很多人都用數(shù)據(jù)指標(biāo)來統(tǒng)計(jì)項(xiàng)目效果，但是做出來的數(shù)據(jù)往往零散，看不出關(guān)鍵信息。那么如何才能將指標(biāo)體系化，通過單點(diǎn)數(shù)據(jù)看全局問題呢。讓我們來看看筆者是怎么說的？

一、什么是指標(biāo)體系

在產(chǎn)品和運(yùn)營的工作中，我們會接觸不同的數(shù)據(jù)、不同的指標(biāo)。很多時候我們做的數(shù)據(jù)，都是針對單個點(diǎn)的層面去做，而最終顯示出來的數(shù)據(jù)往往比較零散，無法串聯(lián)起來，發(fā)現(xiàn)全局的問題。

而指標(biāo)體系化，則是將零散的數(shù)據(jù)串聯(lián)起來，讓你通過單點(diǎn)看到全局，通過全局解決單點(diǎn)的問題。

用一個詞來形容，就是“引一發(fā)而動全身”，通過相關(guān)的指標(biāo)變化看到整體業(yè)務(wù)場景下的變化，從而快速發(fā)現(xiàn)問題或者是監(jiān)控相應(yīng)運(yùn)營策略的效果情況。

二、指標(biāo)體系有什么好處

相信看完前面的解釋，你會發(fā)現(xiàn)，體系化的指標(biāo)和零散的指標(biāo)，最大的區(qū)別是——是否能更加快速地發(fā)現(xiàn)一些問題。

如果還是有點(diǎn)暈，咱們就以轉(zhuǎn)化率和留存率來看看下面這個案例：

說干就干，可7天后。

在單點(diǎn)數(shù)據(jù)分析時，我們經(jīng)常會遇到此類問題——就是出現(xiàn)什么問題，就分析這個問題，沒有全局考慮用戶的整個場景。

那么我們換個角度，來看看會有什么不同？

從上面兩個例子中，我們可以看到：非體系化的指標(biāo)往往是單點(diǎn)分析，分析不出來之后需要重新分析另外一個點(diǎn)，而無法串聯(lián)進(jìn)行全局分析。

而體系化的指標(biāo)往往是結(jié)合用戶的場景來進(jìn)行分析，并且多個不同的指標(biāo)和維度是可以串聯(lián)起來進(jìn)行綜合分析。就像排序（如價格）因素里面的某個維度，可以分析頁面轉(zhuǎn)化率，也可以分析商品的售出率等。通過相同維度的分析可以更快地找到問題的原因。

說了這么多，如何去搭建指標(biāo)體系呢？

下面，就是很精華的實(shí)操內(nèi)容啦：

三、如何搭建指標(biāo)體系

在如何搭建指標(biāo)體系之前，我們先簡單說下，什么是指標(biāo)？

指標(biāo)，實(shí)際上就是一種度量。大到用于監(jiān)控和評估商業(yè)進(jìn)程的狀態(tài)，小到衡量某個功能模塊的情況，或者是自己的活動效果。

從運(yùn)營角度來看，一個好的指標(biāo)，需要具備四個特點(diǎn)：業(yè)務(wù)層面是有價值；可衡量業(yè)務(wù)真實(shí)情況；簡單可執(zhí)行；大家都共同認(rèn)可。

從技術(shù)層面來看，一個好的指標(biāo)，統(tǒng)一具備四個特點(diǎn)：容易收集快速衡量；準(zhǔn)確度高；可被多維度分解；單一數(shù)據(jù)源。就像我們經(jīng)常使用的衡量APP產(chǎn)品啟動人數(shù)，使用UUID或者是COOKIE往往比使用IP更加準(zhǔn)確。

但很多時候，因?yàn)榧夹g(shù)或者是業(yè)務(wù)自身的原因，我們往往很難找到很完美的指標(biāo)。那么這個時候我們最重要的就是統(tǒng)一口徑進(jìn)行分析，更多地觀察數(shù)據(jù)的波動情況。

