指标管理的那点事儿

一、指标需求调研

1. 场景

  • 场景一:阳光明媚的下午,会议室中,大老板坐在老板椅上绷着大脸,脸红脖子粗的咆哮:驾驶舱的“应收账款”和表单里的“应收账款”为啥不一样?这甜蜜明明是一个数,还给我整的别具一格?能干不能干了?不能干都甜蜜回家种地去!
  • 场景二:财务部的小李一脸幽怨的盯着表单上的“其他收入”,但始终想不明白是啥意思。
  • 场景三:运营部的小王一脸贱笑的问:张哥,你猜这个月的报表准不准。张哥不耐烦的说,别问我这种没谱的事!

2. 需求痛点

基于但不限于上述场景,可概括为如下六类痛点:

  1. 指标名称冲突:指标名称相同,计算逻辑、统计口径、数据源等不一样,这种情况非常让人费解;
  2. 命名难以理解:好的指标命名是可以推断出其包含的业务过程的,但工作中总会碰到一些指标,很难判断这个指标是描述什么业务的;
  3. 计算口径不统一:有些指标的计算口径不同的人会有不同的理解方式,导致使用者对这一指标理解产生歧义;
  4. 计算逻辑不清晰:之前工作中经常会碰到这类问题,当指标出现问题时需要去查代码才能找到指标使用了哪些表中的数据。而有些计算逻辑比较复杂的指标很难用语言描述清楚,即使能够描述清楚也会需要大段文字。指标开发人员很清楚其中的计算逻辑,使用者用起来是一头雾水;
  5. 指标重复:由于没有统一的指标管理体系,导致很多指标重复开发,不同指标名称背后很可能是相同的计算逻辑和统计口径;
  6. 指标使用问题:由于指标命名不规范、指标描述不清晰等问题,使用者不知道如何使用、分析这一指标。

3. 使用角色

CEO、总裁副总裁、各部门领导、运营同学、可能还有看门老大爷和保洁阿姨等。

4. 目标

让用过的人,拿着科学计算器狂按666。

二、优秀的指标管理怎么做

1. 前期准备工作

1)第一梯队核心指标范围确定

指标梳理初期,我们要找到属于公司第一梯队的核心指标。这些指标通常源于:常用业务系统、统计报表、对相关部门的需求调研、行业标准等。在此范围内,根据行业发展阶段、公司产品定位和核心客户价值判断优先级。

首先判断行业所处阶段,一般分为萌芽期、饱和期、成熟期、消亡期,不同时期的重点核心指标也不同。

  • 萌芽期特点:行业空间巨大,供给相对于需求来说极为有限,通俗来讲就是供不应求;市场对产品的质量极为不敏感,说通俗点,只要有货能卖,有货能买就可以;价格战还没有大面积铺开,大部分企业只要抓住机会就能挣钱,就是我们常说的第一批吃螃蟹的;公司或者个人老板成长的极快,财富累积比较快。
  • 饱和器特点:市场总量比较饱和;价格战开始大面积拉开;对于市场消费者的需求开始个性化,品质化;存量市场竞争加剧。
  • 成熟期特点:竞争减少;市场领先者或者行业寡头开始出现;领先者或者行业寡头开始收割利润;领先者开始出现壁垒,如技术和人员无法替代。
  • 消亡期特点:新的技术手段出现取代现有行业;行业大变革;新的竞争开始出现,进入新的创业期。

其次是公司产品定位、主要解决了用户哪些问题、核心转化路径和盈利方式等。

最后是核心用户的维度,例如GMV(商品交易总额Gross Merchandise Volume)、CLV(顾客终身价值Customer Lifetime Value)、满意度、流失率等。

GMV是衡量一个电商平台或者一家电商企业的实力和发展潜力的重要指标之一。

GMV = 购买人数 * 客单价

= 访问人数 * 购买转化 * 笔单价 * 复购率

=(新增用户 + 活跃老用户)* 商品详情页触达率 * 购买转化 * 笔单价 * 复购率

CLV是可以衡量业务的最基本的客户成功指标之一。它展示了单个客户与公司建立关系的过程中产生的总营收。可以用:

