一般来说指标常用的类型汇总是相对固定的，会将指标分为原子指标、派生指标和衍生指标三类。本文作者对数据指标的体系搭建进行了分析，一起来看一下吧。

一、数据指标体系

1. 数据指标

数据指标通常是描述客观事实并通过不同的统计口径，叠加不同的计算纬度与限定词来展现客观事实。 一般来说指标常用的类型汇总是相对固定的，会将指标分为原子指标、派生指标和衍生指标三类。

1. 原子指标：指直接通过底层数据ETL清洗加工而来，不叠加任何时间空间维度直接统计的一些整体指标，比如用户数、用户性别等；
2. 派生指标：指的是由原子指标通过叠加一个或多个数据纬度而得到的二级指标，如用户数叠加了渠道、性别纬度就变成了派生指标比如男性用户数等。
3. 衍生指标：通过原子、派生指标通过数据计算加工而来的一些常见的比率类指标。例如：留存率、点击率等。

2. 数据指标体系

一个好的数据指标体系要能够覆盖业务全生命周期、有助于业务的发展并且是可以拆解指导业务行动落地的，要做到多维度、多层级全场景覆盖，要覆盖完整的业务生命周期，所以在建立数据体系之前需要梳理整个业务过程。梳理过程中首先要去做业务访谈从而得知指标的归类。

数据梳理的过程要做到不重不漏；不重不漏首先要业务互斥并并覆盖了全部的业务范围。每一个条件根据不同的业务需要重新拆分形成不同的流程，不同的流程中也要将其拆分成不同的模块从而得到业务的完整的全景链路确保数据指标都能够赋予在业务链路环节中，若发现数据指标并不能被归纳则说明体系梳理有缺失。

指标体系设计框架要自上而下与自下而上结合，构建多维多层的指标框架。

自上而下演绎：运用价值树分解价值驱动因素，逐层进行指标的拆解，保障指标体系的完整性和可落地性。而自下而上是为了保证一线业务人员可将数据指标进行拆解并落地。

• 覆盖业务生命周期并有利于业务发展可以拆分为数据指标符合业务目标和数据指标可衡量业务真实情况；
• 可拆解指导业务行动落地可以拆分为数据可衡量数据指标可衡量；

3. 如何评估数据指标的有效性和合理性

首先要明确的是以什么视角来评估数据指标，从运营推广的评估目的来说：业务人员需能通过分析、监控产品价值相关的信息和数据，找到产品运营推广的重点渠道和客户群体。

数据指标的有效性和合理性可以从定量和定性两个角度来评估。同时数据指标的集合形成一个数据指标体系，一个良好的数据指标体系需要满足以下四点：贴合业务核心价值目的、可反映业务真实情况、数据可拆解可比较、可推动决策指导行动。

1）定量分析角度

有效性可以侧面从业务人员的使用频率来反映，此部分可以设置数据埋点通过观测业务人员的行为路径转化漏斗（复合型指标<- 衍生指标 <- 原子指标 等 ）、使用频率（查看次数、查看数据详情次数、数据报表下载次数等）等数据来验证。若使用频率较高则可以初步认为数据指标是可用有效的。

后置验证相比之下风险会稍高，通过数据指标的变化进行相关业务的调整（可以采用业务小规模ab测试的方式），通过统计周期内回收的数据进行判断数据指标的有效性和合理性。

2）定性分析角度

通过上线复盘业务后置反馈来判断数据指标的合理性，是否出现过需求折返跑重复开发的情况来判断数据指标的合理性。

通过对关注数据看板业务人员的调研来考量数据的有效性和合理性，并可以为二次迭代打下基础如果能从时间纵向对比、或者从其他维度比如用户群体、产品、地域等不同角度进行横向比较，可以更好地观察业务的发展趋势，定位问题，找到原因，以及改善业务中需要改善的环节。

定性分析数据维度：

• KPI达标率：如果你的核心指标是KPI指标，那就直接根据KPI达标率来判断即可。这个应该是最常见的一种方式。
• 竞品对标：如果能从靠谱渠道搜集到竞品相关数据，那以竞品为参照物进行判断。
• 环比对比：查看环比数据，如果业务走势呈明显周期性，选择一个历史数据较为不错的数据进行对比。
• 同比对比：查看同比数据，预估每个周期增长多少个百分点，与上一周期数据进行对比，看是否达标。

