数据指标体系搭建(极简科普)

1.初识数据指标

首先,先要弄清楚一个问题,究竟什么是数据指标呢? 不是所有的数据都能称之为指标,只有对当前业务有参考价值的统计数据才能称之为指标。并且数据来源不能是凭空产生的,绝不能脱离现实,必须是真实存在的。

接着又一个问题来了,如果有很多数据指标,那么什么样的数据指标才算是好的数据指标呢?它要遵循下面几个准则:

|-------------|-----------------|---------------|
| 简单易懂 | 相对数据 | 业务赋能 |
| 让人们容易记住和讨论。 | 能看出区别和变化,数据能说话。 | 能改变行为,驱动业务发展。 |

构成数据指标的3个要素:1,衡量维度(数据分组或筛选的角度)2,汇总方式(求和、平均值等)3,度量(度量值+计量单位,25个人,10笔订单)

用户指标的方向

|----------|----------|----------|----------|
| 用户数据 | 投流数据 | 行为数据 | 消费数据 |
| 谁 | 从哪里来 | 干了什么 | 留下了什么 |

1,用户数据分为存量和增量,增量主要看新增用户数,存量主要看留存率和活跃度。

2,投流数据包括投放效果(曝光率)和投放收益(ROI/渠道转化率)。

3,行为数据包括次数(PV/UV),用户路径(转化率),行为时长(时长)。

4,消费数据包括总量(GMV),人均(客单价\ARPU),人数(付费用户数),健康程度(付费率\复购率),消费对象(SKU指标)。

2.常见数据指标列举

|-----------|---------------------------------------------------------------------------------------|-------------------------|
| 指标名称 | 指标描述 | 作用 |
| GMV | 订单总金额,包含所有订单状态的订单 | 描述交易的金额总规模 |
| ARPU\客单价 | ARPU(Average Revenue Per User):每位用户平均产生的收入或利润=总收入(或利润)/用户数量; 客单价:单个用户的订单金额=订单总金额/付费人数 | 单个用户的贡献程度 |
| 付费人数 | 使用某项产品或服务并支付费用的人数。费用包含订阅服务、应用内购买、电子商务等。 | 描述愿意为服务付费的人数总规模 |
| 付费率/复购率 | 付费率=付费用户数/总用户数*100% 复购率:是指付费用户重复购买频率=消费两次以上的用户数/总付费用户数 | 描述总体上的用户付费意愿评判一个服务的健康程度 |
| SKU视角 | 包括:SKU数量、SKU销售量、SKU销售额、SKU毛利润等 | 需要分析消费品本身的运营情况 |

3.how to make数据指标体系

基于OSM模型的指标设计

|------------------------------------|-----------------------------|--------------------|
| 业务目标 | 业务策略 | 业务度量 |
| 根据业务目标可以直接是北极星指标,也可以是基于北极星指标拆解的子目标 | 根据目标执行的业务策略,并且判断业务粗略归属于哪类场景 | 根据给出的场景类型选择合适的数据指标 |

例子

假设,你要做一个线上商城,用招商模式通过商家卖货抽取佣金赚钱,下面是参考步骤。

步骤1:确定业务目标

北极星指标为GMV。

步骤2:确定业务策略(角色、职责、辅助工具等)

|--------|--------------|--------|
| 角色 | 动作 | 工具 |
| 商家 | 卖东西 | 商家后台 |
| 平台运营 | 做营销活动吸引更多人 | 运营后台 |
| 内容创作者 | 创作内容让商家更好卖东西 | 内容生产后台 |
| 消费者 | 买东西 | 线上商城 |

|----------|-----------|
| 思考维度 | 衡量的内容 |
| 用户多 | 使用量 |
| 用户依赖 | 使用频次 |
| 用户体验好 | 运转体验 |
[工具赋能---效率]

|----------|-----------|
| 思考维度 | 衡量的内容 |
| 用户多 | 累积量 |
| 消费内容广 | 内容的分类 |
| 时间长 | 消费时长 |
| 互动多 | 互动数量 |
[内容消费--质量]

|----------|-----------|
| 思考维度 | 衡量的内容 |
| 更容易卖 | 核心场景转化效率 |
| 卖的更多 | 总交易规模 |
| 卖的更贵 | 单个用户的价值 |
| 多次卖 | 复购率 |
[交易场景--转化率]

|----------|-----------|
| 思考维度 | 衡量的内容 |
| 更多话题 | 内容的数量 |
| 互动多 | 互动数量 |
| 有情感羁绊 | 用户和用户的关系 |
[社交场景--活跃度]

步骤3:确定数据指标

|----------|----------|-----------|-------------------|
| 场景归类 | 思考维度 | 衡量的内容 | 具体的指标 |
| 工具赋能 | 用户多 | 使用量 | 素材使用量,模板使用量,图片上传量 |
| 工具赋能 | 用户依赖 | 使用频次 | 编辑器内的各个工具使用频率 |
| 工具赋能 | 用户体验好 | 运转体验 | 文章通过率 |

|----------|----------|-----------|-----------------------|
| 场景归类 | 思考维度 | 衡量的内容 | 具体的指标 |
| 内容消费 | 用户多 | 累计量 | 文章发布总量 |
| 内容消费 | 消费内容广 | 内容的分类 | 文章标签数,浏览话题数,文章类型数 |
| 内容消费 | 时间长 | 消费时长 | 平均用户的文章浏览总时长、每天文章浏览时长 |
| 内容消费 | 互动多 | 互动数量 | 点赞、转发、评论、收藏数等 |

相关推荐
Aloudata10 个月前
如何通过指标平台,最大化地提升数据分析的效率和质量?
大数据·数据分析·指标平台·指标体系·noetl
Aloudata1 年前
NoETL 自动化指标平台在数据处理和复杂指标查询的性能表现
大数据·数据分析·指标平台·bi·数据指标
小Tomkk1 年前
数据仓库中的指标体系模型介绍
数据仓库·指标体系
Aloudata1 年前
BI 工具与 NoETL 自动化指标平台在自助数据分析的差异
大数据·数据分析·指标平台·bi·数据指标
Aloudata1 年前
指标平台如何帮助业务洞察营销活动的实际效果?
大数据·数据分析·指标平台·数据指标
Aloudata1 年前
NoETL自动化指标平台为数据分析提质增效,驱动业务决策
大数据·数据分析·指标平台·指标体系
Data-Miner2 年前
企业指标体系建设与管理:运用MECE原则与战略地图,打造完美闭环
大数据·人工智能·指标体系·数据运营·年度目标
驾数者2 年前
数据仓库-核心概念
大数据·数据仓库·指标体系·数据质量