导读：为什么有些业务数据每天都在波动？而有些业务部分数据会突然升降，其背后反映了什么问题？
本文来自我的新书《高阶产品经理必修课：企业战略驱动下的数据体系搭建》
想要解答这个问题，就要来分析录入报表中的这些数据本质上到底是什么。其实，数据报表所罗列的各个数据项在数据分析中有一个专业的名词，叫作数据指标。
而数据指标的用途在工作中也是随手可见的：
“假如你是XX产品的分析师，你会选择哪些指标向CEO汇报？”
“假如你是XX产品的分析师，你会从哪些维度建立指标体系？”
“你觉得XX产品的北极星指标是什么？”
关于指标体系的建设，重点指标的选择，在常见的面试中可以问出几十种花样，也能延伸出许许多多的扩展问题：
“想要评估用户的真实性，你会选择哪些特征？”
“你们会从哪些维度来预测用户流失的概率？”
为了解决这些问题，本文我们就先来看看指标到底是什么，以及指标的完整定义什么。
1
指标是什么
对于一些偏重于功能型设计的产品人员来说，初次听到“指标”这个词可能会觉得十分陌生，但是指标的概念实际上早已遍布我们的日常生活，如图1所示。
图1 生活中常见的指标
从图1可以看到，任何一个级别的组织中都存在指标，大到一个国家（比如，使用GDP、CPI等对国家运行状态进行判断），小到个人（比如，每次过年回家，亲戚朋友通过你的个人收入这一指标来评判你工作的好坏）。
对于日常与产品相关的工作中，相信有一定经验的读者都可以脱口而出几个指标，比如日活、月活、注册率、转化率、交易量等，这就说明指标其实离我们的产品工作并不遥远。
可见，指标实际上就是用来量化事物的一个工具，用数字来帮助我们描述一些抽象的事件。指标具体是指一组能反映某一业务在单位时间内的规模、程度、比例的数字。
例如，我们通过日活能判断出整个产品的用户量，而这个用户量又能反映出这个产品的健康程度—是否处于不断增长的过程中。
在日常的数据分析工作中，我们通常将指标分为如下三大类。
（1）产品概要类指标：用于评价产品现阶段的整体情况。
（2）产品流量类指标：用于评价产品内用户的数量与质量。
（3）客户价值类指标：用于评价产品的盈利状况与可持续性。
前面提到的日活，实际上就属于数据流量评价类的指标。
2
指标的基本构成
知道了指标的定义，下面具体来看看指标这一产物要怎么去描述，也就是如何去设计一个新指标。
我们可以根据业务的需要去自定义指标。例如，我在订单模块中就曾经定义过一个很独特的指标—订单取消率，含义是单位时间内用户订单取消数与用户下单次数之比，用来判断该用户是否属于恶意刷单用户。
但是在工作中，很多新手在对指标理解不充分的时候，如果需要为业务挑选指标，往往是在网上搜索各类指标库，从而找到自己对应业务的指标，然后进行照搬。
实际上这种做法是不正确的，我们首要应该学会指标的定义方法，然后在此基础上依据自己的事务需求来定义专属于我们事务的衡量目标，这样的指标才可以精确地反映自己事务的特殊性。
要想自己去定义指标，首先需要搞懂指标都是由哪几部分构成的，这里我在《高阶产品经理必修课：企业战略驱动下的数据体系搭建》一书中为大家提供了一个构成指标的统一公式。
购买链接：
《高阶产品经理必修课：企业战略驱动下的数据体系搭建》(刘天)【摘要 书评 试读】- 京东图书
指标 = 业务维度描述 + 技术维度描述
下面让我们对公式里的两个部分分别进行解读。
（1）业务维度
业务维度描述就是阐述清楚这个指标的业务需求是什么，这个指标想要指代什么业务，反映出什么问题等。其实也就是大家日常与业务方讨论得最多的数据需求，例如，运营同事A说：我要看商城复购率。运营同事B说：我要看产品的日活。
这其中，对指标来说，最重要的是能清晰地定义如下两方面内容。
维度（Latitude）：衡量业务的具体维度，如用户参与次数、业务发生时间、交易频次、订单规模、用户规模、新用户增长规模等。
量度（Particle size）：指标的取值范围与单位，如用户参与人数为“200人”、交易频次为“每周3笔”、用户规模为“20万注册用户”、新增用户规模为“日新增1万注册用户”等。
注
注意：在设计量度时，我们可以参考统计学中的常用事物测量方式，将事物按具体内容和表现形式从三个不同角度划分为总量规模测量（总数）、相对测量（比率）和平均（日均）等。
下面用一张图来表示通过维度和量度构成的指标关系，如图2所示。
图2 指标构成
除了上面两个描述项外，下表还总结了在业务维度中必要的描述字段。
表1 指标业务维度描述属性
（2）技术维度
技术维度描述的是一个指标除了要定义清楚具体的需求外，还要面向技术人员准确定义该指标的实现逻辑，因此该维度也就是技术人员为了实现这一需求而必须了解的内容。表2总结了从技术维度来说必须要描述的字段。
表2 指标技术维度描述属性
在掌握了指标的这两个维度后，我们就可以根据自己的需求去自定义一些指标了。下面来看看实战中刘宇是如何去定义指标的。
3
指标体系
搞懂了指标后，接下来我们了解一个进阶的指标概念—指标体系（Indication System）。
