指標體系｜四個模型教會你指標體系構建的方法
2022-05-21由 呱說產品 發表于 農業
如何建立指標體系
作為資料分析師，構建資料指標體系是較為基礎但是極為重要的工作內容。好的指標體系能夠監控業務變化，當業務出現問題時，分析師們透過指標體系進行問題回溯和下鑽能夠準確地定位到問題，反饋給業務讓其解決相應的問題。這就是指標體系存在的意義和資料分析師的價值所在。那如何才能建設一套能夠實時監控業務變化且能迅速定位業務問題的指標體系呢？小編今天會用三個步驟，四個模型教會大家指標體系的構建方法。
構建資料指標體系的方法概括
資料指標體系建設的方法可以總結為三個步驟，即明確業務目標，理清使用者生命週期以及行為路徑以及指標分層治理，在這三個步驟當中又涉及到 OSM（Object，Strategy，Measure），AARRR（Acquisition，Activation，Retention，Revenue，Referral），UJM（User， Journey， Map）， MECE （Mutually Exclusive， Collectively Exhaustive） 四個模型，這四個模型是指導我們構建完整而清晰的指標體系的方法論。
小編整合這四個模型，為大家梳理了一套建設指標體系的流程和方法。
三個步驟，四個模型方法論
1.OSM模型-明確業務目標，資料賦能業務
OSM模型是 Object，
Strategy
， Measure的縮寫。資料服務於業務才能賦能業務，資料脫離業務，那麼資料就會失去其價值。
所以，我們在建立資料指標體系之前，一定要清晰的瞭解業務目標，也就是模型中的
O，
Object。換句話說，業務的目標也就是業務的核心KPI，瞭解業務的核心KPI能夠幫助我們快速理清指標體系的方向。
瞭解業務目標方向之後，就需要制定相應的行動策略，也就是模型中的S，
Strategy
。行動策略的制定可以根據產品生命週期或者使用者行為路徑進行拆解，也就是把業務的核心KPI拆解到產品生命週期（AARRR）或者使用者行為路徑（UJM）當中，在整條鏈路當中分析可以提升核心KPI的點。
最後，就需要我們制定較細的評估指標，也就是模型中的
M，
Measure。評估指標的制定是將產品鏈路或者行為路徑中的各個核心
KPI
進行下鑽細分，這裡用到的方法就是麥肯錫著名的
MECE
模型，需保證每個細分指標是完全獨立且相互窮盡的。
總結一下
OS
M
模型的內容及其與
AARRR，UJM，MECE
模型之間的關係，OSM模型是指標體系建設的指導思想，理解業務KPI是OSM模型的核心；制定行動策略是實現業務KPI的手段，而AARRR和UJM模型是實現策略制定的方法論；制定細分指標是評估業務策略優劣的方法，而MECE模型制定細分指標的方法論。
2.AARRR模型和UJM模型--理清使用者生命週期以及行為路徑
前面我們提到AARRR和UJM模型是實現策略制定的方法論，對於剛入門或者想要轉行的朋友來說，可能對這兩個模型都還很陌生，下面我們就簡單的介紹下這兩個模型。
AARRR和UJM模型都是路徑模型，二者原理相似，只是它們出發的角度不一樣。AARRR模型是從產品角度出發，揭示產品的整個生命週期；而UJM模型是從使用者出發，揭示使用者的行為路徑。
AARRR
模型是基於產品角度，簡單地來說就是拉新，促活，留存，付費，推廣。對於一款產品來說，我們首先要從各個渠道獲取使用者；其次需要啟用這些使用者並讓他們留存下來；對於留存下來的使用者引導他們付費以及推廣產品。
UJM
模型則是從使用者角度出發，描述了使用者進入產品的整個路徑流程，即註冊，登陸，加購，購買，復購鏈路流程。
無論是產品角度還是使用者角度進行鏈路流程，核心
KPI
都可以下鑽到相應的節點，這樣我們就在整條鏈路流程當中拆解了業務的核心KPI。這樣的好處是，我們可以從更多的角度和維度監控和分析業務問題。
3.MECE模型--指標體系分級治理
前面兩個步驟，首先我們明確了業務核心目標；其次，我們將業務核心的KPI下鑽到產品生命週期或者使用者路徑行為中；接下來我們需要對這些核心KPI向下進行三到五層的拆解，這個過程我們成為指標體系分級治理，用到的模型是MECE模型。MECE模型的指導思想是完全獨立，相互窮盡，根據這個原則拆分可以暴露業務最本質的問題，幫助資料分析師們快速地定位業務問題。例如，客戶總成交額GMV進行以及拆解可以是付費使用者數與平均客單價的乘積。
以
GMV
為例，用三個步驟，四個模型教會你搭建指標體系的方法
