指标体系数据产品经理，该如何搭建数据指标体系？

本文面向互联网行业的读者，包括但不限于产品运营专业的学生。本文主要讨论如何构建企业内部数据指标体系，为什么需要，如何构建，具体如何做。希望对你有所启发，但个人认知有限，欢迎不吝讨论。

除了“产品经理”应具备的“沟通/原型/文档/项目管理”等基本技能外，数据产品经理还应具备“数据”方面的核心专业技能，如:数据认知、数据技术、数据平台、数据分析、构建指标体系等。而“构建数据指标体系”是最重要的一项，它将直接影响数据“生成→处理→存储→计算→应用”的全过程，也将影响数据平台产品的系统性、稳定性和可扩展性。

一、为什么需要指标体系？1.1什么是指标？

通常，我们所说的指标是指业务单元细分后量化的测量值，如DAU、订单数量、金额等。当然，原子指标也会建立基于维度、修改器、统计口径的衍生指标。指标的核心含义是它们使业务目标可描述、可度量和可分离。

1.2指标不系统会怎样？

从商业角度来看:

常见的现象是业务上线后发现数据不够，没有索引，没有维度。然后是数据需求的变化:增加指标、增加维度、增加各种数据报表等。这一系列需求变化和反复迭代带来的苦果，会使报表更加臃肿，数据不均衡。商科学生在分析具体问题时发现数据越来越困难。他们每天都在不断寻找数据和检查指标的泥潭中度过大量的时间。

从技术角度来看:

基于需求的变化，业务团队技术生将需要再次改变设计开发埋点，而数据团队技术则需要再次收集、清理和存储数据。

更致命的是，如果您在原始监控报告中添加指标或维度，您将需要:

在原有的数据存储结果表上动刀，增加存储列等；数据计算SQL逻辑更改；数据回算；结果展现逻辑更改。

该系列不仅耗费人力物力，而且实施周期较长，反馈效率较低。

1.3指标系统化后能解决吗？

一个好的指标体系设计，不能说可以避免100%的问题，但至少可以在出现问题的时候，让各方都处于危险之中。

首先，商科学生需要对自己的业务有一个大致的预测，比如:在整体业务里程碑上的什么时间会采取什么战略行动，相应的业务量会有多大。与此同时，我们还预先预测哪些指标将受到监测，哪些维度将被拆除

其次，初步预判后，技术上与团队沟通，与数据团队沟通，尽量让各方信息对称。这样做的好处是可以尽可能提前设计指标体系，清晰有序。同时，技术团队在设计底层数据时，会做好考虑其稳定性和可扩展性的准备。

1.4指标的系统性

系统化的本质是系统地组织数据指标，根据业务模型和标准对指标的不同属性进行具体的分类和分层。当然，不同的业务阶段，不同的业务类型，会有不同的分类标准。

那么，如何在现有业务的基础上构建指标体系呢？

二、如何构建指标体系？2.1明确业务是什么

在建立指标体系之前，你需要知道你的业务是什么。公司的总体目标是什么？如何帮助用户解决产品实现中的问题？

比如电子商务C2C企业，业务本质上需要解决需求“匹配”和“匹配效率”的问题，这是一个不断丰富供给、满足需求的过程。在目标上，我们将追求更多用户的双边关系需求。对应数据，会衍生出“DAU”、“订单”、“GMV”等战略指标。

下面以电商C2C为例，从“整体业务市场”和“业务子单元”两个方面说明数据指标体系的构建方法。

2.2根据业务市场拆卸

根据企业的战略目标，按照业务市场的方式分解数据指标体系。业内有一种众所周知的方法论AARRR(也叫盗版指数法)。整体拆分逻辑是“收购→主动→保留→收益→传播”。有兴趣的朋友可以去谷歌搜索。

这种方法的特点是系统地、普遍地拆除精益创业中的增长模型，但当它应用于实际业务时，仍然会有些混乱。尽管如此，我们仍然可以在此基础上进行改进，并根据自己的业务在本地化后进行扩展

2.2.1用户需要实现的路径

我们先拆解自己的商业模式，画出商业模式流程图。观察用户在主业务流程不同阶段满足买卖双方需求时，会做什么，会产生什么数据，我们需要监控什么数据。

如下图所示，我们得出两点:

