起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識SaaS產品數據分析之指標與標簽
數據分析能夠應用到各個領域和崗位，那么在SaaS產品中的應用會是如何？本文將探索SaaS產品在數據分析中的應用，并對其指標與標簽的設計進行總結分析，一起來看看吧。
數據分析是業務開展過程中，收集記錄各種行為產生的數據，對這些數據進行一定的加工、清洗、分析，然后形成數據報表，得出分析報告或結論。
數據分析在很多領域都可以使用。我們可以使用探索性數據分析在數據之中發現新的特征，也可以通過驗證性數據分析來驗證假設的真偽。
一、數據分析在SaaS產品的應用
在SaaS領域，數據分析可以用在多個方面，比如測算SaaS公司的經營數據，評估健康度；分析用戶的各種行為偏好，改進產品；分析公司投入產出比，用于評估業務方向；數據分析本身也可以成為SaaS產品的一部分，為SaaS產品的用戶提供數據服務。
數據分析在SaaS發展的過程中至關重要，是不斷修正產品發展方向的重要參考，也是評估公司業務健康度的重要依據。通過對公司積累下來的海量數據進行統計、分析、研究并形成數據分析報告，我們就可以得到較為完整、科學的客觀情況反映，從而協助我們制定出理性、正確的決策和計劃，以充分發揮數據分析促進管理、參與決策的重要作用。
1. 產品指標分析
使用數據對產品相關的指標進行分析，比如使用頻次、使用率、響應效率。數據分析可以幫助產品經理了解產品使用情況，產品經理可以調研去做一些總結分析，幫助產品改進。
我們的產品指標，是根據具體的業務需要進行設置，仍然以發票產品線舉例，我們關注了幾個主要的產品指標，大家可以參考。
（1）開票時長
發票開具是一項實時性要求比較高的工作，而整個發票開具流程又比較長，為了統計平臺的開票性能，我們會定期統計發票開具時長，在5S以內完成開票的數量占比來評估產品的性能指標。開票時長計算規則為從發起開票請求到發票開具成功的時間差。
（2）功能使用率
發票產品涉及到多種開票方式、多種收票方式、多種查詢統計維度等，我們會對功能的 使用情況做匯總統計，區分核心功能，在結合需求調研，評估資源投入方向。功能使用率的統計規則為功能菜單的點擊次數。
（3）開票方式統計
由于開票場景很多，我們需要知曉哪些場景更受歡迎，哪些場景使用較少。使用較多的場景要持續做更多的優化，比如掃碼開票，我們支持了十幾種分支邏輯處理，對場景的拓展盡可能做到極致。對于使用相對較少的開票方式，需要結合調研去做需求和產品分析，判斷是產品設計有問題，還是需求本身就不夠剛性，還是用戶使用出了問題，對應的給出產品策略。開票方式的統計規則為開票成功的數據來源方式。
以上是幾個產品指標的示例，每個產品都會有一些自身的特點和場景，我們需要去找到評估自身產品的指標。這些指標只是我們改進產品的一個參考，還需要結合調研來判斷具體的情況，指標數據好比“體檢報告”，而結合調研才能“知曉病因”，這樣后續的產品迭代才能“對癥下藥”。
2. 經營指標分析
經營數據的指標分析，對于SaaS公司非常重要，經常會被企業或投資人提及。比較重要的有續費率、客單價、客戶終身價值、獲客成本等指標。
我們簡單解釋下這些指標。
（1）獲客成本?Client Acquisition Cost（CAC）
每獲取一個新的付費客戶，需要付出的一次性成本，反應公司商務拓展能力和業務開展效率。
獲客成本=所有市場與銷售費用總和/新獲取客戶的數量
（2）客戶留存成本?Client Retention Cost?（CRC）
獲得付費客戶后，持續保留客戶所需的成本。
客戶留存成本=訂閱客戶開啟付費狀態后，售后團隊或客戶成功團隊的費用支出，通常包括協調的交付人員費用及云存儲費用等。
如果客戶的留存與商務團隊也有關系，需要將商務團隊的費用也進行相應的計算。不同的公司對于崗位職責范圍的要求不同，如果硬套公式可能會出現較大的計算偏差。
（3）月經常性收入?Monthly Recurring Revenue（MRR）
每個訂閱客戶的訂閱年費分攤到每月并求和。
MRR=所有付費客戶月訂閱費用總額。
MRR是體現SaaS企業估值的最核心指標之一。
（4）年度經常性收入?Annual Recurring Revenue?（ARR）
將訂閱客戶的經常性收入規范化為一年期的價值。通常情況下，ARR 只包括合同約定的固定訂閱費，即不包括臨時性或一次性服務的費用。
（5）簽約額?Booking
指與客戶簽訂合同，客戶承諾將要支付的金額（有法律約束）。簽約額本身僅僅表示與客戶達成了合同關系，但客戶不一定會付款，財務上也不代表收入。
當簽約額中有一部分是非約束性時（例如合作備忘錄或者框架協議），通常不會一開始就把它們記入簽約額，而是在采購訂單生成時才記入。
（6）總合同額?Total Contract Value?（TCV）
具有約束效力合同的全部金額，包括多年合同的全部采購金額。
（7）單年合同額?Annual Contract Value?（ACV）
單一年度的簽約合同金額；如果為多年合同，用于估算時，可以直接按照ACV=TCV/合同年數計算。
（8）客戶續費率?Client Renewal Rate
客戶續約率=本期實際續費客戶數/本期應續費客戶數
（9）金額續費率?Dollar Renewal Rate
有兩種算法：
MRR續費率（MRR Renewal Rate）= 本期實際續費客戶MRR/本期應續費客戶續費前MRR
合同額續費率（Bookings Renewal Rate）= 本期續費客戶合同額/本期應續費客戶續約前合同額
（10）客戶流失率?Client Churn Rate
客戶流失率=本期內流失客戶數/上期末客戶數=（上期末客戶數-本期末客戶數+本期內新增客戶數）/上期末客戶數
（11）金額流失率?Revenue Churn Rate
金額流失率 =（本期內流失RR+減值RR-增值RR）/上期末RR
RR（Recurring Revenue）為訂閱收入
（12）客戶留存率?Logo Retention rate
Logo留存率=（本期末客戶數-本期內新增客戶數）/上期末客戶數=1-客戶流失率
（13）金額凈留存率?Net Dollar Retention?（NDR）
NDR=上期訂閱客戶本期貢獻MRR/上期訂閱客戶上期貢獻MRR
（14）客戶生命周期?Life Time
是指一個客戶持續為公司創造收入的總時長。客戶生命周期=1/客戶流失率
（15）客戶平均收入?Average Revenue Per Account?（ARPA）
指的是一個時期內(通常為一個月或一年) 平均每個客戶貢獻的業務收入
ARPA=MRR/客戶數
（16）客戶生命周期價值?Life Time Value?（LTV）
反應客戶能持續貢獻的收入金額，LTV=單用戶月均MRR*客戶生命周期的月數
統計這些SaaS指標的數據從哪里來，怎么處理，需要數據分析方法。
比如計算獲客成本,首先需要統計該時間段內的新增用戶數量，再計算該時間段內產生的商務費用，比如工資、差旅費、商務等各類開支，如果SaaS獲客的跟進時間較長，還需要計算獲取客戶的周期，通過獲客平均周期，來統計對應的商務支出時間段內的各項支出。
這里面有很多的實操細節，我們在做指標分析時，每個指標都要進行分析核對，指標可量化的定義、數據來源、數據顆粒度、周期匹配、數據范圍等都需要一一處理。
3. 用戶畫像
在SaaS產品中，可以對客戶進行畫像，通過畫像來找到同類型的客戶，進行產品訂閱推薦；也可以將畫像中標記為可能流失的客戶推給客戶成功團隊進行跟進，促進續費。用戶畫像是對數據分析的應用，用戶畫像的標簽體系建立過程需要大量利用數據分析。
在C端產品中用戶畫像幾乎是產品建設的標配，在企業級SaaS產品中，用戶畫像對于產品的訂閱續費同樣很重要，應該受到重視。
