中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：數據指標經常被用來衡量業務產出，然而什么樣的指標才是好的數據指標、才能真正的指導業務推進則需要我們判斷。本篇文章詳細講解了什么是好的數據指標和如何搭建數據體系，一起來學習一下。

一、什么是好的數據指標？

1. 前言

做數據分析的工作已經將近6年了，形形色色的業務方也合作了不少。大部分業務方都給我一個感覺就是我什么數據指標都要看，越多越多好，即使看了這些指標之后什么事情也干不了。

業務方可能心里所想，看越多的數據指標就是越重視數據，越是在做數據驅動增長的事情，我沒有功勞也有苦勞。有句話的說的很好，“你不能用戰術上的勤奮來掩蓋戰略上的懶惰”，就非常貼切了描述了這種現象。

在工作兩三年之后就一直在思考，業務方該去看什么數據指標，什么樣的數據指標能真正指導業務方干活，指導業務朝著正確的方向前進，慢慢的心中有了一些答案。

但是一直不能很好的抽象總結出來，一直是一種朦朦朧朧的感覺，自己能明白什么樣的指標是好的數據指標，但是不能輸出告訴別人該如何去判斷數據指標的好與壞。

直到有一天看了《精益數據分析》這本書，突然有種醍醐灌頂的感覺，作者阿利斯泰爾·克羅爾很好的抽象總結了他對于數據指標的理解，這不正是我心里那種對數據指標的理解嗎，仿佛一下子打開了我的任督二脈。

過往工作中的種種對數據指標的種種認知一下子就與其對應起來了，每個問題都是感同身受。內心不禁感慨作者真的太牛逼了，同時內心還多了一些感悟，看書的時機真的很重要，如果在早個一兩年看到這本書，可能就當成一本工具書讀完就結束了，再過段時間可能就完全不記得里面的內容了。讀書，需要與作者共鳴。

共鳴的一個前提，也須“感同身受”，也就是真的經歷過類似的事情。

下文關于數據指標的闡述都是基于《精益數據分析》這本書中關于數據指標的描述，以及根據工作經歷對于書中方法論的個人見解。

2. 好的數據指標的衡量準則

好的數據指標是能帶來你所期望的變化。

如何理解這句話呢，好的數據指標能指引大家朝著正確方向去迭代，每個部門的都是朝著一個共同的目標協作前行，最終經過不斷的優化后，業務就會慢慢變成一開始理想中的你希望它成為的樣子。

好的數據指標是比較性的。如果能比較某數據指標在不同的時間段、用戶群體、競爭產品之間的表現，你可以更好地洞察產品的實際走向?！氨局艿挠脩艮D化率比上周高”顯然比“轉化率為2％”更有意義。

（1）好的數據指標是比較性的

其實真正的意思是需要有一個基準值去對比這個數據指標的數值，要不然單純的一個昨天的銷售額是xxx是沒有任何意義的。

比如，今日公司的銷售額是1000W，假如你是一個剛入職的運營，你看到這個數字的腦海中是沒有任何概念的。那如果再告訴你過去30天日均的銷售額是800W，那你就會覺得今日的銷售額還蠻不錯的嘛，較過去有一個比較大的增長。

那如果再告訴你今日是雙十一開始的第一天，去年的今日的銷售額是2000W，那你是不是瞬間覺得今日的銷售額1000W并不好，雙十一理論上就應該有較大的增長，并且跟去年同期比下降了一半。那如果再告訴你公司對今日銷售額的目標是900W，公司今年是大力發展新業務，流量投放和商品產能都優先給新業務，你拿到的資源是比較低的，但是超額完成了目標，那你是不是又覺得今日1000W的銷售額非常不錯了。

這就是告訴我們僅僅告訴我們一個數據指標的絕對值，只能說明當下的一個現行狀態，沒有一個可與之對比的基準值，是很難成為你判斷的依據的，而且很可能被數據指標所蒙蔽。

好的數據指標是簡單易懂的。如果人們不能很容易地記住或討論某指標，那么通過改變它來改變公司的作為會十分困難。

（2）好的數據指標是簡單易懂的

事物的本質都是簡單的，那如果是一個好的數據指標必將是能反映業務的本質，那么它也必定是簡單的。

并且在公司里越是高層就會越忙碌，會被各種各種的事情所牽絆著，他們來理解你的數據指標的時間就也越少，如果你不能在有限的時間里讓對方理解你數據指標的含義，那么他很可能就不愿意再第二次花時間聽你講解，你也就是錯過了這次機會，越是高層越是沒有耐心，并不是因為他們的脾氣很差，而是他們的時間真的很寶貴。

或者一個很復雜的數據指標，當下你已經讓對方理解了，但是復雜的東西往往容易忘記，那么下次對方也不愿意再去回憶了，人往往都是惰性的，他內心會認為這個東西肯定是不重要的。
好的數據指標是一個比率。