1. 選什么樣的指標(biāo)

選指標(biāo)有兩個方法：指標(biāo)分級，OSM模型。

（1）指標(biāo)分級：通常是分成三級。

一級指標(biāo)：公司戰(zhàn)略層面指標(biāo)。

用于衡量公司整體目標(biāo)達(dá)成情況，通常設(shè)定在5-8個指標(biāo)。這類指標(biāo)是與業(yè)務(wù)緊密結(jié)合，按照行業(yè)標(biāo)準(zhǔn)進(jìn)行制定，有可參考的行業(yè)標(biāo)準(zhǔn)指標(biāo)，且這類指標(biāo)針對全公司所有員工均具有核心的指導(dǎo)意義。

比如某游戲公司的一級指標(biāo)：新增賬號、留存率、DAU/MAU、付費(fèi)人數(shù)（率）、收入金額等。

二級指標(biāo)：業(yè)務(wù)策略層面指標(biāo)。

為了實(shí)現(xiàn)一級指標(biāo)，企業(yè)會做出一些策略，二級指標(biāo)通常與這些策略有所關(guān)聯(lián)?？梢院唵卫斫鉃橐患壷笜?biāo)的實(shí)現(xiàn)路徑，用于更快定位一級指標(biāo)的問題。

例如：某游戲公司一級指標(biāo)是游戲收入，那么二級指標(biāo)可以設(shè)定為不同游戲物品的收入。一級指標(biāo)是DAU，那么二級指標(biāo)設(shè)定為分服務(wù)器的DAU等。這樣當(dāng)一級指標(biāo)出現(xiàn)問題的時候，我們可以快速查詢到問題的所在點(diǎn)。

三級指標(biāo)：業(yè)務(wù)執(zhí)行層面指標(biāo)。

三級指標(biāo)是對二級指標(biāo)的路徑拆解，用于定位二級指標(biāo)的問題。三級指標(biāo)的使用通常是可以指導(dǎo)一線人員開展工作的指標(biāo)內(nèi)容。三級指標(biāo)的要求是：一線人員看到指標(biāo)后，可以快速做出相應(yīng)的動作。

如游戲公司的二級指標(biāo)是XX區(qū)服的DAU，那么三級指標(biāo)則可以設(shè)定為游戲時長、游戲頻次、游戲等級分布、游戲關(guān)卡流失情況等。通過觀察這些數(shù)據(jù)，可以去針對性地做調(diào)整，如某個關(guān)卡流失的用戶特別高，那么嘗試降低難度。

當(dāng)然，如果想要更細(xì)致一點(diǎn)，也可以往下繼續(xù)拆分，這里就不一一贅述了。

這里有一個注意事項(xiàng)，在進(jìn)行整個指標(biāo)分級的時候，我們需要先思考：

1. 一級二級指標(biāo)，能否反應(yīng)產(chǎn)品當(dāng)前的運(yùn)營情況；
2. 三級四級指標(biāo)能否幫助一線人員定位問題，指導(dǎo)運(yùn)營工作。

以上是指標(biāo)分級縱向的內(nèi)容。橫向思考，如何針對不同級別的指標(biāo)來選取合適的指標(biāo)？

這就是指標(biāo)分級的第二個方法：OSM模型。

2. OSM模型

OSM模型（Obejective，Strategy，Measurement）分別代表業(yè)務(wù)目標(biāo)、業(yè)務(wù)策略、業(yè)務(wù)度量。

• O：用戶使用產(chǎn)品的目標(biāo)是什么？產(chǎn)品滿足了用戶的什么需求？
• S：為了達(dá)成上述目標(biāo)我采取的策略是什么？
• M：這些策略隨之帶來的數(shù)據(jù)指標(biāo)變化有哪些？

