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

本文主要介紹了指標體系搭建的基本流程和常見誤區，并結合一些例子做了指標體系搭建的說明。

此文系把前日所做的分享整理成文，正文主要介紹了指標體系搭建的基本流程和常見誤區。算是經過工作和學習，漫長野蠻生長后對指標體系搭建的一些見解的思考，作為自身知識沉淀的第一步，希望大家帶著批判的眼光去看待所有內容。

01 指標體系搭建的基本流程

指標體系搭建是數據工作的基礎，可以通過量化的方式，較為系統的反映業務發展情況。

通常來說，業務指標體系的搭建可以分成以下幾種階段：

1. 確定產品核心價值和所處階段

此階段是搭建指標體系的基石，前期準備工作越充分，對業務理解越全面，后續指標搭建就越合理。所以此階段建議先對產品有一個比較宏觀的了解。通常采取的方式無非是自身體驗/詢問同事/網上查找相關資料。

這里想特別提到《了不起的蓋茨比》的一句話，可以領悟精神：“每當你想批評別人的時候，要記住，這世上并不是所有人，都有你擁有的那些優越條件”。時刻注意不要太過盲信自身體驗，很容易犯以偏概全的毛病。

比如說對于一款正在進行渠道下沉的產品，你作為一二線城市的用戶可能比較清楚自己想要什么，但是沒有三四線城市生活經歷的你，可能就不會太了解那里用戶的真實訴求和使用場景與你有何異同。

涉及到實際業務場景，我們可以通過以下幾種方面的研究來嘗試找準產品的核心價值，幫助我們更有底氣的搭建一個合理的指標體系：

產品基本情況：

首先我們需要了解產品的基本情況，雖然不需要對每個旁支功能都了如指掌，但是至少需要清楚產品對于用戶產生的核心價值和主要交互場景。注意，一個好的slogan也可以幫助你更好的了解產品的主要價值。

有條件的話可以通過自身體驗/與目標用戶交流/應用商店/數據監控網站（類似于七麥，TalkingData等）等了解。

增長情況：

然后我們需要了解產品自身表現和其所在細分領域市場的表現，好比說其日活/設備量的增長情況/市場占有率等，輔助我們更好的判定產品所處的階段。比如日活穩定，新增設備下滑，該app可能已經到了成熟期。

這里我們通常還是善用搜索，查看行業報告/數據監控網站/科技媒體報導（36Kr,虎嗅等）/app自身發布的數據報告來判斷。

產品迭代歷程/運營及商業化策略：

這幾塊內容放在一起說，主要幫助我們了解產品近年的發展情況和未來的發展計劃。產品方面我們可以關注app披露的迭代記錄，通過自身體驗，或者加入核心用戶體驗群等等。

運營和商業化方面信息比較難直接獲取，就要善于關注各種領導者采訪/專業文章分析/各類大會分享/公司內部報告等。當然能找到內部人士更是極好的。

通過脈脈/領英或許我們都能方便的找到內部員工，至于能不能打聽到產品的商業化進程和走向就各憑本事了（記得之前有個段子，說某男為了成為產品經理，陸續勾搭了幾個產品經理小姐姐處對象，這里先不做道德判斷，但是理是這個理- -）。

如果是為自己的公司搭建體系，當然也可以選擇詢問相關業務人員。但是切記過程中你需要有一點兒產品的思維，即傾聽他們的聲音，但不是他們說什么就去做什么。需要考慮，業務人員為什么關注這一指標？找到業務需求背后隱含的訴求并付諸數據量化。

2. 確定北極星指標

首先來明確一下北極星指標的定義。

北極星指標（North Star Metric）：又叫作OMTM(One metric that matters），唯一重要的指標，為產品現階段最為關鍵的指標。之所以叫北極星指標，是因為這個像北極星一樣，指引著全公司所有人員向著同一個方向邁進。是全公司統一的成功指標，且需要對應產品向用戶輸出的價值。

關于北極星指標的確定，其實結合產品類型，已經大致能得出自己的選擇，唯一需要注意的是在產品發展的不同階段會有相應變化，比如說滴滴在創業早期可能就會比較關注新客數，現階段可能就要更多的關注營收情況。

至于判定指標的選擇是否合理，其實也有一套比較好的自查方法。我就不再班門弄斧，直接援引曲卉在《硅谷增長黑客實戰筆記》給出的六個標準，概括精當到位：

1. 你的產品的核心價值是什么？這個指標可以讓你知道你的用戶體驗到了這種價值嗎？

比如說，我現在公司做的是投資 App，那么用戶的核心價值就是投資，所以這個北極星指標應該和投資有關；

2. 這個指標能夠反映用戶的活躍程度嗎？

在上面的例子里，Myspace 的“注冊用戶數” 就沒有反應用戶的活躍程度；

3. 如果這個指標變好了，是不是能說明你的整個公司是在向好的方向發展？

比如說，對于 Uber 來說，如果只是把注冊司機數作為北極星指標，顯然就忽略了乘客這一方面。因此 Uber 的北極星指標應該能夠反映司機和乘客的供需平衡，所以“總乘車數”就是更為合適的一個指標。

4. 這個指標是不是很容易被你的整個團隊理解和交流呢？

一般來說，建議選一個絕對數作為北極星指標，而不是比例或百分比：比如說，“總訂單數”就比“訂單額超過 100 元的訂單比例”好理解

5. 這個指標是一個先導指標，還是一個滯后指標？

比如說，SaaS 公司喜歡使用收入作為北極星指標，這不是一個壞指標，但是它確是一個滯后指標。有的用戶很可能已經停止使用幾個月了，卻還在付月費。在這種情況下，“月活躍用戶數”可能是一個更好的先導指標。

6. 這個指標是不是一個可操作的指標？

簡單地說，如果對于一個指標，你什么也做不了，那它對你來說相當于不存在。

3. 確定其他關鍵指標

確定好了北極星指標，需要繼續確定該app發展過程中需要關注的其他重要指標。

這里拆解的基本維度為用戶，行為，留存和收益，是基于外界對產品的價值判斷和數據倉庫的搭建邏輯選擇的。

在實際應用過程中，其實可用模型有很多，包括AARRR模型or其他合理的分析模型（比如HEART），在不同業務和不同鏈路都有各自的應用場景。也會發現實際對于不同產品，可能還有很多定制化的指標不好歸類。所以可以先掌握基本法，具備一個基本的思考方向，再根據業務實際情況開枝散葉，進行延展。

以抖音為例，我用基本模型增加AARRR的拉新喚醒模塊打配合，做出以下劃分：

這里再做出一些簡單的解釋：

拉新/喚醒：

關注各渠道效果以及各類拉新裂變活動效果如何，主要基于成本和有效性兩方面量化。

用戶：

主要對到訪用戶做分類，看有沒有某部分用戶出現異常。用戶畫像基于訪問用戶的結構維度，但考慮到用戶的激動指數（激動指數代表了用戶有多大動力在某個時刻完成某件事情；好比說，激活過程中需要填寫的內容越多，過程越繁瑣，用戶越容易放棄你的產品）和開發資源，所以并非越細越好。

譬如說，作為一款婚戀app可能就特別需要關注女性用戶占比，如果發現活躍男性規模遠高于女性，和酒吧進行女性免單促銷的邏輯類似，該產品就得加強對女性用戶的引流。但是對于某些男性主導的直男社區，比方說軍事類討論組，女性用戶占比可能就是一個次要指標。

行為：

需要包含用戶在app上必然操作的基本行為和關于產品核心價值的行為。對于平臺類產品，涉及到多種用戶類型的，需要關注到各個用戶群體行為上的差異性。比如作為一款內容社區類產品，就要同時關注推薦質量/生產質量。

此外，特別關注舉報行為是因為：內容平臺很容易因為審核監管力度不夠，導致出現低俗不良信息/違背主流社會價值而遭到打擊。好比說前段時間Soul合伙人惡意釣魚舉報Uki，直接導致競品因為低俗內容被強制下線數月。不但導致Uki之后的日注冊用戶量出現斷崖式下降，甚至使其錯過了元旦和春節等幾個關鍵節點，面對這種情況，成熟公司可能還可以靠活躍用戶扛一扛，但是對于初創公司來說是毀滅性的。所以需要特別警惕。

留存：

這里主要關注各細分維度的留存情況是否有異動。切分維度一般和用戶養成使用習慣需要的活躍天數有關。理論上來說，用戶對產品投入越多，越難以放棄一個產品。比方說如果你堅持用豆瓣記錄自己的觀影歷程多年，那你就很難離開豆瓣了，否則就要面臨高昂的遷移成本。

