如何搭建數據監控體系及實踐

0 評論 7977 瀏覽 61 收藏 12 分鐘

現在的產品對數據分析的要求都越來越高,作為其中重要環節的“數據監控體系”,就成為了產品設計中的一個重點。如何搭建數據監控體系?這篇文章給了我們答案。

在數據分析中重要環節“數據監控體系”,其作用就是通過數據來對企業的各項業務進行監督及控制,保證各項業務不偏離公司的戰略方向。

所謂的“數據監控”,即采集+呈現,也就是將用戶全鏈路行為數據以及業務數據采集過來,用可視化的圖、表來呈現出來。再通過“數據指標”來進行監督和控制。但當產品線業務變得豐富和復雜,單一數據無法滿足產品業務線豐富的監控需求,我們就需要搭建更加完善的“數據監控體系”了。

一、數據監控體系意義

“數據監控體系”,其實單一數據指標對監督與控制的作用很小的。我們做數據的最清楚,發出去的日、周報表很少有人看的,所以數據監控體系就是將這些單一的數據指標體系與管理流程結合起來,來滿足復雜的產品業務線的監控需求。

而好的數據監控體系的重要性有:

  • 首先能夠反映過去的產品和業務的現狀,對現在有所對比和參考;
  • 其次就是反映目前的產品業務線的狀態的監控,是否數據異常等;
  • 并及時發現業務指標的升高或降低,以及產生的原因;
  • 更能夠反映產品業務線未來的可能發生變化的趨勢,再根據指標數據,控制成本等。

數據監控體系主要是根據數據指標體系建立,在監控體系中不宜體現過多的指標,以免造成過多問題混淆且不知其輕重的情況。一般都是根據公司的核心指標進行建立監控,具體到具體的部門,可以根據部門的核心指標(KPI)進行建立。

既然是監控體系就不可能是一個監控報表或是報告,應該是多個監控報表報告,且之間相互存在聯系。簡單的體系我們可以從公司總體、部門、地區、行業、市場等不同維度建立相互獨立且又存在相互聯系的監控。監控體系需要根據具體的業務來建立,俗話說具體問題具體分析嘛。

二、如何進行數據監控體系的搭建?

① 要明確產品業務目標以及KPI和所處的產品階段

要認清和明確目標。量化以及拆分目標,是數據分析的靈魂。判斷業務走勢正常還是異常,探索解決問題的辦法,都是從計算目標和現狀的差距開始的,這一點非常重要。而不同的產品階段是有不同的產品目標業務的(產品生命周期后面我們還會詳細說明)。

拆解目標,細分可以有多種類型,比如常見幾種的:

  • 按達成時間為:年、季度、月
  • 按服務對象為:各個部門、整個公司
  • 按流程位置為:結果型目標/過程型目標

② 根據現階段產品業務目標,將數據指標分級

數據指標有很多:日活DAU、月活(MAU)、下載量、激活量、新增注冊量、活躍度(DAU/MAU)、次日留存率、次人均時長、首頁訪問率、停留率、人均充值金額ARPU、GMV,客單價等等,我們會針對不同的指標,分不同的層級。不一定要拆得太細,否則層級會過深,基本上 3 個層級就能夠指導我們去做一些動作(后期數據指標我們還會詳細說明):

  • 一級指標(北極星指標)必須是全公司都認可的、衡量業績的核心指標。它可以直接指引公司的戰略目標,衡量公司的業務達成情況,本質上需要管理層和下級員工的雙向理解、認同,且要易于溝通傳達,比如公司的銷售額,或者社交產品的活躍度。以Facebook早期北極星指標是“注冊用戶數”,拼多多的北極星指標是“GMV”。北極星指標并非絕對唯一,很多指標都具有相關性,在公司的一定階段都可以作為北極星指標。
  • 二級指標是北極星指標的路徑指標。北極星指標發生變化的時候,我們通過查看二級指標,能夠快速定位問題的原因所在。如我們的北極星指標是 GMV 和訂單數量上升,那怎樣去定二級指標呢?我們就要去拆解北極星指標,而能夠影響到 GMV 和訂單數量上升的,就是我們的核心二級指標。比如說貨品的單價上升,或者最近做的一些活動。
  • 三級指標是對二級指標的路徑的分析。通過三級指標,可以高效定位二級指標波動的原因,這一步也會基于歷史經驗和拆解。

