没有指标体系,50%的人力可能会被浪费

data
data
data
3
文章
0
评论
2020-11-1413:11:00 评论 246 2846字
摘要

由于初期指标体系没有搭建起来,造成后续大量的临时数据需求,既浪费了了人力,又耽误的了整个平台的发展。需求管控以后有机会再聊,今天先聊一下指标体系。

最近和一个做数据平台的同学聊天,他现在遇到了一个问题:需求方零散数据需求很多,研发同学大部分时间在处理这些零散的临时需求,支持数据平台的时间很少。如果研发大部分时间去做数据平台,需求方就会抱怨说支持不及时;如果研发大量时间都在处理这些临时需求,整体规划的数据平台上线又遥遥无期,同时研发同学也没有成就感。

细聊下来,除了需求管控出了问题外,还有就是没有搭建好指标体系。由于初期指标体系没有搭建起来,造成后续大量的临时数据需求,既浪费了了人力,又耽误的了整个平台的发展。需求管控以后有机会再聊,今天先聊一下指标体系。

什么是指标体系

对于做过数据产品经理的同学来说,指标体系应该并不陌生,但对于没有系统做过数据的同学来说,可能并不是特别了解。关于指标体系的解释,《统计学教程》中是这样介绍的:

指标体系,即统计指标体系,是由一系列具有相互联系的指标所组成的整体,可以从各个侧面完整地反映现象总体或样本的数量特征。

统计指标体系从其功能和作用不同,可分为描述统计指标体系,评价统计指标体系和预警统计指标体系三种。描述统计指标体系是由若干对社会经济活动状况做出完整而系统描述的基础指标所组成的。评价统计指标体系是由若干对社会经济行为结果进行比较、评估、考核,以检查其工作和综合效益的统计指标所组成。预警统计指标体系主要用于对社会经济宏观运行的监测,并根据指标值的变化,预报社会经济即将出现的不平衡状态、突发事件及某些结构性障碍等。

为什么需要指标体系

几乎没有一家企业不希望业务增长的,尤其是互联网公司,拿了投资人或者股东的钱,就更加追求业务增长了。数据驱动增长的时代,增长离不开数据,各个视角的数据组合起来就是指标体系。

如果没有指标体系,运营(业务)同学会常常发现之前提的数据报表需求又不能满足自己的需求了,又需要加指标、加维度,以及重新提新的报表需求。甚至会在某个加班的深夜,辗转反思后一拍大腿自语到:这个指标统计的口径是不是 TMD 有问题呀!

如果没有指标体系,每次面对运营同学新提的临时数据需求时,数据产品同学会很难受——不接吧,确实是合理的需求,业务很需要;接了吧,类似的需求会源源不断,绵绵无绝期啊。终有一天,再次给研发同学提需求时会像泄了气的皮球一样,冒出一句:这可是老板的需求。

如果没有指标体系,研发同学同样会很痛苦,心中会常泛起骂娘的冲动:「上个版本刚埋完点,怎么又有新的埋点?」、「为啥又要新加指标?」、「数据结构要推倒重新设计啊!」、「数据又要回溯,明天上线?」、「做了一年临时需求,晋升答辩时如何(Chui)汇(Niu)报(Bi)?」…

如何搭建指标体系

搭建指标体系的前提是要对业务非常了解,包括业务的现状、未来发展方向、业务的核心目标等,然后结合主流的方法论进行指标体系设计和搭建。常见的方法论如下:

1、指标分级

指标分级是根据业务核心目标进行分级拆解,根据企业现状可进行三到四级拆解。一二级直接反应业务当前发展情况,三四级指导运营同学工作。可结合第一关键指标(OMTM, One Metric That Matters)进行核心指标确定,《精益数据分析》这本书中有对电子商务、SaaS、免费移动应用、媒体网站、用户生成内容(UGC)、双边市场(如 eBay)六种商业模式进行举例(产品与书公众号之前也有简单介绍过这本书,链接见本文最后)。

