数据分析-指标体系

数据分析学习社
数据分析学习社
数据分析学习社
348
文章
0
评论
2021-05-1009:59:26 评论 136 2867字
摘要

如何才能建设一套能够实时监控业务变化且能迅速定位业务问题的指标体系呢?我们从对指标及指标体系的认识、指标体系建立步骤、实际操作进行拆解来探索如何让搭建一个指标体系

在数据分析工作中,建立对应业务的指标体系是最基础也是最重要的工作之一。搭建指标体系,就是从各个角度对企业的各业务进行计量评估,其目的是可以较为全面、统一地反映企业各业务当前所处的状态,打造一个数据反馈闭环
一个好的指标体系能够监控业务变化,当业务出现问题时,业务同学和分析师们通过指标体系进行问题回溯和下钻能够准确地定位到问题,反馈给对应的干系人让其解决相应的问题,这就是指标体系存在的意义和价值所在。
指标与指标体系:
指标,通常情况下可以拆解为维度度量两个部分,维度指观测某个事物的角度,度量指定义某个事物大小或程度的值。我们可以将指标类比与中学所学的有大小和方向的矢量,方向对应指标的维度,大小对应指标的度量(还有另外一种常见的指标划分为:复合指标=维度+原子指标,其本质和上述的划分的思想是一致的)。

数据分析-指标体系

指标体系,即按照业务流程和运营流程将各个环节的指标有机完整地组合成一个联动的体系,这个体系的大小取决于业务环节的复杂程度。数据指标体系需要能全面、统一的反馈业务现状,映射到指标上,全面包含观测角度丰富和观测环节详细完善两个方面,统一则主要是评价指标统一(核心目的)以及口径统一。

如何搭建指标体系:

搭建指标体系的方法我们可以总结为四个步骤:目的先行-明确业务目标、确认对象-明确核心对象、流程梳理-细化业务流程、核心指标-确认核心指标并拆解。用一句话描述就是,我们要明白做的事什么事情,都有哪些相关对象,事情都有哪些流程步骤,用什么核心指标可以评价效果。

数据分析-指标体系

目的先行:拉用户、做规模、降成本、产品改进(部门之间的KPI通常不是孤立的,是相互关联的)
首先要明确,我们建立指标体系是为了服务于业务,脱离业务目标的指标体系就会失去价值。因此,我们在建立指标体系的时候,首先一定要明确业务目标,至少是明确业务的核心目标(其余的分支目标或临时性目标不断往已有的指标体系上进行靠拢)。什么是核心的业务目标呢?我们可以参考对应的KPI(KPI通常是企业至上而下制定的),只有理清楚企业和各业务的核心KPI,才能帮助我们快速明确业务所处的位置以及指标体系的建立方向。企业和各业务的KPI会随着企业的发展阶段不断的调整,因此指标体系相对来说业务要随着业务目的变化而进行迭代。

数据分析-指标体系

核心对象:用户、商户、商品、内容、功能(明确最核心的对象,在消费端用户是最核心对象,在供给端不同的业务核心对象与业务特性相关)

在明确核心业务目标之后,接下来就需要对业务目标中的关键对象进行拆解,明确业务中的各核心对象。在一个完整的业务流程中,通常会涉及到多个对象的多方协作完成服务提供,特别是平台类业务,需要同时保证供给端和消费端的协调。平台类业务主要包含供给、消费、服务载体以及传输通道几个核心对象,如电商平台核心对象包括:供给端-商户端,消费端-用户端,载体-商品,传输方式-物流等;贷款平台核心对象包括:供给端-银行、资金方,消费端-用户,载体-货币,传输方式-支付通道、银行清分等。ToC类业务的核心对象更加聚焦在用户和服务载体上,如游戏类业务的核心对象:消费端-用户玩家,载体-英雄、道具;印象笔记类工具业务核心对象:消费端-用户,载体-功能。针对每个对象都需要按照对应的流程和策略进行梳理拆解,进行对应的指标体系搭建。

