講數據指标體系的文章很多，但一堆指标之間的關系到底應該怎麼看？本文詳細分析了指标分析的常見問題、解題思路、如何認識問題等等，感興趣的小夥伴快來看看吧！

講數據指标體系的文章很多，經常是開篇一句：互聯網指标體系……，下邊幾百個指标blabla洶湧而出。搞得很多同學很暈菜：這麼多指标，實際中到底怎麼看？今天系統講解一下。話不多說，直接上場景。

場景：某視頻APP内容運營，每天會固定輸出遊戲主題節目，節目以介紹遊戲為主，目前暫無帶貨環節，也沒有其他KPI考核，就這麼先做着。

每一個視頻，有：播放次數、播放人數、人均播放時長、會員觀看數、10%/30%/50%/90%播放完成數、單個視頻發布後首日至第七日每日播放數據。還能分成：僅PC端播放、僅移動端播放，PC 移動端播放……同時由于是自己的平台播放，所以能統計到每個用戶站内其他視頻浏覽行為。

問題是：這一堆指标有啥關系？該咋看？

一、常見問題

一聽指标體系，很多同學會直接把一堆指标鋪出來：

• PC渠道的播放次數、播放人數、人均播放時長……
• 移動端的播放次數、播放人數、人均播放時長……
• 本周的、上周的、上上周的、……
• 本次的、上次的、最近10次的、……

一大堆指标擺完，發現個嚴重的問題：這一堆說了啥呀！

因為沒有剛性考核的KPI，因此很難講清楚到底多大算好。你說播放次數越高越好吧，播放次數本身是個經常波動指标，今天高了明天低了，這麼分析法得弄死自己，還沒分析完為啥不好，丫指标又變好了！

而且單看一個指标也顯得不科學，比如有的視頻就是播放很多但人均時長很短，還有一堆人湧過來看，然後秒退的情況。實際情況千奇百怪，連好/壞都沒法評估，咋進一步分析：為啥好/為啥壞呢？

二、解題思路

會導緻暈頭轉向的核心問題，在于：沒有明确目标。如果是銷售的業務場景，目标很清晰：銷售收入/GMV。但是運營的場景不見得都有如此清晰、剛性的目标。特别是内容運營，本身就有“放水養魚”的作用，有好的内容積攢粉絲、吸引關注非常重要。

無剛性目标，導緻建立評價标準很難。如果隻看一個指标，比如播放量，似乎有失偏頗。如果看兩個、三個、四個指标，比如播放人數、10%跳出人數、人均時長，則指标間相互交叉，情況錯綜複雜，很難下結論。

更不用說，很多新手會習慣性忽略建立标準環節。于是導緻了大量鋪陳數據，然後不知道下啥結論的暈頭鴨子問題。如何在無剛性目标情況下，建立評價标準，讀懂數據含義，是搭建體系的關鍵。

三、認識問題，從單指标開始

想理清頭緒，當然得從一個指标開始。連一個指标的走勢都沒看清楚，就扯上二三四個，隻會越看越暈。選第一個觀察指标的時候，盡量選簡單、直接、不用計算的指标，這樣更容易看清楚情況，避免牽扯太多。因此在衆多指标中，可以先看播放次數/播放人數（選一個）。

假設先看播放次數，對單指标而言，肯定是越多越好。播放量是内容運營的基礎，連看都沒人看，其他的更談不上了。但是這裡要注意，觀察：播放量指标是否有周/月/日的規律。如果有規律性波動，就不能簡單地說：昨天比今天高，所以昨天好（如下圖）

假設播放量有周波動規律，則可以建立單指标的簡單評價标準：

• 以周為單位觀察，數值越大越好
• 以日為單位觀察，數值越大越好
• 超過自身類型月平均水平，超過越多越好

這樣就能對播放次數，這樣的單個指标講清楚：好/壞

四、從單指标到多指标

整明白了一個指标，可以加入其他指标。在加入其他指标的時候，要首先觀察：兩指标之間關系。有可能兩指标相關系數高，有可能相關系數低。這兩種情況下處理方法不同。

相關系數高：比如播放次數和播放人數，兩個指标很有可能高度相關。一個視頻玩家短時間内可能隻看1次就夠了。高度相關的兩個指标，在評價好壞時不需要重複評估，看一個就好了。這樣能減少數據幹擾，更容易得出結論（如下圖）。

相關系數低：比如播放次數和人均時長，不見得高度相關。很有可能有的視頻太過标題黨，标題太刺激，配圖很色誘，把玩家騙進來結果發現貨不對闆。如果出現兩個指标相關度低，就能用矩陣分析法，把視頻分類（如下圖）

經過這一步梳理以後，就能對兩個指标情況做出判斷。理論上播放次數越高越好，但人均時長不能低于一定水平，或者10%跳出用戶比例不能超過一定水平，這樣就能對每一期視頻進行評價。有了評價，就能做出進一步分析。

五、從多指标到原因解讀

評價了好/壞，就能進一步分析：為什麼好、為什麼壞。到這一步，就會發現，現有數據指标的問題：雖然看似一堆指标，可都是結果性指标。并不能直接從指标裡推出：到底為啥用戶喜歡看。這時優先考慮的是：補充數據，看看添加哪些數據能解釋清楚問題。

首先想到的是視頻本身的數據，視頻本身可以有多種标簽：

• 視頻主題：講哪一類遊戲
• 視頻内容：遊戲八卦、玩法、比賽……
• 視頻講解：找技術高手還是找個美女亮腿……
• 視頻時長：太長的可能中間關掉的多
• 發稿時間：選播放好的時間發

做内容運營，首先得對自己做的内容有清晰的了解，打好标簽，再做其他工作。有了标簽，單純地結合标簽分析結果指标，也可能得出一些有用的結論，比如：

• 5分鐘比10分鐘效果好
• 美女亮腿比男主持人效果好
• 講比賽比講八卦效果好

這些已經足夠優化運營了。

更進一步的還可以結合用戶畫像來看，比如：

• 觀察用戶看别的遊戲類視頻行為，給用戶喜歡的遊戲類型，遊戲内容貼标簽
• 觀察用戶近期關注的熱點内容、流行的梗
• 觀察用戶更喜歡技術宅還是美女

有了這些用戶标簽，可以查看：

• 目前觀看視頻的用戶群體是否是目标群體
• 根據群體規模大的用戶，制作新的内容
• 根據用戶近期關注的話題、主播喜好，選話題和主持人

當然，并不見得投其所好一定有效，更有可能有“标題黨蹭熱度”的效果——播放次數很多但看一眼就跳出。所以最後還是得結合優化前後效果，做最終定論。

六、小結

搭建數據分析體系可以很簡單（如下圖）

真正阻礙搭建指标體系的，是：

1. 數據間沒邏輯，寫的越多，看得越暈
2. 沒有剛性KPI做統領，不知道怎麼評價好壞
3. 隻有結果指标，不能解釋原因。

因此在觀察一個業務的時候，一開始甯可看的指标少一點，先觀察出規律，再看指标間關系，這樣更容易讓衆多指标關系清楚，讀出含義。

專欄作家

接地氣的陳老師，接地氣學堂，人人都是産品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是産品經理。未經許可，禁止轉載。

題圖來自 Pexels，基于CC0協議。

該文觀點僅代表作者本人，人人都是産品經理平台僅提供信息存儲空間服務。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部