過往的一些互聯網方法也可以應用到新能源車企上，具體怎么用呢？作者結合互聯網數據產品（指標體系設計）在新能源車企的實踐，與大家談談，希望對你有所啟發。

22年初，筆者轉行到了新能源車企的自動駕駛業務部門，截止到11月初把公司內自動駕駛業務下的部分數據產品也從0到1搭建、運營了起來，如指標體系、標簽體系等。而上述這些產品都借鑒了之前在互聯網行業的一些方法，并且取得了一些不錯的效果。今天我就通過本篇文章和大家聊聊新能源車企（自動駕駛域）指標體系相關數據產品參考互聯網行業方法的實踐。

一、互聯網指標拆解方法回顧

在互聯網行業，設計指標的方法是：一橫一縱。

橫，指標結構的分類，通過業務層級結構對指標結構進行分類。

以商超、電商營銷域指標體系為例，營銷通常是以活動的形式進行，先找出業務的核心關注點，即：營銷（流出去的優惠費用）+銷售（流進來的營收）。那我們就可以把營銷域按照營銷、銷售先分為兩類。了解過商超、電商業務的同學應該知道，如果再往下拆解，營銷又可以分為兩類：營銷類型、營銷來源。營銷類型是優惠券、返利等營銷類型；而營銷來源，即這個營銷費用來自供應商還是平臺等。按照這個思路，我們就可以依照業務關注點再一層層拆解，最終就得到了指標體系的結構。

縱，指標的細分，通過杜邦拆解的方法找出需要關注的具體指標。

先學習下“杜邦拆解”，網上有很多解釋，我這里給一種簡單的釋義：將指標按照數學關系拆解出因子指標。還是以商超、電商營銷域指標體系為例，先找出北極星指標，即：銷售額。再按照杜邦拆解找到不可以再拆解的所有指標，例如“銷售額” = “客單價” * “下單用戶數”，“客單價” = “實付金額” + “促銷金額”，按照這種方法一層一層拆解即可。

二、新能源車企的指標體系設計實踐

在設計ADAS行車功能模塊的指標體系之初時，面臨的問題是指標從0開始設計、業務也從0開始學習、部門高層們也沒有太多想法。既然接受了任務，干就完了。

1. 橫，梳理指標體系結構

當時一級部門目標有4點：

1. （功能線路）供給可用率>**%
2. 輔助駕駛主責事故 < *次/億公里
3. 用戶滿意度>**
4. 投訴率<**%

圍繞這4個目標，可以倒推下指標體系的主體結構?！肮┙o率”代表的是功能滲透，“事故率”代表的是功能安全性，“滿意度”、“投訴率”可以統一到功能滿意度。因為是針對功能的指標體系設計，所以可以再借鑒下互聯網對產品功能基于成熟度的劃分：能用 < 好用 < 易用。結合行車功能的成熟度評估標準，能用即可用，好用即舒適度，易用即效率和連續性，整個指標的主體結構就搭建好了（如下圖）：

再一層層拆解后，指標體系的結構基本初見面貌，部分展開如下：

2. 縱，細分拆解指標

功能指標拆解可以套用杜邦拆解的方式，如“用戶接管”分類下，“用戶接管率” = “預期接管率” + “非預期接管率”，還可以按照緊急度，再拆解為“緊急接管率”、“非緊急接管率”。

因為功能指標有一定的業務屬性，有些指標在按照杜邦拆解的方式時，還得結合功能的場景來拆解。以“導航變道”分類為例，連續性需要關注成功率，而“導航變道成功率”就得基于功能場景進一步拆分為：主路調整成功率、匯入主路成功率、駛出主路成功率。

按照這種方式將每個分類下的指標均完成了拆解（僅展示部分）：

依賴上述的結構和拆解指標，終于確認了標準的指標體系。同時在可視化展示設計時，也按照這種標準結構進行了劃分，方便了各業務方對功能指標理解達成了一致。

最后的結果也和大家分享下，相關數據應用已經服務了自動駕駛的體驗設計、功能研發、線路供給、訂閱運營等團隊，并協助體驗經理推動了研發對相關功能穩定性的優化，推動解決了匝道高精地圖覆蓋率低的問題等。

結語

在上篇產品文章中，曾引用過《讓大象飛》中的一句話：“所有的創新都是從模仿他們之前的某種東西開始的，這就是我們學習的方式”。我想在這節課中，這句話依舊可以借鑒。

從互聯網轉行進入新能源車企近兩年的時間里，之前積累的知識依舊可以在新的領域支撐著我的工作。除了本文提到的指標體系設計有了成功的實踐外。

在自動駕駛-安全域的場景庫設計中，我參考“人、貨、場”的電商場景結構，對“駕駛員信息”、“車輛信息”、“場景信息”進行了拆解展開，最終的整理也收到了算法、業務同學的一致好評。

這篇文章就到此結束了，后續的產品文章中，有機會我將再補充一些案例分享給大家。如果你有其他想法，歡迎在下方留言評論~