如果你的老闆給出你一個很大的業務問題，他說，“我們現在做一套
GMV
相關的指標體系，你出一個方案吧！”面對這麼大的一個命題，我們就需要對命題進行分解，將其分解成若干個子問題並找到各個子問題之間的聯絡，做成一套業務監控指標體系，幫助資料分析師快速定義業務問題。在這裡，我們就透過上面提到的三個步驟，四個模型去搭建
GMV
相關的指標體系。
第一步，根據
OSM
模型構建整體框架，明確業務目標。
為什麼業務會關注
GMV
？當然這是業務的核心
KPI
，關係到自己的飯碗，
GMV
當然越高越年終獎越高。所以，作為資料分析師我們提煉出業務目標
——
提升使用者總成交量
GMV
。
第二步，根據
AARRR
或
UJM
模型拆解使用者達成
GMV
的路徑，將業務目標轉換為提升使用者路徑轉化率。
使用者達成
GMV
需要透過六個步驟，即註冊
-
登入
-
曝光
-
點選
-
加購
-
成交。到目前為止，我們已經將提升
GMV
這個目標轉換為提升使用者付費路徑的轉化率，只要我們提升使用者每一步的基數，使得每一步的轉化率變高就可以達成提高
GMV
的目標。
將提升
GMV
轉化為提高使用者達成
GMV
路徑轉化率還有另外一個好處，即透過路徑拆解能夠暴露業務更多的問題，同時，分析師可以根據暴露的業務問題提出相應的建議方案，這也是資料分析師的價值所在。
第三步，根據MECE模型對GMV達成路徑的每一個指標進行拆解，實現指標分級治理。
有了
GMV
達成路徑之後，我們就可以將這個路徑的核心步驟抽象成
GMV
的分級指標並進行回溯下鑽。同時，找出影響每一個步驟的關鍵因素作為二級指標，每一個關鍵因素之間需要完全獨立，相互窮盡。
我們先根據公式
1
：
GMV=
成交使用者數
*
平均客單價
這裡將核心
KPI
使用者總成交量
GMV
進行了一級拆解。
又有公式
2
：
成交使用者數
=
點選
UV*
訪購率
將公式
2
帶入公式
1
得到：
GMV
=點選
UV*
訪購率
*
平均客單價
又有公式
3
：
點選
UV=
曝光
UV*
轉化率
將公式
3
帶入公式
1
得到：
GMV
=曝光
UV*
轉化率
*
訪購率
*
平均客單價
到這裡呢，我們已經將核心
KPI
使用者總成交量
GMV
進行三級回溯拆解，形成了分級治理的指標體系。到這裡並沒有結束，像曝光
UV
等著指標還可以繼續向下拆解，例如，谷歌渠道曝光
UV
，華為渠道曝光
UV
等等，可以根據具體的工作場景進行適當的調整和向下拆解。
講到這裡你可能會有幾個問題。
問題
1
：指標分級治理拆這麼細有什麼用？
正向作用
：分解核心
KPI
，明確每一個步驟的行動計算和每個行動考核指標。
例如，老闆讓你估算明年
GMV
，就可以根據歷史資料運用這套指標體系對明年的
GMV
進行估算。
再例如，老闆讓你下個月做到
1
個億的
GMV
，讓你出個方案。這是就可以再對曝光
UV
進行細分，把量拆解到每一個渠道上去。
反向作用
：當業務出現問題，可以透過指標體系反向排查業務問題。
例如，這個月的
GMV
下降了
10%
，老闆讓你排查下問題在哪裡。這時候就可以根據這套指標體系逐一排查問題，定位到是哪個步驟，哪個環節出現問題，並提出相應的解決策略。
問題
2
：在運用
MECE
模型進行指標體系分級治理時，是不是拆的越細越好，越全越好？
當然不是，在進行
MECE
拆解時，需要找到與核心指標有重要關聯關係的子集進行拆解分類，這樣才能保證指套指標體系能夠指導業務進行決策分析，幫助數分定位業務問題！
指標體系相關文章持續更新中，當你入職新公司你知道如何為新業務搭建一套通用的指標體系並快速實現落地嘛？在看滿
16
個繼續更新哦！
如果喜歡我們的文章，請分享給你的好友，動動手指就是對我們最大的支援！
最後，為大家收集了
各個行業指標體系模板
，回覆【
指標
】即可領取！
參考連結：
https：//www。zhihu。com/question/315972357/answer/1238739118
https：//www。zhihu。com/question/396456056/answer/1238380415
https：//zhuanlan。zhihu。com/p/153286082
https：//blog。csdn。net/weixin_39699670/article/details/111103446
http：//www。woshipm。com/operate/4000572。html
如果您覺得我們的文章還不錯，請分享，點贊，再看，一鍵三連！！！