数据驱动与指标体系构建

2019独角兽企业重金招聘Python工程师标准>>>

一. 数据驱动决策：

以前我们经常听到一个天才的产品经理可以决定一个产品的好坏，但我们不可能有这么多天才的产品经理。很多时候我们必须要对用户用数据来证明最合适的选择。

二. 数据处理流程：

数据采集不准确会影响最后的数据运用效果，浪费了用户长期对于产品的反馈，也直接影响老板对整个产品最终的决策。所以数据采集的基本原则是要尽量地全与细，不管是客户端还是服务端数据，还是第三方的风控、客服数据，尽量地全量采集才能保证数据的完整。

数据采集完之后需要对数据建模。现在互联网产品市面上最常见的是事件模型+用户模型，再加上适当扩展的纬度表。事件模型是每一次用户行为的详细情况; 用户模型描述用户是什么样的人，包括用户的注册信息，以及基于用户在产品里的数据挖掘出来的用户画像、用户标签。

然后数据分析以我们实际客户的例子来看，因为他们不同收益率的理财产品种类多，所以他们现在尝试根据用户的购买来推荐最合适的产品。数据分析的需求跟推荐一起构成了数据的更高阶的应用，只有在完成这些应用的层面上，我们数据才算是发挥了百分之百，或者是40%以上的效果。

三. 构建指标体系：

构建指标体系在国内非常火的是 Pirate Metrics 指标，我们也非常推荐“精益数据分析”的 One Metric。

Growth Hacking 更关注用户整个生命周期，通过产品的改变来获得用户的自增长，常用的方法是社会化媒体和病毒式传播。AARRR很多人都非常清楚，它把产品从阶段或者说从奋斗目标来说，分成拉新、留存、营收三个大的环节。在拉新阶段关注活跃用户、新用户，净推荐值一些指标; 在留存阶段关注用户留存、用户回访这些指标; 在营收阶段关注利润率指标。

而关键指标就是在公司的任意一个阶段都会有那么一个关键指标，你可以用它来衡量你整个产品，或者说企业的发展状态以及当前的现状。我们需要找到这样一个关键的指标。然后从这个关键指标扩展出其他的指标，这个关键指标的好坏是可以由其他的 3—5 个指标来影响的，依次改进次要指标，从而改善核心指标。

电商的例子来说，绝大部分阶段 GMV 就是一个关键性的指标，GMV 是成交额，等于销售额+取消订单金额+拒收订单金额+退货订单金额+优惠券金额。然后细分销售额来看，我们要提升流量之外，也要提升转化率。而转化率是来结合这些年龄、地域这些纬度，我们来找到在哪个纬度上最容易改进指标，最终改善 GMV。

对于创业，可以分为三个阶段，第一个阶段是 MVP ，这个阶段产品通常还没有实现，这种情况下，指标没有那么关键，我们需要做的是凭借市场调查来驱动产品。但是到了增长阶段，指标已经起到作用了，这里就是我所阐述的对于企业的不同阶段都会有一个关键性的指标，如果关心的是留存的时候，留存可以分成由活跃用户数、新增用户数和用户留存率来共同实现。到了变现阶段，可能关键指标会是销售额，我们需要把销售额分成活跃用户数、转化率、复购率、渠道分析。

以我们一个客户做关键指标的经验为例。一般像百度统计是一个统计工具，可以告诉我们百度统计上百度的关键词和访客数量，但你其实更想要分析的是用户来你的产品之后实际有多少购买，特别是现在市面上有很多渠道会有刷单的，这种情况下，想要提升ROI我们必须把核心指标定义为真正的转化，或者说真正的购买。

这个客户去分析百度不同渠道、不同关键词、不同的物料带来的用户的转化。以最终的销售额、销售量为核心来衡量，真正去分析不同的渠道过来的广告的ROI，然后再附以留存活跃这些指标，最后改善他们的获客成本。

Refer：

[1] 神策与CDA，一次不平凡的约会

http://bit.ly/2cp3NlU

[2] 听说知乎在招数据分析师？

http://mp.weixin.qq.com/s/9pBEfGR6KZ0oIVRDGvTGpQ

转载于:https://my.oschina.net/leejun2005/blog/63006