数据业务实践(一):指标体系

一、什么是指标体系?

业务指标是指围绕业务模式和发展目标,衍生出的一系列衡量标准,对业务进行描述。

由于产品与业务的复杂性,单一指标无法准确描述业务状态。因此为了准确描述业务状态,将多个独立又相关的指标有机结合,即构成了指标体系。

二、为什么搭建指标体系?

  1. 它真实反映了业务当前阶段的发展状况和问题指标由业务定义,数据由业务产生,因此指标数据本质是对业务的数字化描述。类似于财务报表能反映公司的现金流情况,业务指标也能够真实准确还原业务经营的状态。
  2. 它能够较准确预测业务走向业务经营总是按一定斜率上升或下降,抑或呈现周期性特点。通过月/季/年的数据指标积累和分析,能够评估未来短期的业务前景,感知市场变化,对抗不确定。
  3. 它能够为各部门提供快速即时的数据支持,辅助精细化运营数据来源于业务中的用户行为,也反映出用户的期望和能力,利用数据能够支持精细化运营,降低成本,提升转化率。

三、指标的类型

结合业务目标和指标的特性,我们可以将指标拆分成四种类型

  • 核心指标:又称北极星指标,是公司业务经营过程中最关键的指标,是关键的关键。所有关键指标由它产生,对它负责。这个指标一旦确立,就像北极星一样,高高闪耀在天空中,指引着全公司所有人员向着同一个方向迈进。
  • 关键指标:相当于核心指标的子指标,根据指标的复杂度和特性,可以向下再拆成二三级主/子指标。一个核心指标由多个关键指标组成。
  • 过程指标:核心指标和关键指标只反映最终结果,无法描述结果产生的过程。而过程指标是对实现关键指标的重要环节进行过程描述。它能够在产品和业务层被即时监控,调整,改进,从而影响关键指标。
  • 描述性指标:这类指标只是客观事物的描述,构成了业务对象的细节部分,也是数据分析中的时常需要考虑到的检索维度。

四、指标体系常见搭建流程

指标体系建设需要和各部门充分沟通,了解业务模式和发展目标。由于业务和产品的复杂性,需要反复评估,归纳总结,纳入监控的数据指标,以保证指标体系满足业务诉求,支持业务发展。

一般数据搭建按照下面流程进行

  • 数据调研:包含两个方面,① 业务调研,了解业务逻辑和场景,明确业务过程;② 需求分析,厘清数据诉求,梳理业务指标,划分指标类型并分别确认统计口径;
  • 规范定义:根据调研结果,明确定义每个指标,确认后形成数据字典;
  • 设计模型:结合业务场景,针对具体场景形成维度表和事实表。以便后续进行数据监控和分析;
  • 规划方案:结合需求和开发能力,规划远景和阶段性具体方案;
  • 开发部署:基于方案开发上线
  • 运营维护:业务和场景调整都可能导致分析统计口径和模型变更,因此也要长期维护。

五、常见指标分析思路

有三种常见方式进行指标分析

1. 基于业务挖掘关键指标

一般来说,业务或产品本身具有复杂性,单一指标不能准确描述业务现状。因此业务本身运营发展存在一个或多个关键指标。这类指标像财务报表一样,反映业务状态、产品价值和收益状况。搭建指标体系时,应该围绕市场竞争状况,根据业务定位和运行模式,明确重点应关注的指标,并进行拆解。

【电商业务常见关注指标】

成交金额(GMV):付款订单+未付款订单+退货订单金额

客单价(ARPPU):一定时间内,顾客平均支付金额

...

【社区产品常见关注指标】

日活用户数:每日打开app(或完成关键行为)的用户

发帖/回复用户数:发布至少一条帖子/回复的用户

...

