杜吉普：指标体系多重奏——指标体系建立思路

本文目录

• 指标体系建设的意义

• 什么是指标

• 指标体系建设思路

   确认核心指标 KPI（指北星指标）

  绘制用户核心转化路径（达成目标路径）

   拆解核心指标-指标拆解模型

•  总结

指标体系建设的意义

随着业务的规模扩大以及数据量大的增大，指标体系的建立可以很好的帮助企业衡量产品以及活动效果，并且能够对整体业务的发展进行监控。

在我曾经创业失败后经常会问自己这样的问题：

几万块钱的市场投入，最终到底为我带来了多少回报？

做了很多线下的地推活动，发布了很多的公众号推广文章，这些活动对于我的产品拓展是否有帮助？帮助多大？哪些渠道帮助最大？

那些成功激活了的用户到底有没有成为我的忠实用户？有多少转化了？

以上这些问题作为现在的我来说是非常容易解决的：使用数据指标进行衡量每一种我需要知道的效果，通过这些效果变化来进行决策以及调整以优化最终的产出目标。但是在我创业的过程中，真的是对于这些问题毫无思考，这就是缺少了指标思维。

什么是指标？

指标是用来衡量产品或者活动效果的，在我来看指标应该是一个衡量标准，该标准由数据的计算构成，通过数据方式对于某项事物或者现象在规定的维度下进行量化的评价。

最简单的指标就是计数型指标：点击量、播放量、用户独立访问次数。

需要经过一定研究才能够得到的指标是复合型指标，它通常通过多种简单指标进行计算而得，每一种计算之后得到的结果与其衡量的效果的匹配程度是指标设计的关键：留存率来衡量用户对于产品依赖、用户增长率衡量产品激活效果、DAU/MAU 来衡量用户粘性。以上指标的设计都能够很好的衡量他们所要衡量的效果。 

指标体系建设思路

1. 明确指北星，设计 KPI

指标的建设一定是要遵循企业目标的主线逻辑，这样我们才能够通过指标带给我们的变化进行调整以更好的帮助公司达成公司的主线目标。主线逻辑说白了就是一个目标方向，也就是业内所说的“指北星指标”，这与公司的战略十分相关，同时在公司的不同发展阶段指北星指标可能会存在变化。例如对于‘饿了吗’的创业初期来说，指北星指标一定是激活用户数量，只要这个数量提升那么企业就完成当前的阶段的使命。但是在饿了吗已经占领市场后，指北星就会变成“每日订单完成量”，从简单的增长变成业务完成量。这样的指北星指标根据企业在不同阶段的不同战略目标而定。

上图为不同产品类型所对应的指北星指标参考，还是要强调，不同行业，不同类型，不同阶段，指北星指标一定是不同的。

 2. 绘制用户核心转化路径/指北星目标达成路径

这个步骤是为了之后的指标拆解所准备。在明确了指北星指标后，我们需要梳理用户从对于产品一无所知到完成服务并且完成核心价值交易的过程。探索用户在整个路径中产生了哪些触点，用户完成了哪些先验交易之后才进行了最终的价值交易。

我们以网易云音乐为例，网易云音乐的北极星在现阶段可以设置为“用户总听歌时长”，那么我们后续的指标体系建立都是为了帮助产品增加“用户总听歌时长”这个目标。接下来分解用户的转化流程，从下载应用到听歌的全路径用户旅程基本如上，但实际上可以将整个核心转化路径/指北星目标达成路径的颗粒度更加细。在完成了该路径的梳理后，就需要我们来依据这个路径来进行指标体系的的建立。

指标体系的建设无法离开数据，而数据就出现在用户旅程的每一个触点中，所以梳理用户旅程以及用户触点十分重要。

3. 拆解核心指标 KPI

拆解核心指标即建立指标体系的逻辑，通过将指北星指标进行拆分，使用更加细化的指标来衡量每一个可能帮助达到核心指标的环节的表现，通过众多的指标监控来监控不同环节的表现，以此来帮助运营人员在不同的环节上帮助企业提升指北星核心指标的表现。

拆解核心指标 KPI 有三个常用行业基本模型：AARRR、全链漏斗型、因子分解型

下面对于上述三个指标拆解模型进行一一讲解

AARRR

-------

AARRR 模型是整个指标建设以及用户分析最为常用的模型，通过追溯用户用户在产品上 5 个不同阶段的用户旅程来挖掘用户身上的价值。这 5 个不同阶段也就是 AARRR，获客、激活、留存、营收、推荐。通过在不同阶段的用户触点挖掘能够为指北星服务的指标，是 AARRR 模型的基本套路。

如下图所示，在用户经历的每一个阶段，都会有一些值得我们去挖掘，并且组合的指标可以去进行建设。

在获客阶段，我们重点要关注的是产品的吸引力，解决的问题是如何更加吸引用户进行了解并下载，所以不同渠道的获客数量、不同渠道的点击成本、不同渠道的获客成本、打开 APP 的使用率都可以作为可能帮助到指北星指标的拆分指标。