无论买家还是卖家，在整个业务主流程上的动作比较相似。主流程中认知、激活注册、行为、沟通、交易、售后六个阶段，可依据阶段的差异性进行数据分类。

2.2.2数据恢复业务的真实性

通过上一步的拆解，我们基本上可以发现用户在实现需求的道路上会产生什么数据，这些数据会为我们还原出商业真相:

认知阶段：市场渠道相关数据，品牌广告数据。如：渠道新增、渠道DAU、渠道留存、渠道转化、渠道ROI等；激活注册：应用激活量、激活注册转化率、版本分布、机型覆盖率等；关键行为：用户行为数据，如：发布商品、搜索、浏览商品、收藏、添加购物车等；沟通：留言、私信、电话沟通；交易：下单、支付等；售后：交易仲裁、申诉投诉、催单等。

2.2.3建立市场指标体系

根据不同阶段需要观察的不同指标，结合盗版指标法，勾勒出业务数据的关键漏斗。再加上整体的剖面数据和“用户/商品/订单”核心指标的实时数据，可以对“商业市场”进行粗粒度的、相对完善的监控

2.3根据业务单元

有了大的商业市场后，我们对这个生意做了什么？我们有什么数据？“有了大致的了解。

但对企业来说更重要的是，他们需要考虑两个问题:

为了解决用户在不同业务环节中的问题，企业应该配备什么样的团队去解决；该如何通过不同的“第一关键指标”考核不同的团队？

2.3.1企业如何干预

相应的，我们拆除了用户实现需求的路径，也拆除了企业在不同阶段需要配备的不同团队。不同的团队是独立的，相互需要的，但都是为了实现业务闭环而形成的。

具体如下:

认知阶段：需要配备的团队是渠道市场部、品牌市场部；激活注册：基础体验部、其他垂直业务部；关键行为：搜索推荐团队、基础体验、风控、垂直业务部；沟通：与通信及推送相关的架构部、运营部、风控部、公关部；交易：交易中台、运营部、财务部；售后：客服部、风控部、公关部。

2.3.2第一个关键指标

在《精益数据分析》中，“第一关键指标”是指现阶段极其重要的第一指标，同时也指出在启动阶段的任何一个时间点都只需要关注一个重要指标。这个理论在我们评估不同的团队时也可以借鉴。公司目前的“第一关键指标”分解到不同部门后，成为各部门的“第一关键指标”，也是团队的考核衡量标准(OKR或KPI)。

通过调查不同的部门和业务单元，基于自己的业务和关键指标需要注意哪些数据？

下面:比如认知阶段最相关的部门是渠道部门和品牌公关部门。如果他们的目标是“如何用更少的钱获得更多的新用户”，那么关键指标可以考虑为“新用户数”和“ROI”，然后按照“指标*维度矩阵”的方式对关键指标进行分解。其他部门的关键指标也可以用这种方式抽象分解，方法也差不多，不一一列举。

三、具体怎么做？3.1明确的关键指标

通过以上描述，无论是企业的整体情况，还是一个业务单元的考核目标。我们可以找到当前业务阶段的关键指标，如DAU、新用户数量、已付订单数量、新买家数量、新卖家数量等。

下面是一个“已付订单数”的例子。

3.2指标体系设计

需要拆解“付款单数量”，根据不同维度(从观察指标的角度)进行下钻。具体维度会因企业产品和商业模式的不同而有所不同。

付款单的数量大致可以从六个维度分解:

终端：按订单实际支付订单的场景终端进行拆分，分端内/端外、PC端、小程序端等。一旦某个终端的支付抖动厉害，可以立即发现定位问题；渠道：按用户认知企业产品，下载应用的渠道拆分。也可依据需要拆解得更细，进一步提升监控敏感度；订单来源：电商行业里，订单来源常常需要重点关注。不同的运营活动、客户端版本策略，都将直接影响搜索、推荐、列表页等来源的订单量波动；订单类型：按照订单类型拆分，主要是尽可能的去感知促销或红包等运营手段对用户支付的影响，这块通常也会因为直接涉及到促销红包成本等方面而拆得足够细致；商品品类：这是商品自身的属性，不同商品品类的订单波动往往受到垂类运营活动、季节、外部环境、竞品等因素的影响；应用版本：按客户端应用版本拆分，有便于迅速找到产品在升级更新时有可能会对支付订单带来的问题。