除了AARRR,指標體系搭建還有新思路!
正如《孫子兵法》所言:“凡戰者,以正合,以奇勝?!痹跀祿寗拥纳虡I環境中,如何通過創新的指標體系搭建實現“以奇勝”?本文作者提出了一種全新的思路——從“業務流、管理流、數據流”三個維度出發,構建更貼合業務需求的指標體系。
一提到數據指標體系,很多人喜歡背誦AARRR、RFM一類??烧娴焦ぷ髦校瑫洺0l現很難滿足業務需要。比如前幾天就有同學在星球提問:用戶流失該如何搭建指標體系?
起因是:某公司定義了用戶流失率指標是“連續三個月不消費”,可業務看到這個指標卻很懵:
1、知道了用戶流失率是30%,所以呢?能干什么?
2、知道了用戶流失要召回,可召回劃算嗎,值不值得干?
3、為啥一定要等到用戶流失了才干活?不能早干點事嗎?
因此,業務想讓數據部門幫忙建一個能輔助決策的用戶流失指標體系。該怎么辦呢?這里需要考慮三個流程:業務流、管理流、數據流。
第一步:梳理業務流
梳理業務流,即搞清楚:分幾步達成目標。有些業務流程是很清晰的,比如銷售流程,就是一個大轉化漏斗;比如客服流程,根據客戶需要,分類處理問題(如下圖):
對用戶流失而言,常見的業務流程有:
- 事前預防:當用戶出現投訴/退貨,及時安撫
- 事前預防:當用戶消費一個月比一個月少,及時激勵
- 事前預防:當用戶1個月/2個月未消費(此時尚未達流失標準)進行刺激
- 事后補救:利用優惠活動/新品上市/爆款產品等進行召回,嘗試重新激活
可以將這些常見流程列清單,然后讓業務選:希望從哪個方向下手。如果業務暫時沒有想法,我們可以把用戶狀態如下圖分清楚,先統計每一類用戶有多少人,幫業務看清:那些人是流失重點,從而形成思路
第二步:梳理管理流
梳理管理流,即搞清楚管理業務的目標,目標可能是多元化的。比如銷售流程,有可能有好幾種考核方法:
- 只考核銷售額
- 銷售額+毛利
- 銷售額+毛利+回款
- 銷售額+特定產品銷量
不同考核方式,決定了指標體系的主指標不同,當然會影響考察哪些子指標。因此搞清楚管理目標很重要。
在流失分析中,很有可能業務不確定,到底流失率多高算合適。此時,可以做一些輔助工作:
1、這些用戶流失前的貢獻有多大→ 理論上流失前貢獻越大,越應該召回
2、這些用戶處于流失狀態多久→ 理論上流失狀態越短,越容易召回
3、這些用戶有沒有自然回流的跡象→理論上有回流跡象,越容易召回可以先把數據梳理出來,讓業務方看一看找找感覺:
幫業務方定目標是很重要的。因為不同難度的目標,采取的手段不一樣。比如召回流失用戶,如果就孤零零地發條短信,啥好處都不給,肯定很難召回用戶。如果給用戶福利,那最好給有高召回價值的用戶身上。因此,事前做好用戶價值分層+過往召回響應的盤點,非常重要!
第三步:梳理數據流
梳理數據流,即明確業務的目標、業務操作流程是否有數據采集。這一步確保前兩步梳理的內容,能落地成數據表報,而不是懸在空中。比如銷售流程,傳統企業的最大問題就是數字化能力不行,除了最后一步的簽約合同,之前啥過程數據都沒有,這樣只有結果指標,沒有過程,很難做深入的分析?;氐接脩袅魇У睦?,除了流失用戶人數這個孤零零指標外,上述兩步梳理的內容,最好都有記錄(如下圖):
注意!數據指標體系不止有指標,標簽也很重要:
- 流失前用戶消費:高消費、中消費、低消費
- 流失前用戶偏好:品類偏好/優惠偏好
- 流失前用戶狀態:有投訴、無投訴
- 對召回行為的響應:有響應、無響應
- 召回用戶素材:優惠類、新品類、換季類
- 召回用戶優惠力度:高、中、低
這些都需要打好標簽,才能方便后續的深入分析。
當需要解釋:“為什么召回效果不好?““為什么流失增多”這些問題時,直接利用標簽對比,就能得出初步答案,從而極大提高數據指標體系的可用性。
理想的效果
理想狀態下,一個好的數據指標體系,可以指導業務實現工作閉環,用通俗的話說,是:我想干什么→我要針對誰干→我要怎么干→我干成了沒有,全流程都有數據監控。這樣在數據的指導下,業務方不斷具體到用戶流失案例,整個指標體系如下圖運作:
這樣就不是一個孤零零“流失率35%”的指標,而是可以按圖索驥,找到解決問題的思路,追蹤效果,可以說能實現用數據驅動業務了。
本文由人人都是產品經理作者【接地氣的陳老師】,微信公眾號:【接地氣的陳老師】,原創/授權 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。
- 目前還沒評論,等你發揮!