會計和金融分析師僅需迅速查看幾個比率就能對一個公司的基本狀況做出判斷。你也需要幾個這樣的比率來為自己的創業公司打分。

（3）好的數據指標是一個比率

比率之所以是最佳的數據指標，有如下幾個原因。

1. 比率的可操作性強，是行動的向導。比如以電商業務的銷售為例，銷售額只是透露出你得當前的收入是多少，并不知道你這些收入是花了多少成本帶來的，有可能每收入1塊你就要倒貼1毛錢，但是你還不知道這個情況，還是加大促銷力度提高銷售額以帶給你虛假繁榮的滿足。那么毛利率就很好的體現出公司創造增值的能力，那你就能輕松的根據這指標去調整你的策略。
2. 比率是天生的比較性指標。如果將日數據與一個月的數據相比較，你會得知該數據當前所經歷的是一個短期的突躍，還是一個長期的漸變。再以銷售為例，毛利率是一個數據指標，只有將當前的毛利率和過去30天的平均毛利率進行比較，你才能發現的你的增值能力是在提升還是下降
3. 比率還適用于比較各種因素間的相生和相克（正相關和負相關）。就開車而言，單位時間內行駛的里程（車速）/罰單數這個比率顯示了二者的關聯性。你開得越快，單位時間內行駛的里程就越多，但收到的罰單也越多。這個比率可以幫你決定是否應該超速。

好的數據指標會改變行為。這是最重要的評判標準：隨著指標的變化，你是否會采取相應的舉措？

（4）好的數據指標會改變行為

這個是特別重要但是也是最容易被忽視的點。

業務方很可能就是我這個數據指標也要看，那個數據指標也要看。雖然我看了之后并不會讓我的接下去的運營動作有改變，但是我就是覺得該看。

這個是數據分析師在日常工作中最容易的碰到的問題，如果不改變業務方的這個觀念，那么你將一直是名取數機器人，永遠沉淪在業務方無休止的取數需求中，不能做有意義的業務分析。

如果看了一個數據指標，不管他是漲還是跌，你作為一名業務方，你將不會有任何的改變，那么這個數據指標對你是毫無意義的，人的精力是有限的，不能浪費精力在這個無意義的數據指標上。

你可以嘗試一個月不去看這個數據指標，你就會發現業務沒要絲毫的變化，那么你就應該立馬放棄這個數據指標。真正去關心哪些稍微風吹草動你就立馬就會有與之對應的決策的核心數據指標。

3. 五種數據指標的特點

（1）定性指標與定量指標

定性指標通常是非結構化的、經驗性的、揭示性的、難以歸類的；量化指標則涉及很多數值和統計數據，提供可靠的量化結果，但缺乏直觀的洞察。

在目前互聯網高度發展的今天，數據的建議已經越發的完整，所以大部分獲取的數據都是定量的數據，并且是在海量用戶行為中記錄的數據，基本上具備統計學意義。

但是在創業初期，數據建設可能比較落后，很多數據需要用戶調研、采訪結果、周圍觀察等方式獲取，那么這些數據都是很強的主觀意愿，你需要識別背后真正的意思，才能得出有意義的定性結論。

（2）虛榮指標與可付諸行動的指標

虛榮指標看上去很美，讓你感覺良好，卻不能為你的業務帶來絲毫改變。相反，可付諸行動的指標可以幫你遴選出一個行動方案，從而指導你的運營動作。

很多公司都聲稱自己是由數據驅動決策的企業?？上?，它們大多只重視這句口號中的“數據”，卻很少有公司真的把注意力集中在“驅動決策”上。如果你有一個數據，卻不知如何根據它采取行動，該數據就僅僅是一個虛榮指標。

它毫無意義，唯一的作用是讓人自我膨脹。你需要利用數據揭示信息，指明方向，幫助你改進商業模式，決策下一步的行動。

比如“總注冊用戶數”（或“總用戶數”）其實就是一個虛榮指標，這個數字只會隨著時間增長（經典的“單調遞增函數”）。它并不能傳達關于用戶行為的信息：他們在做什么？是否對你有價值？他們中的很多人可能只是注冊了一下，就再沒有使用過。

再比如“商品曝光次數”也是一個虛榮指標，在一個feed流里一個屏幕可能就展示了10個商品，就算曝光了10次，再劃上劃下幾次就翻了好幾倍。

所以這個指標根本無法體現你的流量的真實繁榮度。

那如果你關注“每日新增注冊用戶數”這個指標，那就是能直接指導你干活的指標，如果每日新增數量下降了，那你可能就需要加大投放的力度了，并且可以測試不同投放渠道的效果，選擇ROI最高的那個渠道進行投放。

再比如你關注的“每日活躍用戶數”即DAU，這個代表的當下有多少用戶還是體驗的產品，這個是一個動態平衡的效果，每天有很多人成為新的用戶，每天也有很多人成為流失用戶，如果每天新增大于流失，那么你的產品的是一個仍然有競爭力的產品，業務在繼續向上發展，健康迭代。

那如果是流失用戶數大于新增用戶數，那么說你的產品不在吸引用戶，需要盡快找到問題，迭代產品，重新走上正軌。

（3）探索性指標與報告性指標

探索性指標是推測性的，提供原本不為所知的洞見，幫助你在商業競爭中取得先手優勢。報告性指標則讓你時刻對公司的日常運營、管理性活動保持信息通暢、步調一致。

美國前國防部長唐納德·拉姆斯菲爾德說：世界上的事物可以分為這樣幾類：我們知道我們知道的，我們知道我們不知道的；此外，還有我們不知道我們知道的，以及我們不知道我們不知道的。

唐納德·拉姆斯菲爾德的見解

探索性指標可以理解為不是日常觀察的，是需要我們去做深度分析發現業務中蘊含著我們目前所不知道的內容，這些是不發現不會“死”，但是一旦發現就會給業務帶來增量的東西。

那報告性指標就是我么每日或者每周或者每月都需要去看注意的指標，他反映的業務宏觀上的表現，比如對于電商業務來說，銷售額、購買人數、毛利額等這些每日都觀察是的指標，他能體現出你當前業務的健康情況，是否有在增長，有點類似財務性指標，你說這個指標不重要嗎，不！其實他很重要，但是它不能直接指導你干活。

但是如果你一段時間內業務運營不好，就會在這些指標上體現出來。因此報告性指標就是日常監控的宏觀性指標，不直接指導你干活，探索性指標就是分析報告的產物，能讓你發現一些新的增長點或者發現一個當前業務中存在的問題。

（4）先見性數據指標與后見性數據指標

先見性指標用于預言未來；后見性指標則用于解釋過去。相比之下，我們更喜歡先見性指標，因為你在得知數據后尚有時間去應對——未雨綢繆，有備無患。

先見性指標（或稱先見性指示劑）可用于預測未來。

比如這個月新增注冊用戶數為30W，那么你接下去的這段時間能轉化為購買用戶數封頂也就是只有30W。再比如電商購買漏斗分析，曝光商品的用戶有10W，那么你能讓用戶去點擊的人數最多也就10W，再能轉化為購買的用戶又是比點擊用戶還要少。

先見性指標可以幫你預見這個事情的天花板是多少，可以判斷這個事情的價值大致有多大。

后見性指標能提示問題的存在，比如用戶流失（即某一時間段內離開某產品或服務的客戶量）；不過等到收集相關數據，找出問題，往往為時已晚，已流失的用戶不會再回頭。

但是用戶流失之前總有些征兆，比如這段時間的客戶投訴率有所提升，商品的退貨退款的比例也激增，這時候肯定存在某些問題，導致用戶體檢變差了，你需要去找到這些問題并且改善他。

那這2個指標就可以做流失用戶的先見性指標去持續觀察，并且持續優化以降低這些負面的指標，這樣就可以提前預防用戶流失，從而低價了流失用戶數這個指標，也不必到用戶真的流失了才開始挽回。

（5）相關性指標與因果性指標

如果兩個指標總是一同變化，則說明它們是相關的；如果其中一個指標可以導致另一個指標的變化，則它們之間具有因果關系。如果你發現你能控制的事（比如播放什么樣的廣告）和你希望發生的事（比如營收）之間存在因果關系，那么恭喜你，你已擁有了改變業務發展狀況的能力。

相關性和因果性是在日常業務當中最容易搞錯的2種指標。再議電商業務為例，我們發現愿意評價的人復購的比例更高，那我們可以認為是用戶評價導致的用戶復購嗎。

其實并不是，愿意評價的只是一個幫我們從一群購買用戶中找到質量更高、更加信任我們電商平臺的用戶，往往愿意復購的用戶是高質量的用戶，一般更加愿意來評價我們的商品，所以他們并不是因果關系而是相關關系。

再比如，冰激凌的消費量和意外溺亡人數具有相關性，難道這意味著我們應該禁止銷售冰激凌來避免意外溺亡嗎？或者以冰激凌銷售量預測殯儀館的股價走勢？當然不是：冰激凌消費和意外溺死率的升高都是因為夏天來了。

在兩個數據指標之間發現相關性不是一件壞事，發現相關性可以幫助你預測未來，而發現因果關系意味著你可以改變未來。

通常，因果關系并不是簡單的一對一關系，很多事情都是多因素共同作用的結果。

很多時候業務十分復雜，當然去探尋業務的因果關系很重要價值也很高，但是往往尋找因果關系需要有極高的成本，對應的ROI很可能比較低。

這時候你找到一些相關性指標，并且持續優化他們，最終你希望的業務結果也確實變好了，雖然你可能都不知道為什么這樣能使得業務變好。但是沒關系，對于實際業務來說，不管是黑貓還是白貓，只要是能抓老鼠的就是好貓。