2. 通过分析模型确定关键指标

对用户业务分析,有多种分析模型,这里我们以 AARRR 模型为例

AARRR 是一种常见的评估模型,它围绕用户生命周期的五个关键环节,搭建一套指标评估体系。对五个环节的关键目标,按照进行指标拆分。最终的基础数据单元即可以纳入评估体系中。

  • 拉新(acquisition):产品用户增量和增长用户质量的评估,关注此指标有助于评估渠道贡献和营销效果,优化投入产出比,降低拉新成本;
    • [参考指标]:新增下载量、渠道数、下载量、转化率
  • 激活(activation):用于评估核心功能对用户的价值,关注此指标有助于评估产品是否有效满足用户需求,为用户带来价值;
    • [参考指标]:激活数、激活率、新增用户数
  • 留存(retention):评估产品健康程度,留存越高,用户粘性越大。高留存说明产品和业务模式充分且持续对用户产生价值,形成用户依赖和习惯;
    • [参考指标]:日活、月活、留存率、七日/十五日/三十日留存
  • 转化(revenue):即价值变现,用户和产品价值在商业收益上的最终体现。转化越好,业务模式运作越健康,方向越正确;
    • [参考指标]:GMV、付费转化率、用户价值、客单价
  • 传播(refer):即用户的分享和自传播
    • [参考指标]:参与人数、分享人数、分享率、拉新人数

优秀的产品在这五个环节都有良好的数据表现,反之,当产品表现不佳时,也可以从这五个环节中进行分析,倒推出可能存在的原因。

3. 围绕功能模块确定指标

如今一款 App 有越来越多的功能模块,不同模块承载的目标各有不同。针对特定模块进行数据搭建时,最好以用户行为旅途作为切入点,围绕用户在使用功能过程中所产生的关键行为抽象为指标,进行监控分析。

【授信功能转化流程示例】

进入授信激活页 → 实名验证 → 银行卡四要素鉴权 → 人脸识别 → 协议确认 → 手机验证 → 注册成功

【购物黄金流程示例】

进入商详页 → 加入购物车 → 进行结算 → 选择支付方式 → 支付完成

从上面可以看出,每个节点都是关键功能点,对关键功能点可以进行再拆解,就可以得出这个功能模块的指标模型。

六、指标拆解方法

知道了如何明确主指标后,如何再将主指标做拆解呢?为了便于数据更精细,我们需尽可能拆到最小颗粒度。一般有两种拆解思路;

1. 按主指标构成结构拆解

将构成主指标的所有平行部分进行罗列,结构拆解能够从宏观角度查看当前各模块的贡献度,辅助业务调整策略

2. 按主指标实现过程拆解:

将达成指标过程中所有路径进行拆解,是一种线性维度。围绕过程做指标拆解,是相对微观的拆解方式,有助于聚焦特定路径转化效果,及时发现问题,以便做出产品优化

注:以上仅作简单示例,实际业务上可以做更多层的拆解。)

后记

一个公司的数据建设进程总和公司发展息息相关,但一般总呈现滞后性的特点。随着互联网竞争白热化,业务运营策略、产品迭代节奏都相应都越来越倾向于快速验证、即时反馈、高效迭代的趋势。

虽然数据建设有助于我们挖掘增长线索,精细化运营,但对于处于创业发展期公司而言,数据并非增长特效药,不一定带来业务突破。同时数据建设不是一蹴而就,而是长期投入的工程。

在业务发展过程中,数据分析总是被反复提到前台,仿佛是万能灵药。尤其当增长遇到瓶颈,增速放缓的公司,更是热烈开展,投入大量资源,最后一地鸡毛。这应当值得反思,相比大而全的数据体系,良好的数据分析思维,科学的分析方法,审慎的态度反而是我们所欠缺的。

[版权声明]
作者:赵知了
链接:https://zhaobanxian.top/archives/87
本站所有文章均为原创,除特别声明外,转载请联系作者,否则视为未授权转载。
THE END
分享
二维码
< <上一篇
下一篇>>
文章目录
关闭