用打车公司举例,司机在线时长会决定运力是否充足。如果某个部门负责运力,那么总司机在线时长将会是该部门的一级指标。然后通过这个指标向下拆解,影响总司机在线时长的因素有在线司机数和司机在线时长;在线司机数又可以拆分为新增在线司机和存量在线司机… 类似这样不断拆分下去,直到拆分到可指导运营同学工作的指标。

2、海盗模型

海盗模型即 AARRR,是 Dave McClure 在 2007 年提出的一种业务增长模式。AARRR 由 Acquisition(拉新)、Activation(激活)、Retention(留存)、Referral(推荐)、Revenue(收入) 五个单词的首字母组成,这 5 个单词系统性地贯穿于用户生命周期的 5 个阶段。海盗模型在过去十年中几乎成为了行业标准,也成为了企业家创业的增长利器。

没有指标体系,50%的人力可能会被浪费

海盗模型 5 个阶段构成一个漏斗,在这个漏斗中,流程环环相扣,逐步转化,每一层漏斗都会有用户流失或沉淀,对于流失用户需要进行关键节点分析,是产品原因还是渠道原因导致用户流失,以便更好地调整运营策略,如筛选优质渠道、做好产品优化;沉淀用户越多、留存越高,表明用户对产品的忠诚度越高。留存用户需要更好地维护,因为这些高粘性的高价值用户能够更好地促进整条链路的良性循环。

海盗模型每个阶段的关键指标不同,举例如下:

  • 拉新(Acquisition)阶段:新用户量、渠道流量、渠道质量、获客成本、点击率、跳出率等
  • 激活(Activation)阶段:注册用户数、注册转化率、认证用户数、冒泡用户数等
  • 留存(Retention)阶段:用户登录频次、用户登录时长、7日/15日/30日留存率、流失率等
  • 变现(Revenue)阶段:完成订单数、完单转化率、订单金额、订单数量、成功支付数等
  • 用户推荐(Referral)阶段:分享次数、分享率、分享页打开率、分享页注册量等

3、升级版海盗模型

升级版的海盗模型即 RARRA 模型,是托马斯·佩蒂特(Thomas Petit)和贾博·帕普(Gabor Papp)对于海盗模型(AARRR)的优化。模型提出者 AARRR 专注于获客(Acquisition),2007 年获客成本还比较低廉,而现在流量价格已经很高,获客的成本与日俱增,市场情况和 2007 年已经完全不同。现在黑客增长的真正关键在于用户留存。所以 RARRA 模型更加突出了用户留存的重要性。

没有指标体系,50%的人力可能会被浪费

  • 留存(Retention):为用户提供价值,通过价值让用户回访
  • 激活(Activation):确保新用户在首次启动时看到产品价值
  • 推荐(Referral):用户感知价值,进而将产品推荐给他人
  • 变现(Revenue):好的商业模式是可以变现和赚钱
  • 拉新(Acquisition):鼓励老用户带来新用户

升级版海盗模型各个阶段的指标和海盗模型指标类似,只是顺序不同,在此不过多举例。

总结

完善的指标体系配合自助分析型数据平台,可以帮助运营同学高效、快速的分析数据,发现和定位问题,而不是运营同学在数据分析过程中发现没有数据时再零散的提数据需求。零散的数据需求会浪费掉本不该浪费的大量人力,还会导致团队士气低落,影响更高级的数据产品迭代。完善的指标体系需要数据产品经理深入了解业务,与运营同学一起探讨,然后推动上线。

每个公司对数据要求不一样,对应的指标体系也就会有所不同。所以到这里并没有一个「大而全」的指标体系给大家,不过我有一个简版的指标体系表头分享给感兴趣的同学参加,在本公众号对话框回复「指标体系表头」,获得下载链接。

End.爱数据网专栏作者:产品与书专栏名称:产品与书专栏简介:数据产品经理的经验分享和读书笔记。原创、真诚。个人公众号:产品与书

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: