編輯導語：在互聯網，無處不在強調數據分析的重要性，互聯網崗位離不開數據分析。那么，有沒有一種通用方法能夠快速將實戰和方法結合起來？作者分享了自己的一套關于指標數據分析的一套方法，我們一起來看下吧。

這幾天延期一年的歐洲杯正在如火如荼的踢著，學姐作為偽球迷也在借著看球的名義吃夜宵，不知道大家有沒有發現，現在的比賽越來越高科技了，不僅有VAR，每個球隊除了在場上（摳鼻子）的主教練之外，還有專門負責數據分析的團隊，甚至國外的體育大學都設立了數據分析專業。

那么身在互聯網行業的我們，還能不好好學數據分析嗎？

數據是互聯網的魅力之一，經?？吹骄W上有一些注水文章“學好數據分析，年薪提升50%”、“這種類型的產品經理很稀缺，月薪XX！”之類的，當然學姐不是這種標題黨，但也從側面反映了數據分析對確實很重要。

互聯網的崗位，不管是產品、運營、銷售、市場、戰略等等，幾乎都一定會用到這個技能，甚至學姐認識的研發，在周報里面也開始做數據分析了。

大家平時是否有遇到過這些問題：

• 做項目前沒有足夠的數據支持，項目的優先級排不上去；
• 面試/匯報的時候因為缺少某些數據而被挑戰項目的價值；
• 復盤項目選擇的指標過于單一，或指標太多，某些漲了某些跌了；
• 自己覺得某數據還不錯，但老板/同事覺得不夠好，缺乏統一的標準；
• 每個項目單獨去分析覺得數據還不錯，但部門/公司的業績還是沒有很大起色；
• 眼看著指標完不成了，覺得很難使上力；
• 指標完成了，卻難以證明某個指標的提升是產品/運營的優化帶來的；
• 對數據產品缺乏認知，包括埋點、取數等，經常邊分析邊發現各種坑

業務千千萬，數據也各不相同，那么是否會有一些通用的方法？怎樣把方法和實戰結合？下面學姐就來做系統地介紹，希望大家可以舉一反三。

一、關鍵指標怎么選？

1. 明確核心價值

在講數據分析的第一步——怎么選取核心指標之前，還是要先強調下，就像社會主義有核心價值觀一樣，任何產品都會提供其核心價值，價值不是數字、不是指標也不是KPI。

如果老板讓你去完成某個KPI（比如DAU或者交易額提升到多少多少），但是卻說不清產品提供了什么核心價值，那是主次顛倒了，是先有產品價值，基于產品價值才設立對應的KPI。

不清楚什么是產品核心價值的童鞋，可以留心下各大廠的slogan，一般可以看出一些端倪，比如阿里是“讓天下沒有難做的生意”，那么翻譯過來，核心價值就是幫助用戶在平臺上找到想要的商品，從而讓賣家賣貨更簡單。

比如美團是“幫大家吃得更好，生活更好”，也就是幫助用戶在平臺上找到更好的餐飲服務和其他生活服務；微博是“隨時隨地發現新鮮事”，就更直白了（吃瓜ing）。

2. 定義關鍵指標：主要指標和次要指標

有了產品價值之后，如何用指標去衡量？

首先，指標一定是和產品價值對應的數字（后幾段介紹指標時會舉例）。

其次，我們要明確一個概念：主要指標和次要指標，類似于主要矛盾和次要矛盾。主要指標只能有1～2個（1個最佳），是現階段公司或部門最重要的指標，這就像社會主義目前的主要矛盾只有一個一樣，如果定太多就沒有意義了。

同時，我們還可以監控幾個重要的次要指標。因為指標之間往往會產生沖突，比如在一個電商平臺推高客單價的商品，那么購買人數可能就會減少；比如通過降低成本來提升利潤，就可能會影響用戶體驗，用戶數可能會降低。

很多公司被“既要又要還要”這句雞血口號迷惑，選n多個指標，每個都要提升一把，結果往往是左手打右手。

其實當主要指標、次要指標和其他指標產生沖突時，我們會優先選擇提升主要指標的項目，再選擇提升次要指標。

當然，和社會主義的主要矛盾一樣，主要和次要指標會隨著公司/業務的階段變化。

在初創期和發展期，我們會更關注業務規模，來驗證產品模式，不過多地考慮收入和利潤，才能快速擴張，而在成熟期和衰退期我們會更關注賺錢。

如果打開某個大廠的財報PPT，主要指標往往會寫在第一頁最醒目的位置（當然財報的封面和免責那幾頁不算啦～），而次要指標會寫在第一頁其他位置或前幾頁。

初創期&發展期常見的關鍵指標有以下幾種：

（1）有效用戶數/客戶數

注意是有效用戶數不一定是DAU/MAU，不同的業務有不同的定義。

比如騰訊主營業務提供在線社交的用戶價值，會看微信和QQ的合并月活躍賬戶數（12億，快趕上中國人口了），也就是僅打開App的用戶不算，一定要注冊了賬號且登陸的活躍用戶才算，因為沒有注冊登陸的用戶無法在這些平臺上社交，也就沒有必要計算。

比如拼多多和美團作為交易平臺，會把交易用戶數作為主要指標。如果美團把月活躍賬戶作為主要或次要指標，那就偏離了這些平臺應該提供的產品價值了（拼多多有社交屬性，倒是可以看下）。

摘自騰訊2020年報

（2）供給數

在有供需關系的雙邊平臺（關于有供需關系的平臺可以看學姐的這篇文章）這個指標很關鍵，因為用戶的需求就是找供給。比如電商的SKU數、O2O的商家數，比如內容平臺B站除了除了看月活躍用戶，也會把活躍UP主數作為次要指標。

摘自B站2021 Q1財報

（3）訂單數/交易額

如果用戶數和供給數都趨于穩定，那么一個交易平臺（或業務）就要考慮提升供需匹配的效率，最直觀的指標就是訂單數或交易額了。

同樣是交易平臺，拼多多還處于擴張階段，更關注交易用戶數的增長，也就是上文提到的有效用戶數（年交易用戶8億多，還能保持31%的年同比，真不戳），而阿里更關注交易額（年GMV 8兆？數零要好一會兒了）。

摘自拼多多2021 Q1財報

摘自阿里巴2021年報

在業務的成熟期和衰退期，我們可以把更多精力放在“搞錢”上，也就是營收、利潤指標：

營收。不少（幾乎全部吧）互聯網上市的時候利潤是負的，為什么還能有幾百億幾千億的市值？因為他們有能力把初期的“用戶數/供給數”、“交易額”轉換成了實打實的營業收入。

傳統公司經常會看市盈率（PE值，利潤除以股數），而互聯網或者科技公司會去參考PS值，也就是營收除以股數，可見營收的重要性。

因為互聯網有規模效應（關于規模效應可以看學姐的這篇文章），當突破規模效應的節點后，通過很低的邊際成本來盈利，因此高營收代表著未來盈利的潛力。

即將上市的滴滴年營收超過一千億，招股書中還有一部分專門解釋營收是怎么計算的（下表），看暈的童鞋，學姐簡化下：用戶打車費10元，過路費和稅金等費用1元，平臺補貼用戶9元，用戶實付10.1元，交易額等于11元，營收是10-0.9=9.1元。

摘自滴滴出行招股書

利潤。除了標準的利潤計算方式之外，互聯網公司的利潤還有非標準的計算方式，比如把固定資產的攤銷去除、把某筆一次性投資得到的利潤去除、把發給員工的期權去除等等（如果不清楚具體算法，可以去咨詢公司的財務）。

當然這其中產品或運營比較需要關注的是怎樣通過產品或者運營的手段去降本提效，從而提升利潤，比如內部系統就是典型的提升效率的工具。

看了這些大廠的指標后，大家有沒有明確定義出自己業務的主要指標和次要指標？學姐總結為一句話“對著價值定指標，分清主次：前期拓規模，后期搞錢”。

二、拆解關鍵指標，得出過程指標

核心指標往往是比較戰略層面的結果指標，那么到底要怎么完成指標？

很多童鞋（也包括老板）不知從何下手，拍腦袋想出了一些方案，想盲試一下結果。

其實這這當中缺了一步，對結果指標進行拆解，得出過程指標，因為關鍵的主要指標和次要指標，其實都是結果（指標），而產品方案是過程，所以這兩者之間會產生斷層。

1. 結果指標VS過程指標

怎么樣把結果指標拆解成過程指標？比如學姐的朋友小明平時愛躺在家里喝奶茶，體檢后發現自己得了脂肪肝，醫生告訴他減重10%以上才可以讓肝臟恢復正常，那么小明想恢復健康，“體重”就是結果指標，小明決定提升運動量并控制飲食——靠每天跑步5KM并且不喝奶茶來減重。

那么運動后“多消耗的卡路里”和控制飲食后“少攝入的卡路里”就是兩個過程指標。當然，小明是查閱了一些資料才作出這個拆解，那么我們要怎樣才能找到我們的“卡路里”？下面介紹幾種常見的拆解方法。

2. 拆解過程指標的方法

（1）漏斗法

對用戶的每個步驟進行拆解。

比如一個電商交易平臺，每日的購買用戶數可以拆解為DAU*訪購率（即購買人數/訪問人數），我們可以把DAU、訪購率作為過程指標進行監控，也可以進一步細拆。

比如從DAU→商品詳情頁→下單→支付成功，每一步的轉化率，從DAU→商品詳情頁又可以再拆為DAU→商品列表頁→商品詳情頁，總之每個步驟的轉化率都可以作為過程指標進行進一步的細拆。

那么如果該電商平臺的主要指標是核銷交易額，那么就還需要在支付成功之后，把核銷率（也就是1-退款率）、客單價也作為過程指標監控。

（2）分層法

對于用戶進行分層后再進行漏斗分析。

比如外賣平臺可以監控不同城市用戶的訪購率，可以這樣分層：

• 根據用戶身份把用戶分為上班族和學生族；
• 根據時間段分為早餐、午餐、下午茶、晚餐&夜宵；
• 根據天氣分為下雨天、晴天等等（某外賣App經常push我下雨天讓我提前點外賣）；
• 根據客單價等、交易頻次等對用戶進行分層；
• 也可以是多個維度結合起來，比如看上班族在下雨天的訪購率。

分層要符合MECE，也就是補充不漏的原則（關于分層可以去看學姐介紹MECE方法論的文章）。這其中最常見的拆解法就是根據用戶的路徑（用戶從哪些模塊進入）去監控漏斗了，以某電商App舉例子。

我們可以選取其中UV占比高，訪購率低（上表中藍色列）的路徑去細拆更多過程指標比如每一步的轉化率（上表中黃色列），看是否可以通過產品體驗去提升數據，怎么找出有潛力的指標會在下一章中詳述。

（3）周期法

隨著時間推移看用戶的某些屬性。

比如有些SaaS、會員產品是付年費的模式，那么我們就可以把某個時間點的付費用戶先通過分層拆解成：新簽約用戶+老用戶=新簽約用戶+（到期老用戶*續約率+未到期老用戶）。

這樣看，續約率就是一個比較值得監控的過程指標了。

大家經常會去看的留存率也是同理，對于把MAU作為主要指標的業務來說，可以這樣拆解：新用戶+老用戶=新用戶+（上月MAU*次月留存率+兩月前MAU*兩月留存率+……）

為了避免累死自己（和BI），我們選取一個固定的周期去看就行了，比如次月留存率、半年留存率等，一些粘性較大的平臺（容易上癮的那些，比如游戲、抖音等）可以看次日、7日留存率。復購也是同理，高頻的可以看每周的復購，低頻的可以考慮半年復購等。

再進一步，我們可以把分層法和周期法結合，把上個月的訪問用戶拆解為新用戶和老用戶，看新用戶的次月留存和老用戶的次月留存（新、老用戶的復購率也是同理）。

（4）投入/產出法

把利潤拆解為產出減去投入，就可以看出目前的業務模式是否有盈利的的可行性，比如用LTV（單用戶生命價值）減去CAC（單用戶獲取成本），就好比小明每天消耗的卡路里減去他攝入的卡路里，如果是正的才能幫助他減肥。

LTV是指平均一個用戶在生命周期內（從加入到離開）產生的總收入，如果小明買了一個電動牙刷1000元，利潤率50%。

假設每個牙刷平均使用三年，三年之后小明會喜新厭舊拋棄該品牌，且每半年要換一個刷頭（假設只能購買該品牌的刷頭），刷頭每個100元，利潤率70%。

那么小明對于這個品牌的LTV就應該是1000*50%+100*（2*3-1）*70%=850，所以我們不能簡單地將LTV理解為1000*50%。

當然，我們也不能把這期間小明買的牙膏也算在LTV內，如果該品牌很良心地開發出一款可以永久使用的刷頭，那么我們只需要簡單地算這一次購買的利潤就行了，也就是500元。

所以，一個業務到底怎么去計算單用戶生命價值（LTV）是很重要的。

很多互聯網業務，比如在線教育、醫美等，前期都使用勾子單進行推廣，就是因為后期的“刷頭”可能比“牙刷”還貴得多，比如體驗課9.9，而正式課可能要3萬元（假設利潤率60%）。

