是快照，趋势线才有判断价值。

3.2 第二步：结合比值看质量

第二步结合PV/UV比值看访问质量：比值稳定或上升说明内容吸引力好，比值下降说明人均浏览变浅。因为比值比单看PV或UV更有信息量，所以月报里同时展示PV、UV与比值三个数。比值从2.5掉到1.8，比UV本身的变化更值得深挖。

3.3 第三步：区分使用场景

第三步区分使用场景：评估内容热度看PV，评估用户规模看UV，评估转化漏斗看两者的组合（UV做分母、PV做路径）。因为不同决策需要不同指标，所以报给老板"流量多少"时先问清楚要回答什么问题。场景对了，PV和UV的选择就对了。

3.4 第四步：注意Cookie限制的影响

第四步注意Cookie限制对UV的影响：浏览器禁用Cookie或用户频繁清除时，UV会偏低。因为这不是数据错误而是统计机制，所以发现UV波动时先排查Cookie相关因素，再判断业务变化。解读PV和UV时，把统计机制的限制纳入考虑，结论才经得起推敲。

3.5 报表的呈现建议

建议流量报表按"UV为主、PV为辅、比值做补充"来呈现：第一行UV看规模，第二行PV看热度，第三行比值看深度。因为这样的结构能让读者快速抓住重点，所以把三行固定成报表模板，每周复用。PV和UV的呈现方式，直接影响读者对数字的理解效率。

图2 PV、UV、IP三个口径的计算方式与典型用途对比
图3 本文误区与边界的关键对比

四、误区与边界

4.1 误区：UV等于真实人数

UV是Cookie口径的近似统计，不等于精确到人的真实人数。因为Cookie清除、禁用与跨设备都会造成偏差，所以UV是"独立访客数的近似值"，解读时保留这个前提。把UV当精确人数，是PV和UV解读里最常见的错误。

4.2 误区：PV和UV越大越好

PV与UV的增长不一定都是好事：PV增长可能是内容吸引，也可能是页面跳转太多；UV增长可能是拉新有效，也可能是活动带来的一次性流量。因为指标好坏要结合业务场景判断，所以看增长先看来源与质量，不只看数字。

4.3 误区：拿IP数当UV用

IP数当UV用，在公司网络与移动网络场景下都会失真。因为同一IP可能对应多人、同一人可能换IP，所以IP数既可能高估也可能低估独立访客。需要"人"的维度时，用UV而不是IP数。

4.4 边界：指标含义以工具口径为准

不同工具的PV、UV定义可能存在细节差异（是否含机器人流量、是否按子域名区分）。因为口径差异会影响数字，所以跨工具对比前先核对两边的定义，以各工具官方口径为准。本文口径来自官网名词解释，适用于456数据，其他工具需自行核对。

4.5 边界：本文不讨论刷量识别

本文只讲PV与UV的口径区别，不展开讨论流量刷量与反作弊识别。因为刷量识别涉及来源分析与行为特征，需要另一套排查方法，所以遇到流量异常时，参考专门的反作弊排查内容。

4.6 团队共识与组合解读

PV和UV的解读要有团队共识：把两个指标的定义、用途与常见误区写进团队的指标字典，新成员入职先读字典再碰报表。因为PV和UV是最高频的流量指标，团队口径统一能避免大量无效争论，所以指标字典是数据文化建设的基础动作。同时，PV和UV的数字要与其他指标配合使用：与跳出率结合看流量质量，与转化率结合看流量效率，与停留时长结合看内容吸引力。因为单一指标的解释力有限，组合指标才能还原流量全貌，所以报表设计时把相关指标排在一起，方便联动解读。

4.7 比值与投放上下文

PV和UV之间的差距本身就是信息：因为PV/UV比值反映人均浏览量，比值高说明用户看得多、内容或站点结构吸引力强，比值低说明用户来了就走、页面之间跳转不畅，所以比值比单看PV或UV更能说明问题。报表里把比值列在PV和UV旁边，解读时就多一个维度。PV和UV的变化还要与投放动作对齐：因为投放带来的是增量曝光，投放结束后这部分流量自然消退，所以评估投放效果时把投放期与日常期的PV和UV分开统计，结论才不被投放效应污染。

4.8 对照行业经验

PV和UV的数字不要孤立引用，最好与行业经验值对照看。因为PV和UV本身是相对指标，与同类站点对比才有判断基准，所以分析时找行业参考范围，避免凭感觉说"高还是低"。找不到可靠参考时，用自身同期、环比与历史基线替代，同样能建立判断标尺。还要注意：PV/UV在移动端与桌面端可能分开统计，因为不同工具的实现方式不同，所以跨端对比时先确认口径是否一致，再谈高低。

4.9 本文未覆盖的边界

本文未覆盖流量刷量与反作弊识别的具体排查方法，也不展开多端（网站与App）口径差异下的统一身份合并。因为这类内容属于相邻主题，所以遇到流量异常时参考专门的反作弊排查内容，需要跨端口径时查阅官方文档站。

结尾

PV和UV的区别一句话讲清：PV是"页面被打开多少次"的累计数，UV是"多少个不同的人来过"的去重数，前者看次数、后者看人数。配合IP数与新访客率，就能组成完整的流量解读框架。下次老板问流量多少，先反问：您要看多少人，还是多少次？把PV和UV的边界说清，报表里的每个数字都有了准确含义。