很多人都用數據指標來統計項目效果，但是做出來的數據往往零散，看不出關鍵信息。那么如何才能將指標體系化，通過單點數據看全局問題呢。讓我們來看看筆者是怎么說的？

一、什么是指標體系

在產品和運營的工作中，我們會接觸不同的數據、不同的指標。很多時候我們做的數據，都是針對單個點的層面去做，而最終顯示出來的數據往往比較零散，無法串聯起來，發現全局的問題。

而指標體系化，則是將零散的數據串聯起來，讓你通過單點看到全局，通過全局解決單點的問題。

用一個詞來形容，就是“引一發而動全身”，通過相關的指標變化看到整體業務場景下的變化，從而快速發現問題或者是監控相應運營策略的效果情況。

二、指標體系有什么好處

相信看完前面的解釋，你會發現，體系化的指標和零散的指標，最大的區別是——是否能更加快速地發現一些問題。

如果還是有點暈，咱們就以轉化率和留存率來看看下面這個案例：

說干就干，可7天后。

在單點數據分析時，我們經常會遇到此類問題——就是出現什么問題，就分析這個問題，沒有全局考慮用戶的整個場景。

那么我們換個角度，來看看會有什么不同？

從上面兩個例子中，我們可以看到：非體系化的指標往往是單點分析，分析不出來之后需要重新分析另外一個點，而無法串聯進行全局分析。

而體系化的指標往往是結合用戶的場景來進行分析，并且多個不同的指標和維度是可以串聯起來進行綜合分析。就像排序（如價格）因素里面的某個維度，可以分析頁面轉化率，也可以分析商品的售出率等。通過相同維度的分析可以更快地找到問題的原因。

說了這么多，如何去搭建指標體系呢？

下面，就是很精華的實操內容啦：

三、如何搭建指標體系

在如何搭建指標體系之前，我們先簡單說下，什么是指標？

指標，實際上就是一種度量。大到用于監控和評估商業進程的狀態，小到衡量某個功能模塊的情況，或者是自己的活動效果。

從運營角度來看，一個好的指標，需要具備四個特點：業務層面是有價值；可衡量業務真實情況；簡單可執行；大家都共同認可。

從技術層面來看，一個好的指標，統一具備四個特點：容易收集快速衡量；準確度高；可被多維度分解；單一數據源。就像我們經常使用的衡量APP產品啟動人數，使用UUID或者是COOKIE往往比使用IP更加準確。

但很多時候，因為技術或者是業務自身的原因，我們往往很難找到很完美的指標。那么這個時候我們最重要的就是統一口徑進行分析，更多地觀察數據的波動情況。

1. 選什么樣的指標

選指標有兩個方法：指標分級，OSM模型。

（1）指標分級：通常是分成三級。

一級指標：公司戰略層面指標。

用于衡量公司整體目標達成情況，通常設定在5-8個指標。這類指標是與業務緊密結合，按照行業標準進行制定，有可參考的行業標準指標，且這類指標針對全公司所有員工均具有核心的指導意義。

比如某游戲公司的一級指標：新增賬號、留存率、DAU/MAU、付費人數（率）、收入金額等。

二級指標：業務策略層面指標。

為了實現一級指標，企業會做出一些策略，二級指標通常與這些策略有所關聯?？梢院唵卫斫鉃橐患壷笜说膶崿F路徑，用于更快定位一級指標的問題。

例如：某游戲公司一級指標是游戲收入，那么二級指標可以設定為不同游戲物品的收入。一級指標是DAU，那么二級指標設定為分服務器的DAU等。這樣當一級指標出現問題的時候，我們可以快速查詢到問題的所在點。

三級指標：業務執行層面指標。

三級指標是對二級指標的路徑拆解，用于定位二級指標的問題。三級指標的使用通常是可以指導一線人員開展工作的指標內容。三級指標的要求是：一線人員看到指標后，可以快速做出相應的動作。

如游戲公司的二級指標是XX區服的DAU，那么三級指標則可以設定為游戲時長、游戲頻次、游戲等級分布、游戲關卡流失情況等。通過觀察這些數據，可以去針對性地做調整，如某個關卡流失的用戶特別高，那么嘗試降低難度。