在無法找到或者找到因果關系的指標成本極高的情況下，勇敢大膽的去使用相關關系的數據指標吧，它也能幫助你提高你所期望的業務效果。

二、數據指標體系搭建方法

對于數據指標體系的搭建，這邊十分推薦利用OSM模型去進行。

OSM模型是什么呢？OSM模型是是三個英文單詞的縮寫：

• O目標（Object）：希望達到的業務目標
• S策略（Strategy）：為了完成業務準備采取的具體策略
• M度量（Measure）：衡量落地的效果，是否達成目標的指標

接下來我們就詳細來介紹下，如何進行這三個步驟。

（1）如何確定核心指標（Object）

確定北極星指標（第一關鍵指標），就是一個在當前階段高于一切、需要你集中全部注意力的數字。這個需要整個業務的所有同學敬畏的指標，全力一起向著這個指標前進。就想北極星一樣高高閃耀在星空中，指引著大家前進。

（2）如何制定策略（ Strategy ）

先拆解目標，看目標由哪些方面構成，比如銷售額可以拆分成曝光人數*點擊率*轉化率*客單價。再看能做哪些事情來影響各個拆分的小目標，最后總結這些小點制定要執行的策略。

（3）如何選擇度量（ Measure ）

前面2步完成之后，度量的選擇就簡單了許多?；跍蕚鋱绦械牟呗?，篩選出能衡量策略的效果的指標以及這個策略對于目標的達成情況。比如我們的目標是提升銷售額，有個策略是優化詳情頁的內容。指標就可以有停留時長、跳出率、模塊點擊率等，這些是直接衡量策略的效果指標。還有轉化率的提升，以及這個策略對整體銷售額提升的百分比。

三、電商數據指標體系搭建實戰

我們這里以母嬰電商的紙尿褲拉新指標體系搭建為案例，進行實戰練習。

首先是目標的確認，我們曾經也是犯過錯誤，選擇了拉新人數作為拉新目標，這就會導致我們只管拼命拉新，不管拉新進來的用戶質量如何。

導致拉新人數這個指標確認很好看，但是新用戶進來后只買了第一單優惠力度很大的紙尿褲之后，就再也沒有復購了。

因為我們的目標制定只是拉新人數而已，并不需要管用戶后續的情況如何，導致運營并不會去搭建用戶的留存運營體系，用戶進來之后的后續體驗是完全不管的。

后面經過深度分析發現，買過三次的人已經不受到拉新的策略影響，是真正被平臺留下來的人。因此制定第三次購買人數為北極星指標。

接下來就是拆解第三次購買人數的目標。第三次購買人數=首次購買人數*第二次購買留存率**第三次購買留存率?；谶@個目標的拆解，我們可執行的策略就有提高首次購買人數、提高第二次購買留存率、提高第三次購買留存率這三個方面的優化。

如何提高首次購買人數呢。對于紙尿褲來說，大致方案有紙尿褲試用裝拉新、新人優惠券拉新、新人紅包拉新、首單全額返拉新等這些方式。

那么我們就以紙尿褲試用裝拉新作為策略，來進行度量的確認。

試用裝拉新人數=試用裝曝光人數*點擊率*轉化率

試用裝曝光人數=首頁曝光人數+我的頁面曝光人數+開屏廣告曝光人數+…

因此就會有各個渠道的試用裝曝光人數*點擊率*轉化率的數據以此來評價每個渠道的拉新效率。

另外還有試用裝拉新站總體的拉新占比、試用裝拉新的第二次、第三次購買留存率、試用裝各個流量渠道的第二次和第三次購買留存率等這些紙尿褲試用裝拉新的評價指標。

這樣就可以衡量試用裝拉新對于整體拉新的幫助，以及試用裝各個渠道的質量以此幫助運營發現問題，及時優化。

試用裝的點擊率*轉化率的數據也是幫助運營優化的關鍵指標。比如點擊率不行需要優化投放的圖片UI、標題、利益點等等。

轉化率不行的話需要優化詳情頁的UI、促銷方式、賣點、評價等等。

上面僅僅是提供了一些指標確定的思考方式，最終的整體數據指標體系如下圖所示，大家可以參考下。

紙尿褲拉新數據指標體系

作者：杭州@阿坤，母嬰電商行業數據分析師兼數據產品經理，致力于研究電商行業的數據驅動增長以及數據產品從0到1的搭建；“數據人創作者聯盟”成員。

本文由@一個數據人的自留地 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。