二、数据模型汇总

1. 用户生命周期

用户的生命周期和产品生命周期是不同的两个概念：用户生命周期不等于产品生命周期。衰退期的产品，也会有新用户下载使用；新上架的产品，也会有用户流失。

• 用户生命周期就是用户从开始接触产品到离开产品的整个过程。
• 产品生命周期则是一款产品从创意概念到研发上市到死亡的过程。

用户生命周期五个阶段（用户生命周期价值）分为：导入期、成长期、成熟期、休眠期、流失期。

1. 引入期：用户获取阶段，将市场中的潜在用户流量转化为自家用户。
2. 成长期：注册登录并激活，已经开始体验产品的相关服务或功能，体验Aha时刻。
3. 成熟期：深入使用产品的功能或服务，贡献较多的活跃时长、广告营收或内购付费等。
4. 休眠期：一段时间内未产生价值行为的成熟用户。
5. 流失期：超过一段时间未登录或在关键路径中无操作的用户。

为什么要重视用户生命周期？

长期来看做产品的目的是为了商业化，而如何让利益最大化是一直需要思考的问题。

产品价值=用户量*用户单体价值

因此，要想让产品价值最大化，要么用户不断增长，要么就是提升用户的单体价值；而驱动用户单体价值的方向只有有两个：提升单体用户价值或者延长用户生命周期。

2. 北极星指标

北极星指标定义：业务阶段的唯一重要指标，数量不会过多一般3-5个具体需要看业务的形态。

北极星指标作用：确定核心商业价值、明确阶段优先级。

如何设定北极星指标：可以基于SMART原则进行设定北极星指标基于杜邦分析法进行北极星指标的拆解，拆解为具体的、可衡量的、可实现的、相关的、有时间周期的。

3. 增长策略的几种类型

在整个产品业务中无非可以将增长分为三类：

1）核心增长目标是用户体量

此时核心的目的是增长用户的数量，此时需要找到用户增长与提升用户规模所花销的成本之间的平衡。

2）核心增长目标是商业价值

此时的核心目标是放大商业化行为，比如电商的618、双十一就是在想方设法的放大消费体量增加销售额。

3）核心增长目标是知名度

此时的核心目标更倾向于品牌营销，去打造品牌或是平台在用户中的知名度，占领用户的心智。

比如说像网易年度总结或者b站的新年晚会等等。其目的主要是为了让用户对平台有认知，然后去消费平台里面的内容。

从这三个方向的目标出发，来抽象活动的本质：在短时间内快速的聚集外部以及内部的流量，把所有的流量通过丰富的玩法，优质的内容以及多种多样的权益，把用户聚集到一起，通过这些抓手能够让大家不停地留存在这里边，之后形成一个庞大的用户群体池，进而为下游价值引流，进而达成用户增长，商业成交或者内容消费的核心目标。

三、多维度多层指标框架

好的数据指标体系要做到多维度、多层级全场景覆盖，要覆盖完整的业务生命周期，所以在建立数据体系之前需要梳理整个业务过程。梳理过程中首先要去做业务访谈从而得知指标的归类。

数据梳理的过程要做到不重不漏；不重不漏首先要业务互斥并并覆盖了全部的业务范围。

每一个条件根据不用的业务需要重新拆分形成不同的流程，不同的流程中，也要将其拆分成不同的模块，从而得到业务的完整的全景链路，确保数据指标都能够赋予在业务链路环节中，若发现数据指标并不能被归纳则说明体系梳理有缺失。

1. OSM模型

O：Object(目标)-代表了了公司/业务/产品/项目核心的价值点和以及核心目的是什么，搞清楚业务方向的目标是可以确保后续的指标体系拆解是贴合业务核心价值的，和贴业务核心目的的。

S：Strategy(策略)代表了为了达成上述目标采取的策略和抓手，围绕着核心目标进行拆解出来相对应的业务策略之间是可以相比较的，快速定位问题。

M：Measure(度量)是针对S的抓手用于衡量策略的有效性，通过适合的量化的数值针对策略的有效性进行评估。

2. UJM拆解方法

在业务目标Objective的基础上，使用UJM（User Journey Map）去拆解相对应的这个业务策略（Strategy）。 UJM的逻辑是从业务的核心目标出发，拆解整个业务流程上为用户提供价值点，以及这些价值点触达用户的整体路径。UJM的方法论可以保证：

• 第一：所有业务策略类的拆解不重不漏，所有业务策略相关的触点都会在里面；
• 第二：UJM的拆解可以反向论证整个业务策略是不是真的能够为用户去带来相对应的价值，从而达成最终的业务目标。

