10、指标体系搭建：指标体系的经典四步

10.1 指标体系的定义以及选取原则

令人不悦的两种情况
1、对于某核心数据，如日活，只知道数据在变化，但是不知道为何变化
特别是处于一个大跌幅时，产品为了解释这种现象，就会向数据分析师要各种维度的数据
2、每隔一段时间，产品都会拉上数据、研发一起对埋点，总是 觉得当前字段不够用，底层日志越来越大，数仓修改也越来越多，取数越来越慢，错误越来越多

根本原因都是在与缺少指标体系的建设，宣贯（宣传）以及实施

业务方不重视指标体系是感觉指标体系是基建活，离完成KPI太远，只有出问题时才会临时重视
数据方不重视指标体系是因为这是一个吃力不讨好的工作，做好了可以，做不好就背锅
甚至有些分析师认为，指标体系只是一个思维导图而已。

指标体系是在业务的不同阶段，分析师牵头与业务方协助，建立一套能从各个维度反映业务状况的框架。
1、在业务的前期、中期、后期，指标体系不一样
2、一定是由分析师与业务方协助，而不是闭门造车
3、从各维度反映业务的核心状况，指标有很多维度
4、最后就是一个大实施框架，一定要实施，否则就是浪费大家的时间

指标选取时要注重几个原则：根本性、可理解性、结构性
1、根本性 对于核心数据一定要理解到位和准确，如果这里错了，后面基本不用看
2、可理解性：所有指标要配上业务解释性，如日活的定义是什么，是产品的打开还是内容的点击还是后台进程在就行
3、结构性：能够充分对业务进行解读，如新增用户只是一个大数，还需要知道每个渠道的新增用户、每个渠道的新增转化率、每个渠道的新增用户价值等。

10.2 建立指标体系的四个步骤

1、原子性指标：最基础的不可拆分指标：交易额
2、修饰词，可选某种场景：如搜索
3、时间段：时间周期，如：双11
4、派生指标=1+2+3 ：双11这一天通过搜索带来的交易额 次日留存、日活、月活、日转化率
在做数据仓库时很有用

步骤：
第一步：厘清业务阶段和方向

• 第一阶段业务前期 流量，围绕用户量提升做各种拆解，如：渠道
• 第二阶段 业务中期：看产品的健康度，优化当前用户量的结构 如果留存偏低，必定和产品模块有关系，是不是某功能流量承接效果太差
• 第三阶段：业务后期 看变现能力和市场份额 收入指标以及各种商业化模式的收入，做好市场份额和竞品监控，防止后来者居上

第二步：确定核心指标：重要的是找到正确的核心指标
某款产品的日活口径是打开App，通过不断买量、外部刷量，日活也一直在上升
业务方觉的挺好，但分析师发现，打开App的用户中，3秒跳出率达30%，这非常不健康
这说明当前的核心指标（日活）有问题，更好的核心指标是停留时长大于3秒的用户数。

第三步：指标核心维度拆解
核心指标的波动必然是某种维度的波动引起，所以要监控核心指标，本质上还是要监控维度核心指标
通用的拆解方法是先对核心指标进行公示计算，再按照业务路径或者业务模块进行拆解
比如当前的核心指标是停留时长大于3秒的用户数
那么停留时长大于3秒的用户数等于打开进入App的用户数乘以停留时长大于3秒的占比
停留时长大于3秒的用户数=打开进入App的用户数*停留时长大于3秒的占比

第四步：指标宣贯、存档、落地
宣贯：很多人忽略了这一步，往往是和业务核心人员沟通好之后就直接开始键报表，实际上搭建好指标体系后，要当面触达到所有相关的业务接口人，最好是开会并邮件
存档:同时要对指标的口径和业务逻辑进行详细的描述存档，如某功能日渗透率=该功能的日点击人数/日活，只有到这一层面，后面的人才能一眼看懂口径的意思
落地：落地就是建核心指标的相关报表，实际工作中，报表都会在埋点前建好，这样一旦版本上线就立刻能看到数据，同时这时各方的配合度都很高。

