現(xiàn)階段互聯(lián)網發(fā)展已經進入精細化運營時代，精細化運營則要求產品能擁有完整,、準確且有效的數據,。因此為自己的產品搭建一套數據指標體系，對于促進產品和業(yè)務增長是至關重要的,。
指標能夠量化的衡量業(yè)務的好壞,，評價業(yè)務當前情況，為業(yè)務的發(fā)展提供有效的指引,，同時能使團隊成員建立共同的目標并為之努力,。數據指標體系可以幫助企業(yè)運營人員更好地梳理,、理解業(yè)務,，發(fā)現(xiàn)業(yè)務過程中出現(xiàn)的問題，進而推動業(yè)務的迭代優(yōu)化,。那么,，為什么需要建設指標體系,？沒有指標對業(yè)務進行系統(tǒng)衡量,，我們就無法明確業(yè)務現(xiàn)狀,，也就無法把控業(yè)務發(fā)展，尤其現(xiàn)在很多業(yè)務比較復雜,，單一數據指標容易片面化,。因此，搭建系統(tǒng)的指標體系,，才能全面衡量業(yè)務發(fā)展情況,，針對性地制定業(yè)務策略，促進業(yè)務良性增長,。我們會經常遇到某個指標突然下降的問題，只盯著結果數據是沒有分析價值的,，這就需要用到一些路徑數據,。比如總銷售額的減少，就可以看看哪個過程中導致的,，是不是前面的EV曝光量減低了，還是既曝光了但點擊量卻下降了,，還是加入購物車的數據下降了,，定位到具體的過程后再去分析這個過程最近有沒有改動，是產品功能出了問題還是運營活動進行了調整等,。一個完整的指標構建,，能夠幫企業(yè)明確結果型指標和過程型指標的關系。不僅能監(jiān)控結果數據,，更能分析整體事件路徑,。通過結果指標回看到和用戶行為相關的過程指標，找到解決問題的核心原因,。如轉化率這種結果型指標,，影響它的可能是瀏覽次數、停留時長等過程型指標,，通過指標體系,，能清晰明確轉化率和和瀏覽次數、停留時長的關聯(lián)關系,。運營部、產品部,，營銷等部門都是促進公司發(fā)展的重要組成部分,，而這些部門都需要通過數據發(fā)現(xiàn)業(yè)務上的問題,，針對性地提升改進。產品需要通過數據評估版本迭代效果,，運營需要通過數據驗證運營策略,，市場營銷需要通過數據洞察用戶的消費習慣。通過完整的指標體系和數據分析,，可以有效指導各部門的工作,，通過數據找到業(yè)務當前痛點和瓶頸，以數據驅動找到優(yōu)化方向,，進而實現(xiàn)業(yè)績的提升,。1、指標應用現(xiàn)狀：分析指標散落在各部門和各類管理系統(tǒng)中（各類業(yè)務指標,、外部監(jiān)管指標,、行業(yè)共性指標、基礎運營指標,、績效考核指標等）,；2、指標呈現(xiàn)形式：以報表,、報告,、監(jiān)管和可視化分析為主；3,、指標體系現(xiàn)狀：多個指標并存,，存在口徑不一致，計算和存儲冗余,，缺少統(tǒng)一的指標運營分析,。下面我們來聊一聊,，指標體系建設中需要注意的誤區(qū)：沒有搞清楚當前的業(yè)務重點和核心指標,，零零散散羅列了很多指標，每個指標都能說明一些問題,，很容易讓人迷失在各種各樣的問題中,，而抓不到當前業(yè)務的重點，不知道從何下手,。這是因為沒有和當前的業(yè)務重心對齊,，為了求全而去羅列指標，卻沒有抓住主要矛盾,，呈現(xiàn)最核心的指標,。如果不按照業(yè)務流程來建立指標體系，雖然指標很多,，但是指標之間沒有邏輯關系,。以至于出現(xiàn)問題的時候,，找不到對應的業(yè)務節(jié)點是哪個，沒辦法解決問題,。有的指標體系的指標很豐富,，但是卻沒有實際的業(yè)務意義，導致指標就是一堆“沒有用”的數字,，無法在業(yè)務中實行對應策略落地,。例如：在銷售部門，最關注的是銷售目標有沒有達成,，現(xiàn)在達成了多少,，接下來的每天應該達成多少，哪些些區(qū)域達成最高,，哪些區(qū)域達成最低,。如果不圍繞這個業(yè)務目標拆解指標，而是隨意把指標拆解為用戶年齡,、性別,，這就與業(yè)務沒有任何關系，只是為了拆解而拆解,。建立指標體系不是1個人能夠完成的,，需要業(yè)務、數據,、開發(fā)等部門相互之間進行協(xié)作,，共同討論確認的，一個人閉門造車建立的指標體系很容易和業(yè)務脫節(jié),，也很容易難以落地。業(yè)務部門會不斷提出新的業(yè)務需求,，如果業(yè)務部門認可數據部門做出的分析報告,，并希望以后可以隨時查詢到相關的數據，那么數據部門會把數據產品化,，也就是協(xié)助開發(fā)部門把數據產品做進公司后臺系統(tǒng),，一般形式就是報表，日常工作中,，業(yè)務部門,、數據部門、開發(fā)部門部門都是緊密合作,，共同完成一個,。
