构建数据指标体系(数据指标体系的作用),本文通过数据整理汇集了构建数据指标体系(数据指标体系的作用)相关信息,下面一起看看。

面试经常会遇到让选择最重要的三个指标这类问题:

怎么去判断哪些是最重要的几个?比如问淘宝最重要的一个指标,我觉得淘宝这么大的一个平台,有巨多重要的指标,比如日活,月活,留存,GMV等,如何去选最?如果是问面试的公司的还好,毕竟去面试肯定会做相应准备,但是经常问到其他公司,很难说能对各个领域和行业都比较了解可以迅速作答。应该如何应对呢?

这是个非常有意思的问题,其实指标拆解看上去是个枯燥的任务,但——它其实是帮助我们学会怎么从全局思考问题、向下拆解问题、寻找优化方向的一个必备的思维训练。

在面试中,我们可能会遇到面试官问:“你了解我们公司的app么?如果你是这个产品的分析师,你觉得最重要的指标是什么?原因是什么?”

然后很多同学可能就呆滞了。这个时候可能会口不择言:“日活、GMV、订单量、Hmmm……”然后陷入凌乱,感觉三个不够说呀。那让我们来看看,究竟什么是指标体系、为什么面试官这么爱问指标体系,以及,我们要如何建立一个指标体系呢?

PART1 指标体系是什么

我们以“APP用户侧指标”为切入口,来讲讲,如果要看一个app的用户量级和使用情况,需要多少指标。

可能有同学在想,只要日活就可以啦,微信日活10亿,抖音日活4亿,快手日活3亿,这不就能代表这个app的用户量了么?微信日活最高,堪称国民app。

nonono,我觉得话只说对了一半。其实日活这么一个单独的指标,是不能全面的反应app的用户使用情况的。我还是拿出了我的利器——思维导图(如果有人问的话,它是Xmind),大家可以看到,我把指标拆成了三块:新增、活跃和粘性。

我个人认为,当衡量APP的用户量级情况时,是需要关注新增用户数、活跃用户数和用户留存的。每个指标都很重要。这就是指标体系,是一系列指标的组合。

当我们去看一个app有多少用户在使用时,人们常常用日活(当天活跃设备数,也称dau)作为指标判断,但月活也很重要,如果这个app的用户打开频率很高,那月活基本就代表了这个app的存量用户(毕竟如果30天都不打开,基本也就流失了)。再其次,如果某个产品从某天起停止了拉新,再也没有新增用户,那日活一定会缓慢的下降。

因此,我们需要基于这一系列指标去理解业务,而不是单个指标。指标体系的优势在于——能获得更全面的业务视角。

PART2 我们为什么需要指标体系

OK,第一个部分我们通俗易懂的解释了我们说的指标体系是什么意思,接下来要回答一个关键问题:费劲构建指标体系的意义是什么?为什么面试官老是问我这个问题?

让我们进行一下视角切换:

1) 如果你是公司领导,你会关心几个核心的指标:用户量级、成本、收入、利润、等等;

2) 如果你是中层负责人,你会需要对领导作出核心指标的解读:为什么涨、为什么跌、怎么优化;再把每一块具体的业务分配给手下,让他们对你进行汇报;

3) 如果你是底层员工,你会需要知道你负责的某块具体的业务最近表现如何,再对指标进行解读和提出优化,对你的上级负责。

所以公司从上到下,没有不看数据的,而建立指标体系,是帮助我们判断目前发展现状、做下一步决策、寻找业务优化方向的好帮手。

PART3 如何找最重要的指标

又到了大家喜闻乐见的“你说的真好,道理我知道了,快教教我怎么面试”的环节。

事实上,面试中被问到“怎么选出最重要的指标”的背后,是在问你:你认为对这个app,最重要的事情是什么?怎么衡量业务发展情况?(看上去在问指标,其实是在问业务哦)

在这里我想说万变不离其宗的一点:如果是toC(to Customer,面向消费者)的产品(比如对于我们手机上安装的各种app来说,我们就是customer),那么:

用户消费指标+供应指标+营收指标一定是重要的!(重要程度排序视情况而定)如果不知道怎么说,那就说这三个吧!

用户消费就不说了,没有用户、消费、粘性,什么都无从谈起;

而营收之所以关键,是因为一款产品可以短期不赚钱,但是长期一定是希望盈利的——这样才可以存活且持续发展——所以搞清楚一个app的盈利模式是至关重要的。(这可能是初入职场的同学容易忽视的地方)

那为什么还需要表示供应情况的指标组呢?别忘了,toC的产品不可能只有消费者,也必须有供应者——供应者的角色和消费者的角色重要程度不相上下(或者说分阶段,前期需要加大供应,后期需要加大消费,最终希望达到供需平衡)。

比如说淘宝,除了买东西的人重要,那供应商品的卖家也重要;比如微博,除了刷微博的人重要,产生微博内容的大V也重要;比如说美团外卖,除了吃外卖的人重要,供应外卖的商家也重要…… 这么举通俗易懂的例子应该能明白吧。

PART4 怎么建立指标体系

我个人的想法是,建立指标体系分三步:找核心,向下拆解,横向对比。

我拿一个常用的app举例:微信读书。

第一步,明确我认为的微信读书这个app最重要的核心指标(or核心指标组):

首先是用户指标组(用户使用情况)

其次是供应端指标组(衡量微信读书app的供应情况,判断目前有多少书在该平台是可看的)

最后是营收指标组(衡量微信读书的营利能力)

第二步,把核心指标向下拆解到二级指标

尽可能解释一级指标产生由什么构成,比如说新增=各个渠道的新增求和;书籍数量=各个品类的书籍的数量;人均书架书籍数量=人均公开书架书籍数量+人均私密书架书籍数量……

简单的对核心指标进行向下一个维度的拆解,可以帮助我们知道,造成核心指标表现的原因是什么。比如说新增降了——具体是哪个渠道新增降了?降幅如何?

第三步,增加指标自带属性,作为画像维度帮助横向对比。

除了向下拆解指标,还可以增加用户固有的属性,帮助我们更全面的看待问题。比如说新增留存是各个渠道新增留存影响的共同结果,很可能某个渠道留存就是很低的,那这个时候我们需要考虑是否优化该渠道、或者把投在该渠道的成本转移到其他渠道是不是更有效果;

再比如说某天观察指标发现人均阅读时长降了,那我们需要考虑:是新用户人均阅读时长降了还是老用户?如果是老用户,那是什么年龄段的老用户?是针对这个年龄段的书籍少了吗?如果没有发现,还要继续拆,这个老用户之前的活跃情况如何?是本身就不够活跃的那批用户吗?等等……

我们会发现,这个拆解的过程更像是扩展思路,维度越多,看待问题的角度越丰富,更容易从某个角度发现问题。

PART5 结语

通过这篇文章,你们应该能明白为什么我说指标体系是理解业务的窗口了吧。

指标体系不仅仅是指标的堆砌,不了解业务的情况下,我们很难构建出能帮助业务找到原因、再进行优化的指标体系,所以对于构建指标体系,良好的逻辑+深入理解业务,两者必不可少。

大家没事也可以拿自己喜欢的app进行指标体系的构建,就当是做思维体操啦~

更多构建数据指标体系(数据指标体系的作用)相关信息请关注本站。