在激活阶段，我们更加关注的是用户在下载应用或者接触产品之后是否有意愿成为产品的用户，关键要解决的问题如何促使用户完成激活。那么登录次数、订阅次数、使用服务次数同样是可以衡量指北星指标的拆分指标。

在留存阶段，我们就要重视已激活用户对于产品的依赖程度，需要解决的问题就是如何将用户尽可能的留在产品上，增加其用户粘性。那么 Recency（距离上次使用产品的时间），DAU，MAU，DAU/MAU，访问频次，流失率这些指标就是可以很好的帮助我们来监控用户对于产品的依赖程度。

Revenue 营收阶段，我们就要专注于从用户身上获取价值了，那么在这个阶段我们就会把钱看得特别重，CLV（用户生命周期价值），购买转化率，购物差大小，平均购买价值，ARPU（用户平均收入）这些有关钱的指标则尤为重要。

最后一个阶段就是推荐（自传播）的阶段，在推荐阶段我们最关心的就是一个老用户能够带给我们多少新用户。所以在这个阶段，我们主要关注的就是推荐人头数，例如邀请发送量，NPS score（也就是我们常常被调查的“是否愿意推荐给你的朋友”这样的调查问卷）通过这些指标能够看出老用户的推荐意愿。

通过 AARRR 模型我们可以很清晰看到，整个指标拆解的体系是基本沿着我们第二部的用户旅程来进行的，在不同的阶段的用户触点中拆解出不同的对于当前阶段有价值的细化指标，最后在根据指北星来对于细化指标进行筛选以及重组，以得到我们最终的指标体系。

全链路漏斗型

------------

“全链路”是指通过追溯组成指北星指标的细分指标，最后将细分指标组成链路的方法。这里说起来比较的抽象，让我们依旧以云音乐为例，如果我们以总听歌时间作为北极星指标，那么我们需要来探索总体的听歌时间如何通过其他指标的计算转化得到。

最终我们可以得到上面这个图所示的总听歌时间的细分指标计算方式。总听歌时间=APP 下载量*首次访问百分比*首次听歌百分比*持续听歌百分比*平均听歌时长。接着再去拆解公式中的每一个 component，用可以检测到的落地数据对于每一个指标进行计算。

通过全链路漏斗模型，我们可以很找到直接影响指北星指标的细分指标，并且每一个指标都能够非常明确的对于指北星指标产生贡献。但是这个模型有很强的的局限性，即我们很难从一个全局的角度去找到可以得到指北星指标的细分因素，这个模型的使用需要对于整体业务有着清晰的了解，并且找到能够直接通过因素相乘得到指北星指标的因素，并拆解能够得到因素的计算指标，并且不能够丢掉每一个可能影响指北星指标的因素以及其细分指标。

因子分解型

---------

因子分解模型其实同样是对于指北星指标的拆解方法，他的拆分逻辑相比全链路漏斗模型更为轻松，不需要找到一条完整链条表达指北星。因子分析型只需要对于指北星指标进行一级拆分，接着对一级拆分指标进行二级指标拆分，接着再对二级拆分指标进行三级指标拆分，直至指标无法再进行数据细分，可以直接通过数据获得指标为止。

如上图所示：通过指南星指标进行简单拆分，然后再逐层对于下层指标进行拆分，最终得到整体的指标体系以监控指北星指标。

一点总结 

AARRR 可以让我们非常逻辑清晰找到整个产品流程中的对指北星指标服务的细分指标，而全链漏斗模型和因子分解模型不仅可以找到北极星指标的影响因子，也可以确定指标的数值，并用简化的公式进行表达，可以帮助大家找寻机会点和进行简单的计算。

但是需要格外注意的是，上述三种方法只能作为一种发散指标体系的思路供大家参考。在真正实战中，指标体系的搭建其实是一个非常庞大的工程，往往整个体系的搭建会经历“战略层”-“业务层”-“执行层”三个层级来进行搭建。战略层的意义是制定整体的指北星指标（也就是一级指标），业务层则是根据战略层的指北星指标拆分出能够用业务流程去衡量，存在于业务流程中的细分指标。例如：某游戏公司一级指标是游戏收入，那么二级指标可以设定为不同游戏物品的收入。一级指标是 DAU，那么二级指标设定为分服务器的 DAU 等。这样当一级指标出现问题的时候，我们可以快速查询到问题的所在点（二级指标）。

三级指标也就是执行层的指标是对二级指标的路径拆解，用于定位二级指标的问题。三级指标的使用通常是可以指导一线人员开展工作的指标内容。三级指标的要求是：一线人员看到指标后，可以快速做出相应的动作，通过相应的方案执行提升二级指标表现，从而提升指北星指标。总结起来三级指标会为执行行为（运营行为）作出指导，三级指标来源于二级指标，二级指标能够定位一级指标的问题。

-------

参考资料：

http://www.woshipm.com/pd/3698466.html

http://www.woshipm.com/data-analysis/4128130.html

https://www.shangyexinzhi.com/article/1714251.html

http://www.woshipm.com/data-analysis/2203171.html