1. 【电商信息通】首页
  2. 推广引流

数据人如何选择核心数据指标?

电商推广,微商引流

随着大数据的发展,数据逐渐发挥出其价值,从一串串各不相关的数字度量,到有一定的业务价值,可以起到监测、预警、控制的作用,这里所指的带有业务价值的数字度量就是数据指标。那数据这么多,如何才能选出核心指标呢?

据美国约翰斯·霍普金斯大学发布的实时统计数据显示:截至北京时间4月2日16时11分,全球新冠肺炎确诊病例已超过93万例,共计939436例。其中美国累计确诊216722例,确诊数依然居全球首位,日新增确诊病例2.6万,死亡病例5137例。在全美范围内,疫情高发区的纽约累计确诊数已超8.4万例。

数据人如何选择核心数据指标?

看到这一系列数字,是不是觉得十分震撼?你不是一个人,小特同学也跟你一样,以前觉得没有人比我更懂病毒;觉得我们做的很好,病毒即将消散;觉得记者都夸大其词,一个个的都很糟糕;觉得或许这就是人生吧。到现在,看到一个个掷地有声的可怕数据,终于意识到美国疫情的严重性,推出了2万亿美元的财政刺激方案、采取一系列防御措施来控制疫情发展。

数据化时代到来之前,人们大都是以“我觉得”来作为决策依据,总是自以为是,小特同学就是一个很好的例子。但随着大数据的发展,数据逐渐发挥出其价值,从一串串各不相关的数字度量,到有一定的业务价值,可以起到监测、预警、控制的作用,这里所指的带有业务价值的数字度量就是数据指标。

那数据这么多,如何才能选出核心指标呢?

接下来我们来看看约翰斯·霍普金斯大学是如何选择其核心数据指标的。

数据人如何选择核心数据指标?

从上图可以看出,约翰斯·霍普金斯大学发布的实时数据,按疫情发展过程统计了确诊数、死亡数、治愈数等原子指标,增加了时间/地理维度或修饰,得到一系列的派生指标,包含全球、意大利、美国、纽约、加州、华盛顿等城市等国家及城市的确诊数、日新增确诊数、现存确诊数、死亡数、治愈数等派生指标。

此处都是经历过挑选然后留下的核心指标,如果是让你来做数据图,你会选择哪些指标,为什么?怎么选的?选择方法是什么?

核心指标选择方法可总结4步:找准定位,从点到面、层层剖析、见招拆招。

第一步:找准定位

国内的丁香医生统计的数据指标,就与美国约翰斯·霍普金斯大学统计的指标有所区别。丁香医生统计的指标关注了境外输入数、新增境外输入数、现存重症等指标。若将疫情发展生命周期分为起步期、增长期、平台期、消亡期,则此时国内疫情处于消亡期,美国疫情处于增长期,两国疫情阶段不同,所以其关注的核心指标亦有所区别。

数据人如何选择核心数据指标?

同理,对于企业业务而言,产品亦有其生命周期,且在产品的不同阶段,所需选择不同的数据指标。

PLC模型

PLC模型(Product,Life,Cycle,Theory):又称为产品生命周期理论,是由美国经济学家raymond vernon提出,用于表示一个新产品从开发进入市场到被市场淘汰的整个过程。产品生命周期可分为初创期、成长期、成熟期、衰退期。在产品不同阶段,各业务方关注的数据指标有所区别。

初创期:产品刚刚上市,各功能都不完善,主要精力在于打磨及验证产品能力,先提供MVP版本的功能,服务有需求的特定人群。这个阶段会着重关注目标人群画像、关键行为、留存率。

以公众号“一个数据人的自留地”为例,公众号目前运营1个月。MVP版本提供的服务主要围绕数据产品开展,包含数据产品、BI、数据指标体系、用户画像、数据分析、数据策略等数据专业文章,以及埋点,SQL兴趣小组、知识星球,帮助数据产品进行知识的沉淀。

产品定位为初创期,所以主要关注点更多是打磨服务能力,了解用户群体的需求与产品服务的匹配度,重点关注的指标如:

1)目标人群画像:职业分布、性别、年龄、地域

2)关键行为:阅读、分享、关注、取消关注、收藏、在看

3)质量:仍读比例、跳出比例、阅读深度

快速成长期:经过了产品质量的打磨,产品有了较好的用户粘性,这时候产品开始进入自发增长期。处于自发增长阶段,可以将侧重点放在用户生命周期前半段的管理上,包含用户增长、激活、留存。

成熟期:此时用户增长趋势较为平缓,关注的核心指标由用户生命周期的前半段(增长、激活、留存)转为后半段(流失、回流),同时关注商业化转化路径。

衰退期:用户消费习惯发生改变或行业竞争大,用户转向其他产品,从而使原来的销售额和利润迅速下降,于是产品进入衰退期。

明确产品定位后,其产品目标往往有了初步的概念,下面我们来看如何将目标拆成一个个可量化的数据指标。

第二步:从点到面

整个疫情数据体系十分庞大,疫情体系对象包含患者、医院、医疗设备供应商、政府机构,从不同层面看,关注的指标各不相同。从整体患者层面看,展示确诊数、新增确诊、病死率、死亡数、治愈数;从医院层面看,展示医院确诊数、医护确诊数、医院病死率、医院治愈率……那可以通过什么方法来确定这些指标呢?