3. 具体数据分享

拿快手日常电商直播业务举例，看具体的方法论是如何操作的，首先是电商直播业务的O，一般都会是由业务同学直接给到，如果业务同学没有给到的话，大家可以从公司制定的财报中或对应业务制定的每月或每个季度的OKR里找到；

那针对于电商直播业务来讲，它核心的指标就是提升营收（GMV） 在这个目标Objective的方向上，我们可以使用UJM（User Journey Map）去拆解相对应的这个业务策略（Strategy）

拿电商举例：为了完成这个相对应的一个营收目标（GMV），我们触达用户所有的行为路径

- 第一步，用户在整个直播广场页面或者搜索banner位去查到相对应的一个直播列表或者相对应的一个信息，那这种情况下，用户触点就是直播广场的流量位或者是搜索位。这个步骤上对应的业务策略是需要去优化流量位的一些内容，或者是优化搜索位置的匹配效率，让用户能够快速的看到相对应他想看到的内容。

- 第二步，用户选择了可能感兴趣的内容之后，去进行相对应的内容的观看，从而产生兴趣点。这个兴趣可能是对主播本人，有可能是对商品本身，那在这个角度来讲，业务主要抓手就是直播内容，主播或者是商品，对应的业务策略就应该是打造主播个人的人设，或者提升商品的性价比，从而让观众能够产生兴趣。

- 第三步，如果用户感兴趣，他就会点击相对应的小黄车，进行付费的操作，对应的业务策略应该是减少摩擦，减少操作步骤，能够提升用户在付费页面的转化效率。

- 第四步，用户完成购买之后，可能会有一些社交诉求。比如说他在这个直播间买了性价比特别高的货，特别想把它分享给他的好友，那这种情况下，业务上面可以提供分享晒单或返现的策略，促进用户去进行相对应的分享，让更多的人完成直播间的购买行为。

- 最后一步，用户离开直播间的时候，业务上会给用户提供一个关注主播的机会，把这个用户和主播的信任关系或关注关系沉淀下来，进而促进用户去进行之后的复购，从而提升我们最后的GMV规模。

我们真正进入实操之前先理解一下活动，整个行业内活动的类型其实无非几种：

- 第一种，活动核心目标其实是为了能够去做相对应的用户增长的，就是为了提升用户的一个规模而花钱去做一个活动。
- 第二种，活动核心目标的是去做相对应的电商的一个消费转化，比如说像阿里的双十一，京东的618等等。 - 第三种，更偏向于品牌营销的活动，去打造和宣传平台的调性，比如说像网易年度总结或者b站的新年晚会等等。其目的主要是为了让用户对平台有认知，然后去消费平台里面的内容。

- 那从这三个方向的目标出发，来抽象活动的本质：在短时间内快速的聚集外部以及内部的流量，把所有的流量通过丰富的玩法，优质的内容以及多种多样的权益，把用户聚集到一起，通过这些抓手能够让大家不停地留存在这里边，之后形成一个庞大的用户群体池，进而为下游价值引流，进而达成用户增长，电商成交，或者内容消费的核心目标。

- 例子来源于快手大数据分享交流论坛会

快手春节活动刚好涵盖了刚才所说的行业三种不同的活动类型：

首先是为了提升用户的活跃度，快手为用户提供了很多种不同的玩法，譬如说像第一个飞行棋，它是整个春节战役一条玩法的主线，它通过一条类似于《大富翁》的玩法，把整个用户的路径串联起来。让用户能够不停地在这个主链路上去进行其他多样的挑战，为其他分类玩法引流。在分类型的玩法比较典型的就是集卡，就是类似于支付宝的集五福，通过集齐爱情牛，运气牛，事业牛等卡片，可以在除夕开启大奖，从而让用户在前期能够不停地在平台上去进行活跃。另外一种分类玩法是组队pk，用户通过拉新用户进来完成任务，形成队伍进而两队pk，获胜的队伍可以获得红包或者电商优惠券。

从促进快手内容消费的目标出发，平台联合创作者为用户发放宠粉红包。快币的成本一部分是由平台承担，一部分是由创作者去承担。宠粉红包玩法是创作者在发短视频的时候，同时准备一些快币。用户观看视频内容的话，就可以随机得到快币，从而刺激用户内容的消费。同时，快手也邀请top级别的明星，在每一天晚上8点的时候进行相对应一些头部内容的直播，为用户提供更好的内容体验。