如果有10%的轉化率能轉化成正式用戶，其實這就類似于用戶可以購買任意刷頭去適配這款牙刷，而有10%的概率用戶會使用該品牌的“刷頭”。

那么獲取一個體驗課的用戶成本（CAC）只要遠低于30000*60%*10%=1800即可，9.9元都可以忽略不計了。

CAC是指獲取單個用戶的成本，在互聯網企業中，我們可以更關注獲取單個用戶無法節省的成本，比如購買一個用戶所需要的廣告費用、銷售費用等。

而那些有邊際效應的成本在初期可以先不計算在內，比如產品、研發費用等，等業務有了規模之后，這些成本將會被分攤的很低。

比如B站是PUGC的模式，當入駐的UP主越多，每個入駐UP主的邊際成本也就越低（因為B站的品牌也越來越響了），所以這部分成本初期可以先不計算在內，而愛奇藝的劇就需要專業團隊去逐一了解后再去購買版權了。

所以每個劇的成本（不管是版權還是專業團隊的工資）并不會降低很多，這部分就一定要計算在CAC內（所以B站的市值目前是愛奇藝快4倍了）。

當然，這些拆解法可以互相組合，剛剛提到的用戶路徑、不同用戶的留存率就是把分層分別和漏斗、周期結合得到的，比如也可以去看不同地區用戶的LTV和CAC。

經典的RFM模型就是把周期（最近一次消費時間）和分層（用戶的交易頻次和金額）進行了結合，雖然聽上去分出9種情況有點小復雜，但其實都是從很簡單的維度去拆解，有興趣的童鞋可以自行學習下。

三、找到有潛力的過程指標

拆解出過程指標后，我們發現每一個過程指標看上去都有可能提升，比如小明百度之后發現充分的睡眠也能幫助脂肪肝恢復，那么為什么他選擇了跑步和不喝奶茶呢？因為小明發現自己能保證8小時睡眠，已經在最佳范圍內了。

對于產品來說也是一樣，我們如果能預估某個過程指標能提升的數值，就能計算出對結果指標可能帶來的提升了。

比如我們在看了不同路徑的用戶訪購率后，發現某個路徑的體驗可以明顯提升，從而對訪購率帶來10%的相對提升，那么用該路徑的UV*10%就可以得出購買用戶數提升的數量了。

完全估準這個數需要一定的經驗，不過我們也可以借助以下的幾個方法：

（1）查看行業報告

比如國家統計局的數據、某些機構的報告等。

一般來說國家的數據是最準確的，除了人口、人均消費能力等基礎數據，還有細分到各個行業比如農業、工業、餐飲、旅游、教育等等各行各業的數據。

比如一個OTA行業的童鞋拆接出一個供給側的過程指標——平臺上入駐的星級酒店數量，那么他就可以用現在平臺上的星級酒店數量除以全國總的星級酒店數量，得出覆蓋率。

如果這個已經很接近100%了，那就沒有提升的空間了。國家統計局的寶藏網站請大家百度“國家數據”并點擊第一條。

（2）類比

找類似的行業/競品/頁面/入口做對比。

還是OTA的例子，如果該童鞋發現星級酒店的覆蓋率在50%左右，而競品平臺的覆蓋率是80%，那么如果我們相比競品并沒有明顯的弱點，那我們的覆蓋率還是有提升空間的。

再比如，按照路徑分析用戶訪購率后，發現類似的幾個運營位之間，有一個運營位的訪購率明顯低，而這個位置的UV占比相當可觀，那就很有潛力了。

如果找不到競品也沒有類似的入口/頁面，那我們也可以去找類似的行業。

比如兩個票務相關的行業——火車票和電影票，都是提前預訂座位的形式，電影票的線上化率（在線購買電影票的交易額/所有電影票的交易額）約90%，可以預估火車票線上化率的天花板會略低于90%。

因為火車票是班次+座位的概念，電影是場次+座位的概念，場次和班次的概念非常類似，但火車座位對體驗的影響沒有電影這么大，所以大家會更傾向于事先在網上搶好離屏幕近的電影票。

（3）調研分析

還是OTA的例子，如果童鞋發現星級酒店的覆蓋率是50%，但是又拿不到競品的數據，那么除了安插商業間諜或者爬數據之外（犯法的），可以通過調研的形式去預估。

比如對各個星級沒有合作的酒店進行抽樣，調研他們沒有上平臺的是因為線下的客人或競品帶來的客人就已經讓酒店滿房了（無法解決），還是因為銷售沒有觸達或者產品體驗不佳（可以解決），再去預估覆蓋率提升的潛力。

