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
zandy101114 天前
指标管理革命:衡石科技构建统一、可溯源的企业数据指标体系
科技·指标体系·指标管理平台·指标管理
Aloudata1 年前
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