當然，如果想要更細致一點，也可以往下繼續拆分，這里就不一一贅述了。

這里有一個注意事項，在進行整個指標分級的時候，我們需要先思考：

1. 一級二級指標，能否反應產品當前的運營情況；
2. 三級四級指標能否幫助一線人員定位問題，指導運營工作。

以上是指標分級縱向的內容。橫向思考，如何針對不同級別的指標來選取合適的指標？

這就是指標分級的第二個方法：OSM模型。

2. OSM模型

OSM模型（Obejective，Strategy，Measurement）分別代表業務目標、業務策略、業務度量。

• O：用戶使用產品的目標是什么？產品滿足了用戶的什么需求？
• S：為了達成上述目標我采取的策略是什么？
• M：這些策略隨之帶來的數據指標變化有哪些？

我們搭建指標體系是為了更好地發現用戶的問題，并且去解決。所以我們需要站在用戶的場景去考慮整體的內容。

以知乎為例，按照OSM模型，它的指標是什么樣的？

O：用戶來使用知乎這個產品，目標是什么？

這里涉及兩個不同的用戶——內容分享者和內容消費者，這里簡單介紹內容生產者的分析思路，大家可以自己試著分析下內容消費者。

用戶需求：分享知識觀點（發布觀點），建立行業影響力（內容受到反饋）。

那么，如何讓用戶感受到自己的需求被滿足了呢？

S：知乎做的策略是：內容點贊評論、內容打賞、鹽值增加、XX話題優秀回答者。

M：接下來，我們需要針對這些用戶動作去做指標，在這里面我們的指標會有兩個，分別是結果指標和過程指標。

• 結果指標：用于衡量用戶發生某個動作后所產生的結果，通常是延后知道的，很難進行干預。
• 過程指標：用戶在做某個動作時候所產生的指標，可以通過某些運營策略來影響這個過程指標，從而影響最終的結果。

還是以內容生產者為例：

• 結果性指標：發布文章數、發布文章的人數、文章點贊/評論數、被打賞人數、被打賞金額、優秀回答者人數、新增優秀回答者人數等。
• 過程性指標：使用內容導入人數、內容發布轉化率、文章互動率、評論折疊率等。

通常我們會在指定指標的過程中使用OSM的模型，去針對用戶在不同場景下產生的動作，以及這個動作可能帶來的結果，用戶在這個動作中會出現什么樣的數據變化。之后再結合數據，針對性地去調整我們的運營策略或者產品功能。

簡單理解：結果性指標更多的是監控數據異常，或者是監控某個場景下用戶需求是否被滿足。而過程性指標則是更加關注用戶的需求為什么被滿足（沒被滿足）。

2. 如何搭建

指標選取之后，就要開始搭建指標體系。前面我們說過，指標體系是通過場景流程來綜合進行分析，而這里最重要的就是分析維度的選擇。

一個好的指標是可以多維度去拆解劃分，當好的指標搭上完整的維度，很多問題就可以迎刃而解。如果沒有合適的維度，你建立起來的依然只是多個指標，只是指標合理，做不到前后場景化的分析。簡單理解，維度是將點串聯成場景的那根線。

我自己通常會采用這樣的邏輯來進行體系搭建：選指標-針對每個指標做出可能要的維度-將指標和維度重新組合。

通常我們在選取某個指標的時候，想到的維度都比較簡單，如：用戶進入商品詳情頁，我可能只想要知道用戶進了哪個類目的商品詳情頁；商品成交的時候，可能關注的是類目和金額；同樣地，在商品列表頁的時候，我們監測用戶搜索，會關心用戶搜索了哪些詞，搜索頻次等。

那么如果我將用戶進入商品詳情頁內，搜索的關鍵詞和成交的指標組合會是什么樣的場景呢？

用戶搜索了哪個關鍵詞，并且進入了商品詳情頁，之后這個商品被購買了。

這時候我們分析搜索關鍵詞的時候，效率會非常高。如搜索某個關鍵詞的用戶轉化率非常高，但是搜索的次數比較少，那么我們將這個關鍵詞置為熱搜是否可以提升整體的轉化率呢？

指標的維度拆解后，重組我們如何做呢？

我的原則是：在同一個流程，用戶動作存在關聯的，盡可能多地在多個指標覆蓋相同可用的維度。以電商為例，用戶的動作是：搜索品類-搜索列表頁-點擊篩選-商品列表頁-提交訂單-購買。那么在整個流程中最好可以保留搜索品類的關鍵詞、篩選的條件、商品的信息等內容。

最后，當我們指標和維度都確定之后，剩下的就是去做數據埋點了。什么樣的埋點數據不會被開發噴呢？開發拿到不用動腦子的那種。

我之前使用的格式是這樣的，大家可以參考下：

最后，就剩下數據可視化的內容了。數據可視化通常根據自己的業務場景去結合，使用自己合適的數據，通常會包含用戶數據、渠道數據、業務流程數據等。具體的可視化我就不做過多贅述，百度一下，什么樣的場景用什么樣的圖我想都可以看出來。

重要的是這些流程的組合，就是將不同的指標和維度進行組合，關聯分析出來的事件才是最核心的，這是完全可以指導你進行工作的三級指標，并且貫穿全流程。

四、總結

數據分析是產品和運營的一項基本功，好的運營和產品總是會通過數據去發現問題，并且解決問題。而完善的數據體系可以讓這件事情變得事半功倍，從源頭發現問題，借助體系化的工具，工作也可以很輕松。

最后呢，給大家介紹下現有哪些平臺可以輔助做這些數據體系：目前國內做數據服務的幾個平臺：Growing IO、神策數據、諸葛IO等。

如果自身不具備搭建完備的數據組，建議使用第三方會快速一些。那么剩下的就是使用本文的內容，給到需要的數據指標和維度，去找開發進行埋點就好了。

如果自身有比較完善的數據分析組，甚至是數據挖掘組，你就當沒看過這篇文章，讓他們去賣力給你結論，讓他們去賣力做數據埋點吧，我就不獻丑了。

作者：樹貓 & 孫小晨，微信公眾號：樹貓說

本文由 @孫小晨 原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基于CC0協議