其實三級指標能夠直接執行一線運營的角色和作用。以一級指標 GMV 提升為例,我們拆解后發現是轉化率提升,那么轉化率就是二級指標。接著分平臺去拆解各個轉化率的時候,我們發現是 IOS 的客戶端轉化率有所提升。那為什么安卓沒有提升,是不是 IOS 最近做了一些迭代?是不是它的一個轉換路徑比其他端好?這些思考就能指導業務人員展開行動。

③ 搭建以日、周、月為單位的數據指標監控體系報表

監控每日、過去一周,上周, 上月同周, 上上月同周的數據報表,已圖表展示,來反映產品的變化趨勢,通過過去的一周數據反映產品現狀,通過每日、周、過去的三個月的產品業務線數據變化趨勢預估未來的變化趨勢。

監控指標體系的基本邏輯:先看北極星指標,結合二、三指標再預測判斷未來趨勢。

④ 根據數據監控結果,明確管理流程,實現控制

第一,當指標有異常狀態,明確運營策略執行者。如:

  • GMV降了→ 客單價降低了→ 用戶運營想策略,
  • GMV降了→ 某類商品降幅大了→ 商品運營想策略
  • GMV降了→ 外部流量太少了 → 渠道運營想策略

第二,再明確執行時間。要有時間狀態走向判斷的。如:

  • 過去+負向→ 關注XX問題
  • 過去+正向 → 發現XX經驗
  • 未來+負向 → 警惕XX風險
  • 未來+正向 → 提示XX機會

第三,明確需要多大力度,如:

  • 注意出現異常
  • 要提高等

立即執行

比如:“如客單價不能在3天內得到改善提高,本月KPI將不達標,需立即優化商品組合,提升客單價”。

第四,復盤改善后效果

搭建數據監控體系,最主要環節就是效果的復盤。而且要先看是哪個層級的效果,再看具體效果大小。

三、數據監控體系搭建案例

以用戶數據監控體系的建立作為案例來說明。

電商運營體系三大核心板塊:商品、平臺、用戶,也就是我們經常聽到的人貨場。每一個板塊,其業務目標都不一樣。

用戶板塊,重點在于用戶的增長及用戶生命周期管理。那么,其目標則是通過用戶增長,提升用戶活躍度,從而實現用戶的商業變現。指標則有:注冊用戶規模、活躍用戶規模、客單價、銷售收入、利潤。

為了實現用戶規模的增長,我們需要關注用戶生命周期的變化,也就是從“拉新—>留存—>流失—>激活”的每一個不同的生命周期階段,我們要關注的指標都不一樣。但最終目標是一直的,通過加大拉新的力度,提升客戶留存率,降低客戶流失率,提高客戶激活率,從而達到用戶增長的目標。

單一一張監控報表,可以滿足一個部門的需求,但部門之間的工作經常是相互關聯的。因此圍繞一個問題,經常有多個部門共同參與,因此需要對多個方面進行監控。這就構成了監控體系。

一般監控體系,都是由一個整體情況表出發,涵蓋涉及各方面的基本情況,之后再具體落實到具體監控各方面。比如監控用戶增長情況。至少需要關注:新增、活躍、留存三個方面。因此要包含:

  1. 整體情況表:整體數據情況、活躍度、客單價(哪些用戶活躍/流失)
  2. 新增用戶明細表:統計曝光量、新增下載量、激活量
  3. 渠道明細表:哪些渠道新增好,哪些留存好,還有哪些活躍高

這里每一張表都需要經歷同樣的設計過程,之后三張表組合起來,成為一個完整的監控體系。

因此,做好一張張的監控報表,才是搭建體系的關鍵。

總之,搭建數據監控體系的時候,我們需要不斷的總結并結合過往經驗,了解未來產品業務計劃,甚至收集一些競爭情況,把整體現階段的目標,具體到某個人,有明確指向,才能發揮出“數據監控體系”重要性。

雖然梳理的數據監控搭建的方法論可能比較樸素,沒有特別高大上的模型和理論依托,但卻有賴于對業務充分的理解。實際數據運營工作中不用拘泥,只要能達到反映業務現狀,方便各業務及時定位異常點就好。隨著不同階段的產品業務方向和目標需要不斷進行更新和調整,也需要不斷在全面和精煉中尋找平衡,避免過高的復雜度帶來的冗余。

專欄作家

木木自由,微信公眾號:木木自由,人人都是產品經理專欄作家。多年互聯網數據運營經驗,涉獵運營領域較廣,關注于運營、數據分析的實戰案例與經驗以及方法論的總結,探索運營與數據的神奇奧秘!

本文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

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!