我們搭建指標(biāo)體系是為了更好地發(fā)現(xiàn)用戶的問題，并且去解決。所以我們需要站在用戶的場景去考慮整體的內(nèi)容。

以知乎為例，按照OSM模型，它的指標(biāo)是什么樣的？

O：用戶來使用知乎這個產(chǎn)品，目標(biāo)是什么？

這里涉及兩個不同的用戶——內(nèi)容分享者和內(nèi)容消費(fèi)者，這里簡單介紹內(nèi)容生產(chǎn)者的分析思路，大家可以自己試著分析下內(nèi)容消費(fèi)者。

用戶需求：分享知識觀點(diǎn)（發(fā)布觀點(diǎn)），建立行業(yè)影響力（內(nèi)容受到反饋）。

那么，如何讓用戶感受到自己的需求被滿足了呢？

S：知乎做的策略是：內(nèi)容點(diǎn)贊評論、內(nèi)容打賞、鹽值增加、XX話題優(yōu)秀回答者。

M：接下來，我們需要針對這些用戶動作去做指標(biāo)，在這里面我們的指標(biāo)會有兩個，分別是結(jié)果指標(biāo)和過程指標(biāo)。

• 結(jié)果指標(biāo)：用于衡量用戶發(fā)生某個動作后所產(chǎn)生的結(jié)果，通常是延后知道的，很難進(jìn)行干預(yù)。
• 過程指標(biāo)：用戶在做某個動作時候所產(chǎn)生的指標(biāo)，可以通過某些運(yùn)營策略來影響這個過程指標(biāo)，從而影響最終的結(jié)果。

還是以內(nèi)容生產(chǎn)者為例：

• 結(jié)果性指標(biāo)：發(fā)布文章數(shù)、發(fā)布文章的人數(shù)、文章點(diǎn)贊/評論數(shù)、被打賞人數(shù)、被打賞金額、優(yōu)秀回答者人數(shù)、新增優(yōu)秀回答者人數(shù)等。
• 過程性指標(biāo)：使用內(nèi)容導(dǎo)入人數(shù)、內(nèi)容發(fā)布轉(zhuǎn)化率、文章互動率、評論折疊率等。

通常我們會在指定指標(biāo)的過程中使用OSM的模型，去針對用戶在不同場景下產(chǎn)生的動作，以及這個動作可能帶來的結(jié)果，用戶在這個動作中會出現(xiàn)什么樣的數(shù)據(jù)變化。之后再結(jié)合數(shù)據(jù)，針對性地去調(diào)整我們的運(yùn)營策略或者產(chǎn)品功能。

簡單理解：結(jié)果性指標(biāo)更多的是監(jiān)控?cái)?shù)據(jù)異常，或者是監(jiān)控某個場景下用戶需求是否被滿足。而過程性指標(biāo)則是更加關(guān)注用戶的需求為什么被滿足（沒被滿足）。

2. 如何搭建

指標(biāo)選取之后，就要開始搭建指標(biāo)體系。前面我們說過，指標(biāo)體系是通過場景流程來綜合進(jìn)行分析，而這里最重要的就是分析維度的選擇。

一個好的指標(biāo)是可以多維度去拆解劃分，當(dāng)好的指標(biāo)搭上完整的維度，很多問題就可以迎刃而解。如果沒有合適的維度，你建立起來的依然只是多個指標(biāo)，只是指標(biāo)合理，做不到前后場景化的分析。簡單理解，維度是將點(diǎn)串聯(lián)成場景的那根線。

我自己通常會采用這樣的邏輯來進(jìn)行體系搭建：選指標(biāo)-針對每個指標(biāo)做出可能要的維度-將指標(biāo)和維度重新組合。

通常我們在選取某個指標(biāo)的時候，想到的維度都比較簡單，如：用戶進(jìn)入商品詳情頁，我可能只想要知道用戶進(jìn)了哪個類目的商品詳情頁；商品成交的時候，可能關(guān)注的是類目和金額；同樣地，在商品列表頁的時候，我們監(jiān)測用戶搜索，會關(guān)心用戶搜索了哪些詞，搜索頻次等。

