数据指标体系如何从构思到落地.docVIP

数据指标体系如何从构思到落地 / 一、数据指标与体系 1. 什么是数据指标？ 指标是一个可以量化目标事物多少的数值，有时候也称为度量，如：DNU、留存率等都是指标。 一个指标通常需要从多维度来分析指标构成，这就要求指标与多维度关联支持多维度分析，如DNU就可以按照不同渠道查看各渠道流量大小，也可以按操作系统查看不同操作系统的人数，这里的渠道、操作系统就是维度。 2. 好的指标体系该是什么样的？ 指标体系就是将各个指标按照特定的框架组织起来，从不同维度梳理指标，梳理的过程也是对业务本质进行思考的过程。 一个好的指标体系应该有以下两点性质： 上能指引高层领导把控业务整体方向，下能指导业务人员落地执行业务目标； 指标之间要形成闭环相互作用相互影响产生反馈，才能称之为体系，以数据定位问题，再反向作用运营和产品，最终形成数据驱动产品设计及用户运营的闭环。 二、如何搭建指标体系 指标体系的搭建分为两大步骤：设计指标体系和落地指标体系，这两大部分又可以拆成一些小步骤，我们先来看一张指标体系从设计到落地的整体步骤图，下面再根据这张图细分拆解其中的每个步骤是怎样落地的。 1. 如何设计指标体系 1）需求来源 主要需求来源随着产品生命周期而改变。搭建数据指标根据数据现状分为初中后三个阶段。首先要明确的是先有目标方案后再有数据指标，而不是凭空捏造出一些指标体系然后往产品上套。 在数据指标搭建初期以产品战略目标为主，优先搭建北极星指标的全方位指标监控； 中期以业务驱动为主，搭建指标衡量现有业务，业务驱动直接获取到的指标一般是二级指标，需要整合到指标模型里面去； 到了后期，此时各数据指标已经搭建的差不多了，是时候根据模型查缺补漏，搭建针对产品的指标闭环，通过数据来反向推动产品的迭代优化。 2）确定一级指标 一级指标其实就是反映产品在各个重要方面的运营情况怎么样，把对用户的运营当成一个流水线，围绕着用户生命周期即可挖掘到一些重要的一级指标并自然而然的形成闭环。 在众多指标模型中我觉得AARRR模型能很好的概括用户的生命周期，美中不足的是遗漏了用户流失这一环节，个人觉得AARRRR比较能完整概括用户生命周期，即Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（收入）、Referral（自传播）、Recall（召回）。 围绕这六大方面，可以拓展以下一级指标（只是举例一些通用指标，具体的一级指标可根据具体业务进行定义）： 3）得到二级指标 二级指标由一级指标衍生而来，为了实现一级指标，企业会采取一些策略，二级指标通常与这些策略有所关联。可以简单理解为一级指标的实现方式，用于替换定位一级指标的问题。 二级指标的作用就是将一级指标的涨跌落实到具体的业务部门或者是责任人，通过成分拆解我们可以从一级指标得到对应的二级指标。例如收入这个一级指标，通过成分拆解可以分为广告收入和内购收入等。 4）得到三级指标 通过二级指标的分析可以找到相应问题的责任方，而三级指标的作用正是指导该责任方去定位具体问题，进而修复问题。 通过对二级指标的路径拆解即可得到三级指标，一线人员可通过三级指标的具体表现快速做出相应的动作，所以三级指标的要求是尽可能覆盖每一个关键路径上的关键动作。 这里继续拿内购收入这个指标举例，通过路径拆解，最终促成内购的关键行为路径是：浏览商品、加入购物车、提交订单、支付成功。 按照以上流程不断查缺补漏确定各一级指标并对其进行逐步拆解，即可搭建出一套行之有效的数据指标体系。为了加深印象，下面看看各级指标的应用实战案例： 责任方找到了，那就该赶紧定位解决问题啦。 问题就这样自上而下的逐步拆解直到解决，当然了，现实工作中各级人员都要时刻关注自己负责的那部分指标将问题扼杀在萌芽阶段，不要等着领导发现问题找过来再亡羊补牢。总结起来整个指标体系的应用流程如下： 2. 如何落地指标体系 终于到了开干时候，有了目标之后接下来就是将规划的指标进行埋点落地了。 落地指标就不像设计指标那样首先着眼于一级指标，而是应该首先着眼于二级指标，因为一级指标是由二级指标组成的，二级指标埋点好了之后一级指标自然而然地可以计算出来。 埋点不是一个人的事情，需要各部门通力合作，下图就是埋点的整个设计到落地的流程： 不知看完这张图有没有一个疑惑，责任方为什么还要去理解熟悉需求，需求方不是给出指标了吗，照着去埋点就好了啊。如果你这么想的话，那你注定只能做一个工具人。 首先各指标跟具体的业务逻辑设计紧密相关的，如果你不去熟悉业务，是无法针对指标进行多维度细化埋点设计的，最终设计出来的埋点方案必定是丢三落四漏洞百出。 再者需求方给出的指标不一定是全面的，需求方往往数据意识不强，无法洞察到当前业务的很多细节是数据可分析的。 所以这就需要数据产品经理熟悉业务懂