顾客平均购买价值 * 平均购买频率 * 平均客户寿命 = 客户的估计收入额

例如,假设客户每次在商店购物平均花费30元,每个月光顾三次,平均客户寿命是2年,2年之后他们不再从商店买东西。由此可以确定该顾客的CLV是2160元。

30元 x 3次 x 24个月 = 2160元

企业可以使用CLV来确定客户的价值。如果他们的价值增加了,那么公司就知道产品和服务正在为做出贡献。如果减少,那么企业可能需要重新评估提供产品和服务并寻找其中的缺陷。

当我们明确指标后,发现指标是由若干条件组成的,此时就可以对其进行拆解,粒度至各角色可具体执行的动作。

比如基于公司第一序列核心指标的GMV和CLV,运营部门的目标是平均购买频率提升30%;产品部门的目标是购买转化率提升 50%;市场总监的目标是访问人数增加 100 万。

在各部门收到拆解的指标后,就可以据此设计对应的提升策略,然后结合用户使用习惯和AARRR模型等用户行为监测手段,给策略搭配具体的执行动作,消除用户的使用卡点并提升转化。

2)指标解析

拿统计报表的指标解析步骤来举例,通常指标解析的步骤分为5步:

  1. 理解业务。首先通过报表标题、表头、表尾,以及各数据项的关系和公式来了解统计报表是要做什么的。
  2. 剔除无效指标。报表不是所有指标都是有效指标,与业务没有强关联的指标可以视为无效指标,例如“操作”、“序号”等。
  3. 分析指标的维度、筛选条件、公式。
  4. 确定报表的数据期。数据期也就是查看统计报表的时间粒度,我们需要确认:确定数据期字段、确定数据期类型。
  5. 与业务方或技术方确认,保证指标的权威性。记录存档,以备指标定义时使用。

2. 建设方案

 1)指标按照强业务相关联系划分

华罗庚先生可能说过:分类是认识和管理复杂事物最好的方法之一。那么为了提高指标利用率,一般会按照业务线或业务维度的抽象集合划分。例如餐饮行业的堂食、外卖。外卖的抽象集合有冷饮、盖浇饭等。

2)指标命名规则

原⼦指标 = 单⼀业务修饰词+基础指标词根

例如:交易金额(原子指标) = 支付(业务修饰词) + 金额(基础指标词根)

在原子指标上进行加减乘除或者修饰词的限定等等都是衍生/派生指标。

阿里对衍生/派生指标的定义:衍生/派生指标 = 原子指标 + 时间周期 + 修饰词

其中的时间周期,也可以理解为时间维度,因为大多数时候,我们业务分析上都是用的离散时间值,比如近 1 天、近 3 天、截止昨天等。

修饰词,可以理解为不同的维度,或者是维度中特定某个值。比如地区维度。抽象的东西通过例子来理解:

近 1 个月北京市的活跃用户数 = 活跃用户数(原子指标) + 近 1 个月(时间周期) + 北京市(修饰词)

将原子指标、时间周期、修饰词、维度等分别定义出来,就好像砖头和水泥,工程师将最细粒度的建材构建出来,并且设定好建材之间的组合规则,用户可以根据自身业务需求进行组合,组合完成后,系统自动生成对应的 SQL 语句。

一方面,对某个原子指标进行改动的时候,其他依赖该原子指标的衍生指标对应的逻辑系统也会自动更新。另一方面,也可以避免描述同一事件时,指标统计口径不一致的问题。

3)构建指标字典

通过指标管理系统对存量和增量指标进行统一管理,形成一个全局业务口径一致的指标字典。新增指标按照数据开发的流程来进行。存量指标需要梳理当前业务线、当前使用的报表、对指标划分业务线、抽象集合,区分原子指标、派生指标,指标规范化等操作,整理好之后录入指标管理系统。

三、功能概览

  • 使用者能按照指标管理体系将指标进行多维度分类。
  • 能够清晰的描述和展示指标名称(中英文)、业务口径、计算逻辑,能查到该指标的数据源,指向具体的;
  • 能够便捷的对指标进行添加、删除、修改、查询等操作。

四、落地方法论

那么指标开发完成后就完事了么?

让指标光秃秃的躺在驾驶舱或邮件里怎么能行?

所以对于一些重要指标在搭建完成后,还要用最简单快捷的方式把它推送到各个使用者的眼前。

比如每天定时推送消息到管理层,利用率会更突出。在指标关注度上升的同时,指标预警的作用也随之水涨船高,当数据出现异常波动时,可以快速查找原因定位问题,并及时做出反应。

本文作者 @赵大师 。

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站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。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部