10.3 知乎App指标体系实操

第一步：厘清业务阶段和方向
知乎当前是处于业务发展期和成熟期之间，有两个论点
1、当前知乎的业务在一个快速调整期，内容向娱乐大众化转型
2、商业化进行较大的探索
比如有一个“大学”模块，模块里面包含一些付费课程，但在这一块做的不是很重

知乎的主界面没有广告，如果该业务处于一个比较成熟的阶段，这里面会掺杂很多广告。
实际工作中，判断业务发展处于什么阶段，看明面上的业务规划得到答案。。

第二步+第三步：确定核心指标以及拆解核心指标
以首页的“推荐”为例 最重要的指标的问答数

问答数=提问数+回答数=提问人数人均提问数+回答人数人均回答数
评论，点赞和产品的健康度无关，是二级指标。评论，点赞比较多的原因是回答比较精彩。这是一个相关性问题，而不是因果性关系。

核心指标以及指标维度拆解确定好之后，下面就是第四步—宣贯、存档、落地建表
宣贯：拉上产品和研发开会议过流程，产品（负责使用）、研发（负责打点）
存档：对不太好理解的指标要进行单独的解释，比如什么是日活，具体操作是怎么样
落地：确定好打点之后，就要建表、确保数据第一时间出来，能及时发现问题。。

总结：指标体系本质上是业务人员和分析师的逻辑性怎么样，这个非常重要
不同业务阶段指标体系不一样，核心指标一定要正确
核心指标的拆解通用模式都是先公式拆解，再按照业务模块、路径来分
指标体系的宣贯和存档工作必不可少。

11、流量分析：如何分析数据波动

11.1 背景

建立产品指标体系和报表之后
分析师和业务方最重要的事情就是每天看各种数据，而这个看数据的过程就是流量分析
这里的流量指广义的流量，并不一定单指日活，是指所有的流量
比如用户从哪里啊，经过什么过程，产生什么价值，，如果流量波动了，为何波动

从流量分析的定义来看，可以分为以下四个部分
渠道分析–从哪来
转化分析–经过什么过程
价值分析–产生什么价值
波动分析，包括日常的监控分析

11.2 渠道分析

1.常见渠道及渠道分类

1、常见渠道

内部渠道和外部渠道都是为了拉新和拉增使用。

2、渠道分类

1、量级少，质量高，这部分需要扩量，在扩量的基础上仔细观察数据
2、量级多，质量也高，说明该渠道比较好，加快变现能力
3、量级多，质量不太好，这说明内容与用户不匹配，交互有问题，需要拆解，精细化运营
4、量级少，质量也差，可以放弃

所有的分析都是先分析一级渠道，然后在此基础上进行拆解，比如：一级渠道的A渠道留存很差，对A渠道进行二级渠道拆解，看所有的二级渠道差，还是部分二级渠道差。好与差都是相对大盘来说

2.渠道推广的整个过程

渠道推广：是从推广的部分地方，到用户能够下载该产品。

3.渠道的关键指标及分析方法

1、关键指标
前期看有效用户数和次留，中期看次日、7日、30日，后期看ROI
要注意由于渠道是收费的，所以有效用户数会有刷量的嫌疑，所以除了看直接量级，还要看有主动行为的用户数，比如上节课里面的停留大于3秒的用户数
所有渠道最终的目的还是商业变现，所以一定要计算每个渠道的ROI，及时把ROI小于1的渠道砍掉。

2、分析方法包括结果分析、趋势分析、对比分析、作弊分析

• 结果分析：先按照一级渠道来拆解，再按照二级渠道来拆解
• 趋势分析：需看每个渠道的变化趋势，包括量级和留存
• 对比分析：不同渠道间的趋势对比
• 作弊分析：包含用户行为分析和机器学习，这块可以用python来完成