對于SaaS產品的用戶進行畫像，可能是多個主體，比如代理商、企業客戶、個人用戶等。以企業客戶舉例，我們對其描述時，又會分為多個主題，包括企業基本信息、企業經營信息、企業行為信息等，我們稱之為標簽，從這些信息中，通過數據計算、分析，定義規則，我們可以生成活躍度、價值度等復雜的標簽。
下圖是一個企業畫像的示例。
二、指標定義與分類
數據分析的各種需求，最終需要轉化為指標，指標是數據分析需求的基礎表達方式。
指標是用來定義、評價和描述特定對象的一種標準或方式。比如：新增用戶數、累計用戶數、注銷用戶數等是衡量用戶發展情況的指標，客單價、平均單客成本、平均毛利率等是用來評價企業經營狀況的指標。
設計或定義具體指標時，要區分定義指標的類型，從不同的維度來區分，可有多種劃分方法。
按照指標計算邏輯，可以將指標分為原子指標、復合指標、派生指標三種類型。這是一種比較常用的指標分類方法。其中：
- 原子指標：也叫基礎指標，指表達業務實體原子量化屬性的且不可再分的概念集合，如交易筆數、交易金額、交易用戶數等。
- 復合指標：指建立在基礎指標之上，通過一定運算規則形成的計算指標集合，如平均用戶交易額、資產負債率等。
- 派生指標：指基礎指標或復合指標與維度成員、統計屬性、管理屬性等相結合產生的指標，如交易金額的完成值、計劃值，累計值、同比、環比、占比等。
指標還有多種分類方法：
- 根據描述對象的不同，分為用戶類指標、事件類指標等；
- 按照指標的變化頻率，分為靜態指標和動態指標；
- 按維度劃分，有用戶類指標、收入類指標、行為類指標等；
- 按客戶生命周期劃分，分為獲客指標、履約指標、注銷指標等；
- 按照重要程度，分為主要指標和次要指標等；
- 按管理職能來分，分為觀測指標、管控指標和挑戰指標。
三、標簽定義與分類
標簽是對指標深度加工的結果，標簽注重人物或實體對象的描述。標簽是根據業務場景的需求，通過對目標對象運用抽象、歸納、推理等規則或算法得到的高度精練的特征標識，用于差異化管理與決策。
標簽是指標進一步的發展形態，其分類有類似的地方，但也有所不同。
按照標簽的變化性分為靜態標簽和動態標簽；
按照標簽的指代和評估指標的不同，可分為定性標簽和定量標簽；
按照標簽體系分級分層的方式，可以分為一級標簽、二級標簽、三級標簽等，每一個層級的標簽相當于一個業務維度的切面；
按照復雜程度分為：基礎標簽、規則標簽和模型標簽。其中基礎標簽通常是基于事實數據的，與指標有較高的重合度，比如身高、體重、性別等；規則標簽一般是有一些簡單的規則來控制，符合某種規則時才生成相應的標簽，比如高價值客戶標簽，當一些指標達到特定的條件，就可以將用戶標記為高價值客戶；模型標簽一般需要通過某些機器學習算法來生成，也稱作挖掘類標簽。模型標簽基于數據進行建模。模型與規則不同的是，規則的生成是業務專家根據業務經驗，組合多個指標制定的，規則不具有預測能力。模型的生成是應用科學的算法對指標進行計算，同時模型具有預測能力。
SaaS產品在客戶不同的階段，制定的標簽有所差別，比如獲客階段、留存階段等。獲客階段：可以關注用戶在門戶網站的瀏覽行為，客戶的一些基本信息獲取，現有用戶群體的匹配等。留存階段：可以關注用戶對產品的參與度，比如操作頻次，需求、問題反饋情況，需求及問題滿足情況，增購產品情況，轉介紹情況等。
四、指標和標簽的區別
我們從特征、場景、生產過程、展現方式等幾個方面進行比較。
1. 特征
指標是信息化時代的通用語言。指標注重對事物及事件的過程進行全面的、體系化的描述，指標的描述范圍廣泛，既包括過程也涵蓋結果；指標在邏輯上更嚴謹，表現風格也比較嚴肅，一般采用數值型。
標簽是大數據與人工智能時代的通用語言。標簽比指標更有概括性、更凝練，是對指標深度加工的結果；標簽注重對人或實體的描述，側重對局部特征和結果的描述，注重與具體業務場景的結合，描述的范圍相對較窄；標簽更生活化、口語化和符號化。
2. 場景
指標的應用場景很多，涉及企業的戰略、管理、運營和支撐等層面；具體包括戰略目標、市場定位、業務監測、業績考核、任務分解、數據分析、數據建模、BI應用等。