数据分析-指标体系

流程梳理:运营手段(AARRR)、用户路径(UJM)、业务流程
确定核心对象之后,就需要再次基础上结合具体的业务流程(运营、产品流程)进行关键步骤的梳理,将之前确定的业务核心目标拆解到各个环节上,以明确空间点。针对不同的业务类型流程梳理会有各自的特点,如运营类流程常常以AARRR流程进行拆解,产品类流程更多以用户路径和流量分发(UJM)进行拆解。AARRR是从用户生命周期角度出发的运营流程,常用于业务的运营侧,简单的说就是拉新、激活、留存、付费、推广,在实际运行时并不一定按照固定的顺序进行,但核心思想具有较强的参考性;UJM是从用户行为路径角度出发,常用于产品形态和业务流程的优化侧,简单的说就是用户流量在产品内的流转和业务流程中的转化,通常与产品和业务形态强相关。

数据分析-指标体系

核心指标:GMV,DAU,MAU,付费用户
最后,我们需要进行详细的指标制定,就是将业务目标拆解到各个环节和链路上,常见的拆解手段有构成拆解和转化拆解两种方法。
构成拆解:A(北极星指标)=B+C+D+E(主要&主次构成),如GMV=A类商品GMV+B类商品GMV+C类商品GMV+。。。
转化拆解:A(北极星指标)=B*C*D*E(转化效率&空间),如GMV=点击UV*下单转化率*客单价
在指标拆解的时候我们需要保证每个细分的指标是完全独立且相互穷尽的,根据这个原则拆分可以暴露业务最本质的问题,帮助数据分析师们快速地定位业务问题。明确核心指标之后还需要对各细分指标进行层次划分和重点划分,按照业务的主次关系和层级关系明确关键的细分指标(这是关键的运营节点和优化空间,且需要明白这些细分指标的影响因素,打造一个数据反馈闭环)。

数据分析-指标体系

操作Demo:

一个完整的指标体系,是由各个业务和关键环节(微指标体系)构成的,与业务的特性直接相关,难以有完全普适的指标体系可以直接生搬硬套,但是核心思想都是一致的(目标-对象-流程-指标),对常用的指标体系进行梳理和归类也可以事半功倍。

举一个常见的例子:APP产品指标体系的建立
核心目的:用户活跃(DAU)
核心对象:用户(设备)、产品功能
流程拆解:功能拆解,运营流程
指标拆解:DAU-用户拆解(新增用户、留存用户、回流用户),DAU-功能拆解(位置、功能、业务)

如果再加上运营手段、改版效果分析,就可以在指标上进行更复杂的维度丰富,无穷无尽的扩展下去。但是,切记我们需要的是有指导意义可执行的指标,很多分析探索型指标没有必要固化到指标体系中。

数据指标体系的搭建没有那么高大上,关键是在设计的时候要基于两点事实:业务动机和目的,商业模式和业务背景。在做指标或者定期分析的时候,定期的关注那些能影响公司核心业务的指标,以此来做快速的业务表现判断,就能极大地提高效率,快速发现问题。

 

数据分析-指标体系

 

最后,通过如何简短地描述一款产品来明确产品分析中的一些核心指标

xx产品是一款xx互联网网产品,它在领域中处于xx位置(产品的领域地位、发展历程)

目前,产品的核心数据表现如下:

日登陆用户:

日活跃用户:

用户留存率:

这些数据具有xx,xx等特性(主要指做数据周期性特征)

 

产品的主要功能有:

xx,xx,xx

各功能日活用户情况如下:

xx功能,日活用户xx,占全局用户的xx%

xx功能,日活用户xx,占全局用户的xx%

其中xx(功能名称)功能比较受欢迎,而xx功能可能存在用户的痛点

 

产品的额活跃用户特征主要如下

性别分布:男性xx万,女性xx万

年龄分布:xx

地域分布:xx

 

 

End.

作者:MoE的DataNotes

本文为转载分享,如果涉及作品、版权和其他问题,请联系我们第一时间删除(微信号:lovedata0520)

更多文章前往首页浏览http://www.itongji.cn/

  • 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: