为什么要搭建数据指标体系？
百因必有果，你的报应就是我…呸！跑题了~~~当我们拿到相关的数据之后我们会发现，数据何其庞⼤？许多互联⽹公司我想多少会有通过数据爬⾍⽅式去获得⼀些数据，不管是组内数据还是组外，⽽这些获得的数据往往会变得零散，⾸尾不呼应，往往会⼀遍遍地从这些数据中去寻可以定位原因的指标，这样⼀来会耽搁不少时间，使⼈⼼疲⼒竭，互联⽹向来以⾼效著称，如此做法，也太不Internet了！
指标的场景和含义
成长型企业往往会缺少体系化的监控，每天看数据的有多少？在⽇常⼯作中需要监控多少个运营指标？那么解决这些问题的思路便是给公司搭建⼀套基于业务的数据监控体系，也就是我们今天的主⼈公——指标
指标，你可以理解为⼀个度量⼯具，它的度量在于追踪和评估商业进程的状态，来确保我们所做的项⽬务必是在正确的轨道上运营，同时验证⽅法论，不断的学习。试想⼀下，倘若我们⼀开始所关注的指标便已跑偏，那最终获得的数据进⾏相关的数据分析，那么这将会是场灾难！所以指标的选取是很核⼼的⼀步。如果我们选择了正确的指标，它颇像⼀个晴⾬表，能很好地衡量业务的健康状况。如果我们选择
了⼀个错误的或者是虚荣的指标，它可能会把我们引导到⼀个错误的路径上去，这是⼀个很⼤的陷阱！当然指标并⾮产品定义，产品定义的场景更适合那句鸡汤⽂“不忘初⼼、⽅得始终”；⽽指标呢，它的最⼤价值则在于帮助⼤家⾼效利⽤时间，把时间花在解决问题上，⽽不是去寻问题或寻问题的路上，从⽽提⾼团队整体的⼈效！ OSM数据模型
射线灯同众多理论⼀样，数据指标也有⼀套模型理论，坊间有⼀套被企业所熟知的模型即OSM模型：
O（Object） 代表业务⽬标
S（Strategy） 代表业务策略
M（Measure） 代表业务度量
相关的理论知识我就不多说了，有兴趣的朋友可以去⽹上⾃⾏搜索了解，上⾯说了，今天不讲学术性的东西。
下⾯，我以近期策划的⼀个相关活动为原型，来举例说明如何利⽤ OSM 模型搭建数据监控指标体系，该活动极为简单，由于活动还未上线还只是个Demo，所以该原型且真的只是个原型！但不影响
我们拿来分析，也希望通过简单的例⼦，更加通俗易懂的说明数据指标体系，以便PM们在实际运⽤中更加的灵活运⽤，游刃有余。
这个活动的特点在于周期较短，⼗天半个⽉为⼀周期，适⽤于各种主题/节⽇活动，活动所参与的商品（图像）不会太多，这使得不会占予⽤户过多时间。我们从图中的⼏个流程，从活动展⽰到完成活动参与排名抽奖，在这个流程转化当中，如果我们需要进⾏数据监控体系，那么该如何通过数据分析来指导业务增长呢？
01 指标衡量“什么”？
3d蓝光播放器在这个例⼦中，选定⽬标采取了两种视⾓：
⽤户视⾓：如何感知⽤户？
业务视⾓：如何增强活动感知？
为了促成这个转化率，我们该如何选择策略⽅向呢？
通过⾸页的胶囊banner，作为活动⼊⼝，占据页⾯黄⾦位，提⾼醒⽬值。
“任务”界⾯做完该产品的第⼆“⾸页”，在“任务”界⾯增多⼊⼝，增强曝光，带动⽤户的参与频率。
02 如何有效衡量“什么”？
第⼀步：选择合适的OSM指标度量。
针对从活动曝光到最终完成活动整个流程，可以拆解为两个KPI指标，KPI 1是从了解活动到参与活动，或参与活动的进度（因为图关卡有多个），在这⼀步，⽤户了解运营活动之后了解参与后获得奖励过后，参与进来完成转化的有多少，假设我们设定的Target是30%（含AU、DAU及⽇增）；KPI 2是最终完成全部关卡的⽤户，我们设定的Target同样也是30%，在这⼀步，原则上圆满完成KPI 1的⽤户基本能够顺利进展下去，所以KPI 1的作⽤尤为重要，只有当⽤户在这⼀步产⽣⼼理愉悦过后⽅才有可能继续完成活动，最终完成KPI 2。
第⼆步：注意成果性指标及过程性指标。
成果性指标，这个很好理解，它的场景经常出现为转化漏⽃的底部，是⼀个不可更改及后验性指标，⽐如电商场景下的GMV流⽔或订单量。⽽过程性指标，闻如其名，指的是到达这个结果之前所经过的路径，以及通过这个路径去衡量好坏的过程，它是可⼲预的，不可控因素较多，通常为“⽤户⾏为”。
03 如何衡量指标的好坏？
在第⼆项当中，我引⼊了⼀个词叫“Target”，这算是我们前期的⼀个⼩抓⼿，我们需要设定Target值去衡量指标的好坏，这基于企业内部的历史数据及⾏业的Benchmark，其设定原则时：要对内部有⼀定的挑战性，但⼜不是遥不可及的，毕竟这只是阶段性⽬标。
三联件
给⼤家展⽰⼀张来⾃神策数据的某电商产品的订单转化率，可以看到，平均商品的转化率基本都是保持在10%~20%区间，单款商品的波动也在5%左右，两者较为接近，这个时候设定Target值为30%是较为合适的。
04 如何改善指标的转化？
优化过程性指标可以改善指标的转化，还是以上⾯的流程为例，成果性指标为⽤户完成所有关卡，⽽每⼀步的转化漏⽃则成为了我们关注的过程指标，把进⼊活动详情页到参与关卡1再到关卡2及最后的关卡设定为30%，倘若都达成的话，我们的总转化率就能够达到12%，那么整体效果则会增加60%。具体的做法千层百变，这就需要考究⼀个产品经理的产品设计能⼒了，⽐如说在实例图中我所在某⼀关键位置加上的提⽰语提醒，这都是能够对⽤户造成⼼理冲击的作⽤点（对应图中的界⾯名称“刺激参与”、“及时反馈”、“活动唤醒”）。
成果性指标之所以为最终完成转化，在衡量这⼀指标单⼀视⾓之前，我们要考量它的适⽤性和唯⼀性，我们需要知道如何去确定所负责的业务⽬标可否带来⼀定的商业价值，或是否具有商业潜⼒。当然，作为产品经理的我们本是需要具备对产品有着长远规划的眼⼒，假设⾃⼰真的不确定的话，分享
⼀个很简单的⽅法，就是直接去问你的领导上司，我们今年的⽬标是什么？我们的产品需要达到⼀个什么样的层次？还是那句话，产品经理作为产品的唯⼀负责⼈，必须学会⾃⼰关注产品的长期⽬标和近期⽬标，让其相辅相成。选取⽬标的时候，我们需要注意以下4点：
切实可⾏、易于传播
可衡量、易于理解
木制灯笼可⼲预、可管理、可掌控
是正向的、是有益的、是有价值的
不难察觉，我上⾯所使⽤的以⽤户视⾓和业务视⾓出发制定的两个抓⼿，是符合这⼀规律的，但与此同时，我们还要避免两个雷区：
1. 第⼀、过于模糊，⽤户视⾓的⽬标就过于模糊，何为⽤户感知？怎样能让⽤户第⼀时间Get到你想要表达的？这个边界的设定难以预
料。
导热油配方
2. 第⼆、过于保守或激进，Target设定值为30%或60%的转化率作为⽬标，前者较易达到，⽽后者是近期不必去关注的，我们选择的业
云端同步务视⾓的⽬标切⼊点，就可以避开这⼀雷区
OSM的分析思路贯穿了整个数据流程，连接跨部门的基于业务⽬标和策略的数据需求交流，⽬的是提升数据研发质量和效率，业务相关部门通过OSM流程，逐步培养了分析思维，提升数据的理解和需求提出能⼒。
数据指标分级体系
数据指标分级体系更适合我们的 BI 或者分析师，这⾥要⽤到的技能会更⾼阶⼀点，适⽤于中等规模企业。但这能够帮助公司搭建⼀套完整的数据指标监控体系，从⽽及时发现业绩的升⾼或降低，以及产⽣的原因。数据本⾝是分层的，我们在思考指标的时候，也应该有⼀个层级的概念，⽽不是现阶段关⼼什么，我们就放什么；指标分级可以帮助我们更⾼效的去定位问题，去验证你的⽅法论，⽆需每次都要思考要去看哪些指标。
我们会针对不同的指标，分不同的层级。但不⼀定要拆得太细，否则层级会过深会有⽆限发散的可能性，基本上 3 个层级就能够指导产品或运营或分析师⼈员去做⼀些动作。
① ⼀级指标
⼀级指标必须是全公司都认可的、衡量业绩的核⼼指标。它可以直接指引公司的战略⽬标，管控产品的⾛向，衡量公司的业务达成情况，本质上需要管理层和下级员⼯的双向理解、认同，且要易于沟通传达，⽐如公司的利润、销售额，游戏产品的LTV、ARPPU值等（没错，是ARPPU值⽽⾮ARPU值）。举个例⼦，发⽣在我们公司内部的⼀段⼩插曲，我们在产品处于iDear阶段时，在种⼦期的时候，我们当时定义的PMF，是⽤⼀个新的产品去满⾜⼀个已经存在但部分需求仍未被满⾜的市场（这句话来⾃于《增长⼋卦模型》⼀书），俗称细分领域、细分市场，⽽正当我们着⼿去做时，由于种种原因，发现这种做法是不正确的，我们当即启动了另⼀种PMF，⽽后续所做的所有事情，都是围绕着这⼀PMF展开实⾏，那么这个时候我们的⼀级指标就是在指定时间内完成这⼀PMF。
② ⼆级指标
⼆级指标算是⼀级指标的灯塔、指南针，当⼀级指标发⽣变化的时候，及时调解，及时定位，通过查看⼆级指标，快速定位问题所在。⽐如说，我们的⼀级指标是 ARPPU值得到提升，那怎样去定⼆级指标呢？我们在历史经验的基础上去拆解⼀级指标，⽽能够影响到 ARPPU上升的，就是核⼼⼆级指标。⽐如说在商品做⼀些运营活动，做⼀些产品的爆款吸引⽤户参与进来，通过ARPU值的提升从⽽带动ARPPU。
③ 三级指标
三级指标，这⼜是⼀座灯塔指南针，是⼆级指标的指南针，当⼆级指标发送错位时，三级指标即⾼效定位⼆级指标的波动情况，当然，这也同时需要依据历史经验或数据理论去拆解问题。与⼆级指标不同的是，三级指标能够直接执⾏⼀线运营的⾓⾊和作⽤。以⼀级指标 ARPPU 值提升为例，我们拆解后发现是需要通过ARPU值的转化率带动提升，那么ARPU转化率就是⼆级指标。接着分平台去拆解转化率的时候，我们发现是 IOS 的客户端转化率有所提升。那为什么安卓没有提升，是不是 iOS 最近做了⼀些迭代？是不是它的⼀个转化路径⽐其他端好？这些思考点就能指导业务⼈员展开⾏动。
写在最后
搭建数据指标体系的⽬的便是为了更好的便于分析产品数据，利⽤数据驱动产品增长，⼤致架构是通过设⽴OSM模型，继⽽再确⽴增长指标、活跃指标和变现指标，分别对应⼀级、⼆级和三级指标。增长指标⽐如说是新⽤户的注册量；⽽活跃指标则为AU、DAU。变现指标如⽤户从注册到下单，所完成的产品营收的转化等等。如果看到⼀级指标（新的注册⽤户数）有增长，那么我们就要迅速去看⼀下，是不是有哪些⼆级指标做了波动，便能快速定位⼀级指标增长的原因。有了⼆级指标的增长之后，再通过三级指标拆解⼆级指标…以此类推，反复推导，我们便能够解决⽇常业务中遇到的 70% 的问题。
当然了，这些只是我个⼈所梳理总结出来的框架结构，可能不⼀定适⽤于所有企业所遇到的问题，但值得借鉴，具体情况且视状况⽽为之；搭建数据指标体系需要该负责⼈清晰的了解产品当前现状，运营现状、增长现状等，对业务模式有着充分了解，业务运营的类型和产品流程均能熟练操盘，因此搭建这套体系的时或许会牵动众多项⽬组⼈员，这需要产品经理需要有⼀个很好的操盘能⼒，衔接能⼒。
感谢你的观看，产品⼩七，⼊坑3年，与你共同探讨互联⽹产品中的术与道！
END
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议