標簽的應用場景比較適合于用戶運營。比如：客戶畫像、新增獲客、用戶激活、存量客戶維系、數據建模等。
指標最擅長的應用是監測、分析、評價和建模，標簽最擅長的應用是標注、刻畫、分類和特征提取。
由于對結果的標注也是一種標簽，所以在自然語言處理和機器學習相關的算法應用場景下，標簽對于監督式學習有重要價值，這是一般性的指標難以做到的；而指標在任務分配、績效管理等領域的作用，也是標簽無法做到的。
3. 生產過程
指標是拆解式思維，運用的是化整為零的策略，將事物分解開來進行多角度多維度的描述，得到很多的指標；標簽則是合成性、聚合式思維，將多個分散的指標按照一定的規則或算法進行綜合加工，得出概括性的結果。
一般情況下，先有指標再有標簽；指標是業務管理導向的，需要提前規劃；標簽是應用導向的，跟隨業務需求的而變化，根據業務可隨時增加；
指標的生產通常先要解決數據質量問題，統一數據口徑；而標簽生產涉及數據質量的問題較少，因為數據質量的問題已經在指標生產階段被解決了；指標通常存在多個口徑、口徑不一致的問題，而標簽在這方面的問題則相對較少。
4. 展現形式
指標的表現形態相對簡單，通常以格式化的直方圖、趨勢圖、看板、餅圖等圖形來表示。
標簽的表現形態相對復雜，一般以可視化的圖表或大屏為主；比如我們在用戶畫像展示時通常以詞云圖的形式來表現其特征。
五、如何設計指標
指標設計需要從全局角度考慮，指標不是孤立的，需要成體系的進行設計。指標體系是將零散單點的具有相互聯系的指標系統化地組織起來的體系，通過全局解決單點的問題，由指標和維度組成的。
1. 指標體系的設計過程
指標體系一般需要經過業務核心指標確定、業務關鍵行為流程、選擇模型進行多維拆解、確定優先級進行系統性整合等幾個步驟。
SaaS平臺的核心指標一般為客戶增長率、客戶續費率、獲客成本、客單價等幾個指標。業務關鍵行為流程，對于我們來說主要是代理商新增及代理商獲取客戶，自然把指標拆解為代理商增長率、代理商貢獻戶數等指標，如果再往前置環節延伸，還會涉及到代理商拜訪、代理商轉化、代理商獲客等類似于AARRR的獲客模型的指標。選擇模型進行多維拆解，可以從指標構成來拆解：分析單一指標的構成。比如單一指標為用戶，而用戶又可以拆解為新用戶、老用戶；按照城市細分，比如一線、二線、三線等，不同城市的用戶數量情況。還可以從業務流程來拆解：按業務流程進行拆解分析，比如不同渠道的用戶續費率。
這些指標拆解完后，我們需要梳理先后順序、重要性，然后評估優先級。
指標體系的設計，需要注意幾個方面：
一是要確立關鍵指標，或者叫北極星指標，可以是一個也可以是多個，關鍵指標的確定有助于后續對重點工作及優先級的梳理，SaaS平臺的北極星指標可以設定為續費率或增長率，發展階段和行業特性不同，關鍵指標設定有所區別。
二是減少重復工作，將各不同的業務或業務線數據需求梳理，對指標項進行拆解，粒度可以到不需要進行拆分即可復用的程度，稱之為原子指標，對于各方提出的統計事項，盡可能復用原子指標，降低后續的數據處理工作量。
三是要明確統計維度，用于統一業務、產品、技術等各環節的指標統計口徑，避免數據維度不統一導致無法比較。
2. 指標設計實例
我們以SaaS續費率為例，進行說明。在此我們先介紹幾個概念。
業務過程：完成該業務操作后，統計的指標會發生數量的變動；如加盟商入駐，訂單支付，合同簽約，續費服務等。
指標標識字段：是對指標名稱的詞典定義，
維度：一般指事物現象的某種特征，從某種角度出發的度量統計，角度即為維度。一般維度可用作數據匯聚，數據鉆取，數據切片等。例如統計不同月份的用戶數量，那月度就是一種維度。維度一般可以是時間、地區、渠道等。
精確度：指標度量時的數字精度，特別在分析金額一類的指標時，需明確保留幾位小數。
秘密級別：如按照L1,L2,L3,L4四個級別，L是Level的縮寫，L1完全公開，L2內部公開，L3 相關產品業務方&部分中高管理層可看，L4 決策層可看等，保密級別可自行進行定義。