OSM模型

OSM模型(Obejective, Strategy, Measurement):是指标体系设计过程中辅助确定核心的重要方法,包含业务目标、业务策略、业务度量。

目标:用户使用产品的目标是什么?产品满足了用户什么需求?

策略:为了达成上述目标我采取了哪些策略?

度量:采取的策略带来哪些数据指标变化?

下面根据产品、运营、市场、客服、风控等部门的KPI/目标,以及为实现目标所采取的策略,进行分析,可得到一系列的结果/过程指标。

数据人如何选择核心数据指标?

通常产品关注用户体验/功能优化情况,运营关注用户增长/转化,市场关注渠道/广告营收,客服关注投诉/评价情况,风控关注风险等情况,具体情况根据对业务部门的调研结果确定。

第三步:层层剖析

指标分级法

此处采取指标分级法对指标进行层层剖析,过程中可结合OSM模型来确定指标。

一级指标:公司战略层指标,全公司认可、衡量业绩的核心指标,直接指引公司的战略目标,可以通过第一指标法来获取。

第一关键指标法:是在《精益数据分析》一书中提到的方法,这个方法不是说一个公司只为一个指标负责,而是说在任意一个时间点,肯定只有一个最关键的指标。但随着业务发展,关注重点会有所变化。

数据人如何选择核心数据指标?

根据产品商业模式以及产品所处生命周期的阶段,来确定第一关键指标。例如以网约车行业为例,C2C网约车模式下处于营收阶段的产品,关注点在于以更低的成本获取更多的用户和营业额,关注扩大市场规模,创造更多价值,其第一关键指标就在于GMV。

二级指标:业务策略层面,也称为结果/核心指标,是对一级指标的路径分解,通过查看二级指标,可以快速定位变化原因。如完单量、客单价、完单率等。

三级指标:业务执行层面, 也称为过程指标,是对二级指标路径的分解,三级指标通常是业务过程中最多的指标。

根据各职能部门KPI不同,其关注的指标也各有差异,通常在拆解二、三级指标时,会结合OSM模型来进行划分。

数据人如何选择核心数据指标?

第四步:见招拆招

当然,在实际业务过程中,可以根据产品、运营人员的需要,再继续往下细分,选择相对应的分析模型,如Google以用户体验为中心的HEART模型,衡量网站体验的PULSE模型,阿里衡量用户体验质量的五度模型,以及增长黑客中的AARRR模型等等。

接下来我来介绍一下用户增长中使用比较多AARRR模型,其他的模型大家也可以自主探究。

AARRR模型

AARRR模型(Acquisition,Activation,Retention,Revenue,Refer):因其掠夺式的增长方式也被称为海盗模型,是由戴夫·麦克卢尔(Dave McClure)于2007年提出,其核心是AARRR漏斗模型,对应的是产品的生命周期。

获取:新增了多少用户?从哪些渠道来的?

运营人员通过各种推广渠道和使用各种方式宣传产品,来吸引目标群体注册为产品的用户,在过程中通过对不同营销渠道的效果进行评估,从而更加合理的制定投放策略,最小化用户获取成本。

激活:用户在产品上完成了什么操作?操作频次如何?

通过新手奖励、产品引导等方式,引导用户去进行产品功能的体验,让用户去发现、认可产品等价值,并且会持续性使用产品。

留存:用户是否连续不断使用你的产品?

有的用户来的快,走的也快,这时就说明这块应用没有用户粘性,或者是这波新用户质量不高等问题。通常一个老用户的成本远远低于获取一个新用户的成本,所以这个过程中,不仅要知道如何开拓新用户,还需要关注用户的留存率,以及用户是在什么状况下流失的。

收益:用户为产品带来了多少收益?

商业的本质是盈利,获取收益是产品和公司发展的基石,收入的来源有很多种,比如服务费、广告收入、流量变现等,主要考核的指标包含客单价(ARPU)、付费率(PUR)等。

传播:用户是否愿意推荐你的产品?

自传播也叫口碑传播或病毒式传播,指用户自发对产品进行推荐,自传播比较重要的指标是K因子(推荐系数)。

K=每个用户向他们的朋友发出的邀请数量*接收到邀请的人转化为新用户的转化率。

假设平均每个用户向10个朋友发出邀请,平均转化率为20%,则K=10*20%=2。

a)当K>1时,用户群就会像滚雪球一样增大,实现病毒传播。

b)当K<1时,用户群道某个规模时,自传播增长就会停止。

AARRR模型并提供一个系统的流程,帮助完成数据指标的选择。

数据人如何选择核心数据指标?

如上图所示,可以根据实际业务场景,结合使用OSM和AARRR模型,来系统性的选择不同阶段所需要的核心数据指标。

小结

指标选的好,轻松工作没烦恼~

核心指标选择4步曲:找准定位,以点到面,层层剖析、见招拆招。

你,学会了吗?

特别申明:本站的主旨在于收集互联网运营相关的干货知识,给运营小伙伴提供便利。网站所收集到的公开内容均来自于互联网或用户投稿,并不代表本站认同其观点,也不对网站内容的真实性负责,如有侵权,请联系站长删除。

版权声明:本文内容由【电商信息通】发布者电商信息通自发贡献,该文观点仅代表作者本人。【电商信息通】仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,请发送邮件至 admin@dsxxt.com进行举报,一经查实,本站将立刻删除。 本文地址:http://www.dsxxt.com/36328.html

发表评论

登录后才能评论
|网站地图