一般我們在搭建指標體系時,，會用到OSM模型,、AAARR模型,、UJM模型、MECE模型這幾個模型,。 OSM模型是指標體系建設的指導思想,，理解業(yè)務KPI是OSM模型的核心；制定行動策略是實現(xiàn)業(yè)務KPI的手段,，而AARRR和UJM模型是實現(xiàn)策略制定的方法論,；制定細分指標是評估業(yè)務策略優(yōu)劣的方法，而MECE模型制定細分指標的方法論,。 1,、根據OSM模型構建整體框架，明確業(yè)務目標,。構建指標體系的第一步,，需要明確當下業(yè)務的目標是什么，找到核心指標作為我們的一級指標,。例如我們當下的業(yè)務目標是增加營收,，對應的核心指標就應該是總營收GMV。2,、根據AARRR或UJM模型拆解用戶達成GMV的路徑,。明確了核心指標或者一級指標是GMV，接下來就要對業(yè)務過程進行拆解,，影響到GMV的各個環(huán)節(jié)是哪些,？我們知道，用戶到最終付費貢獻營收一般需要經歷以下完整過程：注冊產品→登錄產品→商品曝光給用戶→點擊商品瀏覽詳情→收藏加購→成交轉化,。這樣一來我們就把核心指標對應的中間過程梳理出來了,，同時，針對每個中間過程,，我們也有對應的策略,，比如在注冊環(huán)節(jié)，我們可以通過廣告投放和優(yōu)惠激勵的形式進行拉新,，提高注冊量等,。3、根據MECE模型對GMV達成路徑的每一個指標進行拆解,，實現(xiàn)指標分級治理,。前面兩個步驟，首先我們明確了業(yè)務目標和核心指標,；然后,，我們將業(yè)務目標的中間過程進行了拆解，并給出對應的策略,；接下來我們需要對這些中間過程建立指標,，并向下進行逐層的拆解,，這個過程我們稱為指標體系分級治理，用到的模型是MECE模型,。MECE模型的指導思想是完全獨立,，相互窮盡，根據這個原則拆分可以逐層細化,，暴露業(yè)務最本質的問題,，幫助我們快速地定位業(yè)務問題。我們以（AARRR）模型為例,，這個模型對應用戶與平臺互動的五個階段：
 Acquire（拉新）- 企業(yè)從各個渠道/觸手將潛在用戶吸引到自己的平臺上,，此時企業(yè)會比較關注渠道的質量，例如渠道曝光,、點擊數量,、滲透率，渠道落地頁的瀏覽次數,、人數以及渠道ROI,、單位獲客成本等。通過這些指標,，企業(yè)能夠看到哪些投放渠道性價比最高,，從而加大這一渠道的投放力度；發(fā)現(xiàn)某一渠道帶來的用戶質量較差,、投入大量成本仍不能夠帶來很多收益時,，可以通過觀察渠道相關的數據，并且與自然流量的相關數據進行比較得出結論,，到底是渠道帶來的用戶質量太差還是落地頁的設計不夠吸引用戶繼續(xù)與平臺互動,。Activation（激活）- 新用戶被吸引進來后會在平臺上進行一系列操作，例如瀏覽,、點擊等,，對這個平臺有了初步的認知。在這個階段,，企業(yè)可以關注用戶在平臺上的操作行為相關指標，例如瀏覽頁面次數/用戶數/深度/時長,，注冊轉化率,，收藏、搜索相關指標等,。Retention（留存）- 對這個平臺有強需求的用戶會持續(xù)不斷地進入平臺進行操作,，此時企業(yè)可以看平臺留存率，功能留存率,，復購率等指標,。功能/平臺留存率更偏向于產品的優(yōu)化與迭代,，復購率則是運營同事會去關注的指標。Revenue（轉化）- 用戶在平臺上作出進一步轉化的行為,，例如電商場景中的購買,，社區(qū)平臺上的發(fā)帖，直播平臺里的開播/打賞等,，不同行業(yè)看的指標不同,，但是大體可以分為轉化次數/人數/轉化率/客單價等。Referral（分享）- 忠實用戶（類似于KOL）不僅自己會經常使用某個平臺,，還會將其分享/推薦給其他的用戶,。此時企業(yè)可以看活動/頁面分享人數、分享率,，還可以看裂變k系數（平均一個活躍用戶會分享給多少個潛在用戶）,。指標構建方式也可以多種多樣，但原則一定是結合著業(yè)務來進行,，因為指標體系最終一定是指導業(yè)務,，幫助業(yè)務發(fā)現(xiàn)和解決問題，脫離了業(yè)務的指標體系只能是紙上談兵,，毫無意義,。諸葛智能創(chuàng)立于2015年，是容聯(lián)云旗下敏捷開放的場景化數據智能服務商,。通過旗下核心產品諸葛CDP（客戶數據管理平臺）,、諸葛io（用戶行為分析平臺）和諸葛CEP（數字化營銷平臺），全棧式賦能用戶數據管理,、分析洞察和運營增長,，為企業(yè)提供全渠道數據采集，全場景多維度數據分析,，完善用戶標簽畫像,，輔以個性化自動化的營銷運營平臺+決策指導，助力企業(yè)快速洞察市場趨勢,，迭代經營策略,，實現(xiàn)營收增長。 諸葛智能總部位于北京,，現(xiàn)已在上海,、深圳設立分公司，并在武漢成立研發(fā)中心,。累積服務全國1000+企業(yè),，覆蓋泛互聯(lián)網、零售電商、金融,、地產,、教育、汽車等數十個垂直領域,。
|