11.3 转化与价值分析

渠道转化与价值的分析，分为两个点：1、漏斗分析 2、功能模块分析

1.漏斗分析

如果要提升某一步转化率，要从用户的基础属性和行为属性来细分
基础属性包括手机品牌，地域，imie特征
比如提高主界面到店面页为60% 要进一步细分，比如安卓手机和华为手机各自转化率是多少；2、华北，华南，华东等地域的转化率是多少，按照这种基础属性，最后可以拿到用户的基础画像，当这照这些维度去拆解，更能精细化运营。
行为属性包括入口、时段、用户活跃度、用户标签
入口：用户是通过桌面入口；弹窗；外链；进入的页面；
时段：早、中、晚的用户量级；
用户活跃度：用户活跃度的区分，不活跃的老用户被激活后的观察。

2.功能模块分析

功能模块的常规分析：
用户进入主页面后不一定走漏斗，因为用户还可以使用各种各样的功能，对功能模块来说，往往看这三个指标：
1、功能渗透率=功能用户数/大盘用户数（使用某功能用户在大盘的占比）
2、功能的功能留存率：第一天使用该功能同时第二天也使用该功能的用户数/第一天使用该功能的用户数
3、功能大盘留存率：第一天使用该功能同时第二天是大盘用户数/第一天使用该功能用户数
功能留存：指第二天还要使用该功能
大盘留存：第二天只要打开APP就可以
大盘用户：所有功能用户排重+不使用任何功能用户，对于不使用任何功能用户也要监控起来

衡量功能的真正价值有三个指标
1、功能核心用户数：有多少用户是这功能的核心用户，它的定义是符合某种要求的功能用户数
一般用使用次数、使用时长、使用天数、具备某种行为来定义“核心”
2、功能对大盘贡献度，比如对大盘留存提升的贡献
功能A对大盘留存的提升贡献=功能A渗透率*功能A的大盘留存率提升数
注：严格来说只有做A/B测试才能说明功能对大盘的贡献度，但是实际上不可能所有的功能都做A/B测试，所以这种测试可以对不同功能做横向对比
3、功能带来的收入对比：每个功能每个月赚多少钱
每个月收入数/功能用户数

功能对大盘贡献度的例子:

1、产品的每一次决策都要基于逻辑性很强的数据证明
“我觉得”这种词没有任何说服力，很容易被挑战，先有数据再有结论，不要先入为主
2、每个产品经理都有自己内部的指标
但必须要去衡量你当前做的事情对大盘KPI的贡献度，只有大盘好才是真的好
3、敢于说真话，实事求是一没做好就是没做好，关键是你接下来怎么做，当前有没有找到真正问题

11.4 流量波动逻辑性分析

常见的流量波动逻辑分析包括：日活、留存

1.日活

日活波动受外部影响和内部影响
外部影响：行业变化、竞品活动
内部影响：数据统计、用户基础属性、用户行为属性
数据统计：数据采集、口径
用户基础属性：用户从哪里来，通过什么方式进入、渠道、入口、画像
用户行为属性：用户进来干了什么。

2.留存

留存波动包含新用户留存和老用户流程
新用户留存与渠道和渠道过程有关
老用户留存有两个影响因素：核心功能用户留存、非核心非功能用户留存
核心功能留存可以进一步细分：核心功能A留存+核心功能B留存+核心功能C留存

假设留存下跌，会出现以下情况：
1.A、B、C中有1个留存下跌，这种情况最好解释，直接解释由于谁下跌即可
2.A、B、C中有两个以上留存下跌，这要看其中谁是主要下跌因子，找到它
如果下跌幅度都差不多，则需进一步观察
如果还是持续下跌，必然是产品某核心部分出问题，围绕指标体系做一次产品全盘分析，找到它
如果跌了几天之后回去了，可能跟外部影响因素有关，暂时不管

总结：
渠道分析–渠道的整个过程和分析方法
功能模块价值分析–漏斗分析、功能常规指标和价值指标分析
流量波动逻辑性分析–一定要有逻辑性，在过程非常严密的基础上得到正确的结果。

学习资料见知识星球。

以上就是今天要分享的技巧，你学会了吗？若有什么问题，欢迎在下方留言。

快来试试吧，小琥 my21ke007。获取 1000个免费 Excel模板福利​​​​！

更多技巧， www.excelbook.cn

欢迎 加入 零售创新 知识星球，知识星球主要以数据分析、报告分享、数据工具讨论为主；