了解這些概念后，我們接下來完成一個指標設計實例。
（1）SaaS的續費率，是一個復合指標，可以表達為：
客戶續費率=實際續費客戶數/應續費客戶數
實際續費客戶數，是原子指標，指統計周期內，實際已續費的用戶數量。
應續費客戶數，是原子指標，指統計周期內，最后一個服務月份(或服務截止日期)落在統計周期內。
（2）指標確定后，還需補充統計維度，有了維度，數據才可以進行比較：
- 時間維度，年續費率，月續費率；
- 地區維度，按省份統計；
- 代理商維度，不同代理商客戶的續費率；
- 行業維度，企業所屬不同行業的續費率。
（3）為方便標記指標，可以對指標建立標識字典，有經驗可提前建設字典表；沒有經驗可在指標分析的過程中，逐步建立，針對我們的業務實際情況，我們對客戶續費率進行標識如下：
fp_customer_renew_rate
第一個詞fp表達為發票產品線，第二個詞customer表達為客戶指標（其他如代理商指標），第三個renew表達為續費（其他如新增、流失等），第四個詞rate標示為比率（其他如數量，金額等）。
（4） 指標字典表
將以上信息進行匯總整理，就形成了一個簡單的指標記錄表。指標記錄表可包含以下項目（為方便展示，這里列為豎表，實際工作中橫表使用較多），參考表：
指標字典建立以后，后續需要處理相關的數據，并通過一些圖表等來完成指標的展現。
六、如何設計標簽
同指標設計一樣，設計標簽時，我們也需要建立標簽體系。
標簽體系的建設，需要有業務場景驅動，一定要和業務聯動，驅動業務增長、優化，才能真正實現標簽體系的價值。
1. 標簽體系設計過程
第一步：確定目標，對業務目標進行分析。
第二步：選定目標對象，根據需求確定標簽所打的業務對象，一般為客戶、用戶、活動等。
第三步：根據標簽的復雜程度進行標簽層級設計，一般比較復雜的標簽體系為三級，可適當增刪層級。
第四步：進行詳細的標簽和標簽值設計，包括標簽定義、標簽類型、適用范圍、標簽的生成邏輯、標簽取值等：
2.標簽設計實例
SaaS平臺的外部用戶類型有三類，一類是C端客戶，是企業所觸達的用戶；一類是企業客戶，是我們平臺服務的主體；一類是代理商用戶，是幫平臺開拓企業客戶的合伙伙伴。
企業客戶是我們平臺服務的主體，這里我以企業客戶為主體進行舉例。
（1）業務目標
SaaS產品的續費是經營管理的重點工作，客戶活躍度是我們評估客戶續費的一個重要因素。
（2）標簽定義
客戶活躍度體現在多個方面，可以通過企業客戶下的整體用戶行為進行判斷。比如有多少用戶使用，用戶的開票頻次等。我們將客戶活躍度標簽的定義如下表：
上表是一個簡化的標簽定義模型，用戶的活躍度還包括開票場景等核心功能使用頻次等方面，對于值的定義也可以是多個區間分別定義，比如用戶量可以分為小于2人、大于等于2人小于5人、大于等于5人等多個區間值。
（3）標簽完整定義
表10-2是我們對標簽屬性值的具體定義，建立標簽體系，標簽屬性值是重要的但不夠完整。該標簽完整定義如下（在標簽設計過程，可以使用Excel表進行記錄）：
一級類目：企業
二級類目：行為屬性
三級類目：統計行為
標簽名稱：客戶活躍度
優先級：高
標簽編號：qy_xw_tj_hyd
標簽類型：統計類
屬性值類型：枚舉類
數據來源：用戶表、發票表
計算邏輯：參見表10-2
屬性值：高活躍度、中活躍度、低活躍度
權限歸屬：客戶成功團隊、管理團隊
（4）數據獲取
標簽設計過程中，就需要指明數據來源，計算規則，一般來說標簽數據來源為業務數據、用戶基本數據、日志數據、調研數據、算法加工數據等等，本文示例的標簽數據來源為用戶基本數據（用戶表），業務數據（發票數據表），來源相對清晰，規則簡單。
本文由 @原始森林 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
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論，等你發揮！