春节活动的核心目标O以及对应的数据指标就会划分为三个部分：

- 第一个提升用户的一个活跃度，核心指标就是DAU。

- 第二个促进内容消费，那核心的衡量指标，就是播放VV次数。

- 最后一个方向是电商消费引导成交（GMV）。

活动过程中，用户整体行为路径链路会拆分几个部分，以及对应的策略拆解：

- 外内渠道触达/活动内容分发：活动的内容的触达；用户到达活动主会场页面或者是活动分会场。

- 业务策略：投放策略的优化，在不同的渠道，不同的用户群投放它可能相对应感兴趣的一个内容，从而促进用户能够快速的达到活动页面，然后从而提升活动渠道曝光点击的转化效率

- 衡量指标：渠道转化效率，以及活动页面到访频次

活动玩法互动/完成任务/获得奖励：譬如用户去参加飞行棋集卡或者是说组队pk，促进用户去完成相对应的任务。一旦用户完成任务，即获得奖励，包括电商，商业化的优惠券，以及现金，红包，代币等等，反向刺激用户更多的参与到这些玩法互动里面去。

- 业务策略：优化我们这些相对应的玩法，让这个玩法更有趣，从而去提升用户的一个参与规模，去进行整个期间的用户池的蓄水；控制一下整个玩法分发奖励的成本, 进而提升活动的ROI

衡量指标：参与的用户数，完成任务的用户数，跨品类参与用户数

- 业务策略：在情感链接这个角度来讲的话，优化创作者内容分发机制，能够让用户和作产生更多的互动，沉淀情感连接

衡量指标：点评赞数量，沉淀关系对数

- 产生消费：春节当天晚上刺激用户去进行产生相对应的电商消费或者是内容消费。

- 业务策略：比如进行电商权益的个性化的分发，有些年轻女性用户可能更多的想要一些美妆的一些优惠券，那对于男性用户来讲的话，可能更多的想要3c类型的优惠券，从而提升我们相对应的电商的转化效率

衡量指标：电商券发放量，领取量，引导消费电商引导转化GMV

从春节活动来讲，通过这样的一个数据指标体系，我们达成什么样的一个效果呢？

- 第一，价值在渠道引流：我们会发现说转化效率最高的渠道是快手的极速版和快手主站双端互拉。最后我们主要通过双端互拉的这个渠道达成了DAU当时的一个峰值，助力业务拿到了比较好的业务价值。

- 第二，价值体现在玩法互动的ROI：我们使用数据表现去衡量组队PK玩法的ROI，通过实时调整这个组队pk的任务的难度，达成了组队pk这个玩法的ROI的正向收益，这个在平台做活动的情况上比较难得。

- 例子来源于快手大数据分享交流论坛会

四、数据指标体系管理

1. 指标定义的属性定义

指标的定义也是需要标准和规范的与底层的数据规范、数据标准是一致的。需要有业务属性、技术属性和管理属性。

• 业务属性希望能够定位指标的唯一识别编号：指标的名称、指标的含义以及业务口径等等。
• 技术属性需明确指标在系统中的字段名称、数值类型以及指标的计数口径等等。
• 管理属性最重要的是指标的分类与其从属的部门，也就是说这个部门需要对指标进行负责。

当指标出现波动和出入时可以进行核验。数据可视化会分为标准化的管理报表或者是自助式的数据看板，通过拖拉拽的行为形成动态的数据报表。

五、小结

数据指标体系 = O（可量化、可拆解、可执行）S（ULM+who、when、where、what）M（自上而下拆解数据）。

阶段性北极星指标

不同的业务阶段数据层级需确定一个或一组北极星指标。

业务目标在现阶段存在的目的是什么，能够满足用户的什么诉求，帮助用户解决什么问题。在思索这个过程中需要明确业务目标、制定业务策略以及构建业务度量指标形成完整的业务分析流程才能明确业务所处的阶段并通过数据赋能决策行动。

• 树立业务整体目标【业务目标】：可以理解为是业务流中的北极星指标
• 梳理业务目标下的 【业务策略】：为了达成上述目标，相应采取的业务策略有哪些。
• 梳理业务策略中各个 【业务过程】：在业务策略中，提供的产品服务需明确与最终用户使用过程中有哪些相关的流程或是交互触点，形成完整的业务过程数据体系。
• 梳理业务过程对应的【数据域】：面向业务路径和重点观测数据的分析。

需要从业务流向数据流转化的稳定分类。数据域是指将业务过程进行抽象的集合。

为保障整个体系的生命力，数据域需要抽象提炼，并且长期维护和更新，但不轻易变动。在划分数据域时，既能涵盖当前所有的业务需求，又能在新业务进入时无影响地被包含进已有的数据域中或者扩展新的数据域。

#头号有新人# #头条创作挑战赛#