1.什么是数据指标体系
数据指标:对当前业务有参考价值的统计数据,是量化的,是数值型变量。(指标的本质是量化,量化的本质是评估),例如信用卡新增客户量、交易金额、贷款余额、30天活跃客户量。
分类维度:评估的角度,是定性的,是分类型数据。
数据指标体系:多个有关联的指标集合即为数据指标体系。指标体系,即相互之间有逻辑联系的指标构成的整体,所以一个指标不能叫指标体系,几个毫无关系的指标也不能叫指标体系。例如对于信用卡行业,有获客相关指标,客户经营相关指标,产品营销相关指标,风险相关指标、财务相关指标。
例如对于分期产品,目标客户量、可分客户量、总分期规模、单数据分期规模、分期笔数、营销响应率等组成分期产品模块的指标体系。
不同行业的数据指标体系不同。如互联网行业、电商行业、金融行业、医疗健康行业等的指标是不同的。
好的指标体系应该具备的特点:
(1)能体现当下业务的关注点
在业务的不同阶段关注点不同,指标也就不同,因此需要构建多套指标体系,例如对于信用卡行业:
引入期:信用卡申请量、初审通过量、初审通过率,批核率、新户量等
成长期:激活卡片量、首刷量、二刷量等
成熟期:分期规模、分期客户量等等
衰退期:卡片到期量、卡片续期量、主动注销量等
(2)能定位问题原因:同时包含过程性指标和结果性指标
我们习惯通过指标体系监控业务的发展趋势和出现的问题,但更重要的是,我们希望了解问题背后的原因,知其然更要知其所以然,对症下药才能够针对性地进行改进和优化。所以一个好的指标体系除了要有表征现状问题的结果性指标,还要有影响这个结果的过程性指标,这样才能在出现问题时有据可循,快速找到出现问题的原因。
(3)有对应的业务抓手
在前面两点的基础上,我们除了希望通过指标体系反映业务现状、定位问题原因外,更希望它能够指导业务动作,告诉哪些部门应该在哪些环节进行改进,这个就是我们说的“要有对应的业务抓手”。要有具体到人、具体到策略的指导性意见,否则就算定位到了问题的原因所在,没有对应的人和策略跟进,问题依然得不到解决。
2.数据指标体系的作用
(1)能反映业务现状;定位问题;也能驱动业务发展
(2)提高效率:若建得相对全面完整,能覆盖日常大部分数据分析所需要的指标,则可以减少很多临时取数的工作
3.如何搭建数据指标体系
(1)指标体系搭建方法
指标体系不是一个人能够完成的,需要业务部门(市场、运营、产品部门等)、数据部门、开发部门相互协作,共同讨论确认,紧密配合。一个人闭门造车建立的指标体系很容易和业务脱节,也很难落地。
数据指标体系的搭建需求方主要是业务方,可以帮助业务监控现状,及时发现问题并定位问题;具体流程包括:
一个指标体系的构建通常需要先确定一个核心指标作为一级指标,然后将核心指标进行逐层拆解,得到一个完整的指标体系。
以OSM模型为设计指标体系的整体框架,AARRR和UJM模型用于指导业务过程的梳理,而MECE强调完全独立,相互穷尽,即根据业务过程得到过程性指标,并再进行细分时要拆解到最小粒度不能再拆解且相互之间独立。
OSM模型:
AARRR模型:
注:用户激活环节,关注的指标有:日活跃用户数(DAU)、月活跃用户数(MAU)
用户留存环节,关注的指标有:次日留存率、第3天留存率、第7天留存率
推荐传播环节,关注的指标有:k因子=平均客户将产品推荐给朋友的朋友人数*被推荐的朋友转化为新客户的概率,当k因子大于等于1,则客户数量会向滚雪球一样,不断增长。
UJM模型(用户旅程模型):
MECE模型:
根据业务过程,设计过程指标,并将指标再往下拆解到不能再拆
(2)数据指标搭建案例
案例一:
4.数据指标体系如何使用
“数据监控体系”就是将这些单一的数据指标体系与管理流程结合起来,来满足复杂的产品业务线的监控需求。
5.指标异动分析
指标异动指指标异常波动,当指标出现不符合预期的变化,也就是异常波动。
5.1 数据异常类型
一次性波动:只在某个时间节点发生波动,一般是因短期或突发事件
周期性波动:周期性发生发生/下跌,例如“双十一”、春节、周末等因素,一般业务开展都有周期性
持续性波动:从某时间点开始,一直出现上升/下跌趋势,背后的原因往往是深层次的
一次性波动往往比较突然,要持续关注;周期性波动一般不需要特殊处理;持续性波动需要重点关注。