那么如果我將用戶進(jìn)入商品詳情頁內(nèi)，搜索的關(guān)鍵詞和成交的指標(biāo)組合會是什么樣的場景呢？

用戶搜索了哪個關(guān)鍵詞，并且進(jìn)入了商品詳情頁，之后這個商品被購買了。

這時候我們分析搜索關(guān)鍵詞的時候，效率會非常高。如搜索某個關(guān)鍵詞的用戶轉(zhuǎn)化率非常高，但是搜索的次數(shù)比較少，那么我們將這個關(guān)鍵詞置為熱搜是否可以提升整體的轉(zhuǎn)化率呢？

指標(biāo)的維度拆解后，重組我們?nèi)绾巫瞿兀?/p>

我的原則是：在同一個流程，用戶動作存在關(guān)聯(lián)的，盡可能多地在多個指標(biāo)覆蓋相同可用的維度。以電商為例，用戶的動作是：搜索品類-搜索列表頁-點(diǎn)擊篩選-商品列表頁-提交訂單-購買。那么在整個流程中最好可以保留搜索品類的關(guān)鍵詞、篩選的條件、商品的信息等內(nèi)容。

最后，當(dāng)我們指標(biāo)和維度都確定之后，剩下的就是去做數(shù)據(jù)埋點(diǎn)了。什么樣的埋點(diǎn)數(shù)據(jù)不會被開發(fā)噴呢？開發(fā)拿到不用動腦子的那種。

我之前使用的格式是這樣的，大家可以參考下：

最后，就剩下數(shù)據(jù)可視化的內(nèi)容了。數(shù)據(jù)可視化通常根據(jù)自己的業(yè)務(wù)場景去結(jié)合，使用自己合適的數(shù)據(jù)，通常會包含用戶數(shù)據(jù)、渠道數(shù)據(jù)、業(yè)務(wù)流程數(shù)據(jù)等。具體的可視化我就不做過多贅述，百度一下，什么樣的場景用什么樣的圖我想都可以看出來。

重要的是這些流程的組合，就是將不同的指標(biāo)和維度進(jìn)行組合，關(guān)聯(lián)分析出來的事件才是最核心的，這是完全可以指導(dǎo)你進(jìn)行工作的三級指標(biāo)，并且貫穿全流程。

四、總結(jié)

數(shù)據(jù)分析是產(chǎn)品和運(yùn)營的一項(xiàng)基本功，好的運(yùn)營和產(chǎn)品總是會通過數(shù)據(jù)去發(fā)現(xiàn)問題，并且解決問題。而完善的數(shù)據(jù)體系可以讓這件事情變得事半功倍，從源頭發(fā)現(xiàn)問題，借助體系化的工具，工作也可以很輕松。

最后呢，給大家介紹下現(xiàn)有哪些平臺可以輔助做這些數(shù)據(jù)體系：目前國內(nèi)做數(shù)據(jù)服務(wù)的幾個平臺：Growing IO、神策數(shù)據(jù)、諸葛IO等。

如果自身不具備搭建完備的數(shù)據(jù)組，建議使用第三方會快速一些。那么剩下的就是使用本文的內(nèi)容，給到需要的數(shù)據(jù)指標(biāo)和維度，去找開發(fā)進(jìn)行埋點(diǎn)就好了。

如果自身有比較完善的數(shù)據(jù)分析組，甚至是數(shù)據(jù)挖掘組，你就當(dāng)沒看過這篇文章，讓他們?nèi)ベu力給你結(jié)論，讓他們?nèi)ベu力做數(shù)據(jù)埋點(diǎn)吧，我就不獻(xiàn)丑了。

作者：樹貓 & 孫小晨，微信公眾號：樹貓說

本文由 @孫小晨 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于CC0協(xié)議