四、定下階段性目標

1. 階段性目標

不管是過程指標還是結果指標，我們都不能指望一下子拉滿，需要有一個階段性的數字。

“一個億”小目標大家都聽過吧，王健林的原話是“想做世界首富，這個奮斗的方向是對的。但是最好先定一個能達到的小目標?！?/p>

比如我先掙它一個億，你看看能用幾年掙到一個億，你是規劃五年還是三年。到了以后，下一個目標，再奔10億、100億。

那么1億、10億、100億就是階段性的目標，就好比小明要減10%的重量，他先通過每天5KM和戒奶茶，希望先在半年內減掉5%，但如果每天跑10KM且不吃肉，想能在一個月內直接減10%，這對小明來說就不太現實了。

好的階段性目標應該有以下特點：

（1）選取的時間段合適

足夠完成提升某個過程指標的3-5個小功能及1-2個大功能，太短會驗證不出這個指標是否有潛力，導致過早放棄，太長又會在不必要的方向上浪費時間。

比如我們想提升某個運營位的訪購率，發現從運營位到商戶詳情頁可以通過產品優化提升。

如果產品設計需要1周，排入版本后發布需要3周，用戶更新版本需要1周，運營還需要1～2周去測試哪種素材效果最好，那么一個大功能就需要1個半月的時間去驗證結果，那么三個月考察一次階段性指標是比較好的。

（2）結果指標提升的數值有一定的挑戰性

但是又不會太遙不可及，至少能完成70～80%，數值如果太高容易讓團隊士氣低落，太低又會導致摸魚。

可以根據增長曲線去估算，比如一個初創期的新業務第一年YOY（年同比）增長300%，在大盤沒有變化的情況下，第二第三年增速可能就會稍微放緩。

但是也應該保持在三位數，一個發展期的業務YOY可能在30%～50%左右，而一個非常成熟的業務如果YOY能保持兩位數就很不錯了。

根據這個結果指標去拆解，就可以得到相應的過程指標的增長值了。

2. 避免增長陷阱

如果發現選定的過程指標完成了目標，但是結果指標卻沒有相應的增長，那么有可能是拆解的時候發生了錯誤，也有可能是在產品優化的過程中別的過程指標下跌了。

比如小明雖然戒了奶茶，但是戒奶茶導致他失去了精神慰藉，每天喝咖啡續命，影響了睡眠，導致熬夜后發胖。

這種情況特別容易出現在一些拆的非常細的過程指標上，比如我們把訪購率拆解成：（運營位→商品詳情頁的轉化率）*（商品詳情頁→下單的轉化率），然后決定提升前者，在活動的landing頁優化了一波，最后發現前者漲了，后者跌了，乘一下四舍五入等于白干。

學姐不是很贊成在一個用戶路徑上只考慮單獨的頁面，要知道用戶購買商品是一個完整的流程。

如果只是在某些地方進行優化，路徑的前后沒有相應的配合就很難達到效果，比如在landing頁弄了些花里胡哨的優惠標簽和動畫效果騙用戶點擊到商詳，然后用戶在商詳中發現優惠不實或者并不是自己想找的商品，那后續下單的轉化率當然就跌了。

那么如果運營位的訪購率有增長，但是還是沒有完成購買用戶數的指標，可能是什么原因呢？

那一定也是其他的指標發生了變化。

• 運營位的購買用戶數=DAU*（首頁→運營位的UV轉化率）*訪購率，那么產品的改版是不是導致入口的UV轉化率下跌了？
• 如果產品沒有在入口上做優化，那么是否是其他入口（比如搜索、icon等）的改版讓運營位的UV轉化率下跌？
• 如果UV轉化率沒有下跌，是不是App的DAU下降了？
• App的DAU下降是新用戶少了還是老用戶少了？
• 是否和某個城市的疫情有關？

我們也可以分層拆解（和拆解過程指標是類似的），比如這樣的運營位優化是不是在大促活動的時候讓UV轉化率提升，而日常的運營活動素材不適合這樣的入口，那么是否應該考慮設計另外一種運營位的樣式，在沒有大促的時候來適配日常的運營活動？

總之，數據分析就是一個不斷拆解和推理分析的過程，我們先根據產品的核心價值來定下關鍵的結果指標，然后再拆解出過程指標，找出其中有潛力的幾個，并定下階段性的結果指標和過程指標，通過項目的數據來驗證我們找的方向是否正確。

那么針對每個項目、頁面，要怎么設計項目的打點、實驗，才能確保后續數據分析能更全面、準確？要選擇什么樣的數據產品去持續監控數據呢？請期待學姐文章的下半部分。

作者：海貝學姐；公眾號：海貝學姐

本文由 @海貝學姐 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