众所周知，我们进行数据分析的核心目标是为了帮助业务人员发现当下业务存在的问题以及背后的原因，从而制定下一步决策。
因此在指标体系中，可以分为以下两个层级。
问题指示指标：发现并定义问题的指标，如用户数下降中的用户数指标。
原因定位指标：描述全局现状的其他指标，如各渠道新增用户数、流失用户数指标等。
至此，我们可以得出指标体系的定义：
指标体系为多个指标以一定的逻辑组合成的能反映当前的业务问题，并能定位业务问题背后原因的指标集合。
要设计一个靠谱的数据指标体系，其成败的关键就是数据指标范围选择的好坏，只有真正选择出有参考价值的数据指标才能真正将产品变为闭环设计。
对此我们可以利用核心业务驱动来帮助我们定义数据指标的范围：
图3.驱动流程
展开来说我们可以按如下两步走去搭建我们的数据指标体系：
1. 核心数据指标选择（其他指标都是辅助核心指标而产生的）
闭环设计的核心就是在于把握市场的反馈，那么重重之中就是验证市场对于商业模式的是否喜好，之后才是，第一步就是要精确的选择能反应问题的数据指标，我们称之为元数据。
在这里经常会遇到两类问题：
（1）采集数据颗粒度过于细导致应用缓慢
很多产品经理在定义元数据时，由于不能清楚的定位数据平台的使用方向，所以很多时候害怕遗漏便将产品中所有点事无巨细都埋上点，导致一个图文资讯类产品在用户打开后，流量消耗和看视频一样，你说我不卸载它卸载谁。
（2）数据统计点过少（颗粒度过大）导致的发现问题却无法定位具体原因
当然也出现了另外一种后台为了避免应用过于臃肿，而只采集日活，月活，留存等用户数据，导致出现用户量抖动变化时，无法定位究竟是什么问题导致的，讲真那时内心感觉比不知道用户流失还难受（不是我，不是我）。
那么，数据采集点究竟如何定义才能精准把握颗粒度，从而让数据指标体系发挥应有的作用呢？
首先，我们应该去问自己：到底什么才是我们的核心业务？对于不同的产品来说，在迭代初期都应该有的一个核心：你最想让用户在你这干什么。
举例来说，电商平台想让用户在我这买东西，视频网站想让用户在我这看视频，而不是在我这比价格，搞什么视频留言等衍生需求。
在找到产品的核心后，我们就要开始思考什么指标可以去衡量其好坏？
像刚才说的电商平台，在下单这我们可以用下单率去衡量。
再多举几个例子来说：
-
视频平台：关键视频播放次数；
-
社交应用：单用户日均发言数；
-
社区平台：用户发帖数，回帖数。
所以，只有找到业务的核心数据才会对我们有意义而不是只笼统的计算用户访问量。
综上本文我们对数据指标的定义做了一个简单的介绍，后面我将继续为大家详细拆解数据的使用。
附录：常用指标清单
1）用户数据指标
①日新增用户：将每天的增用户用折线连起来，可以看出用户增长或者下跌的趋势。如果按渠道维度来拆解新增用户，可以看出不同渠道分别新增了多少用户，从而判断渠道推广的效果。
②活跃率：是活跃用户在总用户数的占比。按时间可分为日活跃率、周活跃率、月活跃率。
③留存率：反映了不同时期获得新用户的流失情况，可以评估产品功能对用户的黏性。按时间可分为次日留存率、7日留存率、30日留存率。
2）行为数据指标
①PV（访问次数）、UV（访问人数）：可以看到用户喜欢产品的哪个功能，不喜欢哪个功能，从而根据用户行为来优化产品。
②转发率：转发率=转发某功能的用户数/看到该功能的用户数
③转化率：计算方法与具体业务场景有关。
④K因子：用来衡量推荐的效果，即一个发起推荐的用户可以带来多少新用户。当K＞1时，用户群会像滚雪球一样增大；当K＜1时，用户群到某个规模时会停止通过自传播增长。
3）商品数据指标
用来衡量总量的指标
① 成交总额（GMV）：就是零售业说的“流水”。成交总额包括销售额、取消订单金额、拒收订单金额和退货订单金额。
② 成交数量：对于电商产品就是下单的商品数量；对于教育行业，就是下单课程的数量。
③ 访问时长：用户使用app，或者网站的总时长。
用来衡量每个人平均的指标
①人均付费：人均付费=总收入/总用户数。在游戏行业也叫ARPU；在电商行业叫客单价。
②付费用户人均付费（ARPPU）：付费用户人均付费=总收入/付费人数。用于统计付费用户的平均收入。
③人均访问时长：人均访问时长=总时长/总用户数。用于统计每个人使用产品的平均时长。
用来衡量衡量付费情况的指标
①付费率：付费率=付费人数/总用户数。是付费用户占活跃用户的比例。
②复购率：复购率=消费两次以上的人数/付费人数。用于反映用户的付费频率。
最后如果希望了解更多关于指标体系要如何定义，如何利用指标精准找到原因并定位指标，且让数据后台发挥应有的作用的相关内容，欢迎阅读《高阶产品经理必修课：企业战略驱动下的数据体系搭建》，全书更包含100个知识点助你掌握进阶产品知识！
https://item.jd.com/13009849.html
322
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