收入：

關注各業務線實際營收?？紤]到短視頻平臺其實和手游有比較高的重合度，此類用戶具有客單價較低，付費頻次較高的特點，因此需要關注新引入的付費用戶情況。

4. 模塊拆解和模塊指標確立

這兩部分并在一起說。實際上如果前期的核心價值了解到位，做到這一步基本是水到渠成。功能模塊的選取要么基于產品核心價值判斷，要么基于公司業務線自身的天然分割。

這里通常以對產品功能模塊/業務邏輯拆解為主，通過產品的核心價值判斷；以網上檢索到的情報為輔助（比方說對于影響力比較大的產品，好比說淘寶/抖音這類國民產品甚至可以搜索到一些咨詢機構所做的用戶調研，就會很容易留意到一些子功能對于用戶來說是沒有這么核心的），據此來綜合判斷。

此拆解并不唯一，也可能會發生變化。以抖音為例可做如下拆分：

進行到子模塊的拆解后，我們仍然可以按照關鍵指標的拆解套路（用戶/行為等……）進行。當然，對于拆解模式和概括類指標相同的（如留存），可以一筆帶過，對差異性較大的再做細分解釋。

此外，拆到業務線時可能會有和總的概況指標有重疊的部分，這時也無需過于擔心，有時候同一款產品多線并行互相競爭，大家通過不同的角度看問題，反倒有可能更容易發現產品迭代的空間/改進的方向。

02 指標體系搭建的常見誤區

說完了基本搭建流程，這個版塊主要介紹一些指標體系搭建中比較容易出現的問題。

1. 很多判斷比較想當然，缺乏依據

常見的問題包括但不限于：沒有考慮到產品當前所處階段或者判定了但是缺乏對應支撐；核心功能模塊選取過度依賴自身體驗和口嗨等……

2. 指標定義不清楚

事實上指標的定義沒有絕對的正確和錯誤，只要基于實際業務問題，確定好統計口徑，團隊理解一致，這個指標就是可取的。所以對于一些界定不夠清晰，不能被團隊一眼理解的指標，最好再追加基本的解釋。

就算是大家都知道看似簡單的DAU，其實也可以有不同的定義。什么是活躍？最常見的定義是，打開應用即算活躍。但是不同的業務場景下可能有不同的需求，以游戲產品為例，用戶僅僅打開但是不登陸是沒有意義的。那么DAU的定義是登陸你的app or 停留時長達到一分鐘 or 有特定行為？

其實都可以，只要團隊一致認可且能反映產品的核心價值。

3. 指標要么過于大而全，要么過于隨意

一個好的指標體系，在問題發生時，理應能讓用戶通過較少的操作和觀察，快速精準的定位到問題。建立一個非常復雜不易理解大而全的指標的結果是，可能有些報表年年出現，日日推送，但是無人問津。選擇指標時需要我們好好考慮選取這些指標到底能在實際業務中發揮什么作用。如果想不到，它可能就不是一個特別理想的指標。

4. 指標選取上，關注人（如使用功能人數）/忽略次（如使用功能次數）

這一點對運營同學可能足夠，但是考慮到產品優化維度，就不夠全面了。好比說，對于一個發布功能，我們可能就會關注用戶每一次操作背后每一步的行為漏斗。

5. 指標選取時只關注比例/均值，不太關注絕對值

確實，比例和均值通常比絕對值更適合作為指標，它更直觀，更容易被對比。我們常說，不能對比的指標不是一個好的指標。

但是完全忽略絕對值其實也是很危險的。打個比方，一個直播間，昨天來了1萬個訪客參與互動的有100人；今天有1000個訪客，參與互動的仍然有100人。看上去參與率大幅提升了，但是我們可能會被虛榮的數據蠱惑，忽略了實際上參與率的提升可能僅僅是由于流量變少，今天來的更多是死忠粉，所以互動人數同樣值得注意。

這里再額外延展一個統計學上一個經典的例子，辛普森悖論，大意是分組分組時均占優勢的一方在總體上反倒有劣勢，這其實就是因為分組的樣本量有差距，警醒我們既不要以偏概全也不要以全概偏。

這篇文章寫到這里差不多就該結束了。

指標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，但是卻有賴于深厚的積累和充分的業務理解。實際工作中不用拘泥，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。這個體系是動態的，可以隨著不同階段的業務需要不斷進行更新和調整，也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。

本文由 @Ver 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