小海按：

網上常見的指标體系分享，大多是互聯網的AARRR一類，現實中情況卻很複雜。從本質上看，數據指标體系有4大類型，針對四個不同的業務邏輯。

評估型

“這個産品質量咋樣?”

“這個活動效果好不好?”

“這個客戶群值不值得做？

這種用數據指标，評價一個東西好/不好的指标體系，即為評估型指标體系。

注意，做評價不一定用數據指标體系，比如産品質量咋樣，可以簡單粗暴看銷售數量。但隻看一個指标會出問題，比如銷量好，但利潤低；銷量好，但口碑差。

評估型指标體系，主要就是解決單一标準評估有偏差的問題。因此在構建此類指标體系的時候，重點就是考慮：

• 從多個指标反映質量高低；

• 各個指标之間盡量不重疊；

• 區分各個指标重要性；

• 各個指标的可比較性。

評估型指标體系，指标之間關系常常是并列關系（如下圖）：

評估型指标體系的難點，主要是考慮問題的全面性和指标數據采集可行性。這裡特别要注意：數據指标可采集性。很多人一提到評估，就會随口說出NPS、用戶滿意度、用戶意向之類的指标。問題是這些指标打算怎麼采集？用問卷的話，能覆蓋多少真實用戶？用其他指标，能否合理評估情況？意向這種預測指标，到底怎麼預測？

如果不回答清楚這些數據采集問題，即使指标聽起來很好聽，也沒法落地，還會找挑戰。

流程型

“我們的銷售情況怎麼樣？”

“我們的生産進度怎麼樣？”

“我們的研發情況怎麼樣？”

這種用數據指标，表示一個流程完成進度、完成結果的，即為流程型指标體系。

這裡就包括大家最熟悉的交易流程（漏鬥分析）模型。實際上，隻要符合有明确的終點、有好幾步環節、每一步有滾動投入資源都可以用類似漏鬥分析法，構建數據指标體系。

不僅是交易流程或者用戶留存情況，生産、研發、采購都能這麼考慮問題。隻不過在這些過程裡不存在每一步衰減，因此不存在漏鬥的邏輯。在這些流程裡，考慮的是交付時間、質量、成本（如下圖）。

流程型指标體系是四大類裡最簡單的。因為流程的環節、終點都很清晰。目标清晰的情況下，指标體系都容易梳理。流程型指标體系，最怕的也是數據采集，特别是過程數據采集。很多toB行業的分析做不下去，就是因為流程指标缺失太多。

包含型

包含型指标體系，一般是把一個大指标向下拆解成若幹子指标/分析維度之和。我們熟悉的杜邦分析法就是這個邏輯，把一個大指标向下拆分。

包含型指标體系，一般用于診斷問題。因為子指标 分類維度，能把問題具體到某個業務部門和動作，所以能更好地發現問題源頭，找到解決對策。

但是注意，包含型指标體系的診斷能力，是建立在“主指标本身能說明問題”這個基礎上的。比如用杜邦分析法的時候，就默認了“利潤”是主要問題。如果利潤不能說明全部問題，而是還要考慮顧客體驗、市場份額等等的時候，就不能指望一套包含式指标體系解決所有問題，需要對每個問題，單獨建指标體系，進行解答。

影響型

之所以叫影響型，是因為運營動作一般是疊加在正常流程之上的，産生額外的效果。正常有一個銷售節奏，做個活動會額外刺激銷售；正常有一個用戶留存曲線，做個會員獎勵，額外刺激用戶多留存一段。影響型數據指标體系，就是要把“疊加、額外”兩個點講清楚。

此時，要考慮的指标複雜一些：

• 需要有一套數據指标，反映業務正常節奏；

• 需要有一套數據指标，描述疊加動作本身；

• 需要有标準，判斷業務本身的表現好壞；

• 需要有标準，判斷額外效果。

因此，影響型的指标體系會格外複雜。比如做一個商品促銷活動的指标體系，它需要考慮：

• 正常銷售指标（商品銷售數量、購買人數、金額、利潤）；

• 活動的運作情況（活動目标人數、達标人數、獎勵領取數，活動本身投入）；

• 正常銷售走勢 VS 活動增量。

這裡活動增量可能有好幾個算法。比如：

1、從時間上看，可以區分有活動/無活動時間；

2、從商品上看，可以區分有活動/無活動商品；

3、從人群上看，可以區分有活動/無活動人群。

每一種方法仔細推敲，都有不成立的地方。因為即使沒有活動，商品也有自己的銷售趨勢（自然增長率問題），很難找到100%相似的商品和人群。而且商品促銷，還可能有透支效應，比如商品的粉絲用戶趁便宜提前囤貨，導緻後續減少等情況。

所以在構建影響型指标體系時，設定合理的判斷标準很重要也很難。原則上，符合業務需要的就是好标準，不見得事無巨細考慮每種效應。但需要提醒的是在這一部分工作的時候要格外謹慎，随口說幾個指标，會給後續工作帶來麻煩。

以上四類區分，能幫我們梳理清楚思路，應對工作中的問題。因為在工作中，提問的人很少會主動區分“到底是啥場景？到底業務是啥邏輯？”而是泛泛地說“我要怎麼評價這個XX？我要看哪些指标？”

此時，對于數據分析師來說，就得時刻保持清醒。舉個簡單的例子：

• “分析一下我們的産品”

• “分析一下我們産品的改版計劃”

• “分析一下我們産品的改版效果”

• “分析一下我們産品改版回饋活動”

以上四個完全不同的場景，需要的配套指标體系完全不同。同時，具體是哪種類型的産品，也得細看：

1、交易型産品：主流程就是交易，促成交易就是最終目标；

2、内容型産品：用戶行為散，變現形式多，得多角度觀察；

3、工具型産品：功能是固定的，但用戶使用廣度、深度有差異。

這些都是在構建指标體系的時候需要考慮的要素。正因如此，不要試圖“熟讀并背誦”某幾個數據指标，而是掌握梳理數據指标體系的能力，後續就能以不變應萬變了。

創業政策詳情

,

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