如何搭建指标体系？「5×3」矩阵助力快速落地！

今天和大家分享企业在不同阶段中数据指标体系的搭建理论和方法，为企业设计指标体系提供思路和借鉴。

一、指标体系规划「三步走」

规划数据指标体系遵循「OSM×UJM×场景化」三步走思路。

首先，通过 OSM（Objective-Strategy-Measurement）拆解业务目标，使之结构化。然后结合 UJM（User-Journey-Map）梳理用户生命旅程，将公司目标、策略与业务流程快速耦合在一起。最后通过场景化模块，推动指标体系落地。

接下来我为大家详细阐述 GrowingIO 在帮助客户规划数据指标体系时常用的「三步走」思路。

第一步：OSM 拆解具体业务目标

规划指标体系的第一步，是通过 OSM 模型使业务目标结构化。通过拆解业务的具体目标，落地业务执行战略，进一步评估业务策略的有效性，以反映执行策略是否达标。其中，业务目标拆解是我们认为最重要的一点。

接下来给大家举例一个电商经典的目标拆解，通过拆解电商的黄金公式，即将营业销售额（GMV）拆解成为用户数×转化率×客单价。拆解业务目标点，可以发现提升 GMV 依赖于用户数提升、转化率提升和客单价提升三个阶段。

第二步：UJM 梳理用户生命旅程

UJM 是用户生命旅程。举例电商产品，通过抽象业务流程，可以把用户产品使用过程分解为「了解平台—浏览平台—产生兴趣—付费购买—用户分享—产生复购」六大阶段。

在整个用户旅程中，用户会反复发生各环节间的相互跳转。

确定 UJM 后，需要与业务目标相耦合。处在不同生命周期内的用户都有与之对应的业务目标值。如在用户进入阶段，我们的首要目标就是用户留存。为了达到这一目标我们需要寻找用户产生的接触点。了解接触点后，我们就能找到每个环节的痛点和机会，反哺业务目标。

第三步：落地业务场景搭建指标体系

有了 OSM 和 UJM 两大框架之后，需要借助场景化推动指标体系落地。在搭建指标体系的实践中，要将目标拆解和用户旅程映射到真实的业务场景中。

在上千家客户实践中，抽象出了 20 个通用的业务场景，提供适配的指标体系搭建方案。

举个例子，当我们的战略目标为提升 GMV 时，可以将其拆解为 3 个细分业务目标，其中目标 1「提升用户数」在关联用户生命旅程后，对应出「找到最优投放渠道」的业务场景。该场景又涵盖了线下活动导流私域流量、通过裂变活动寻找 KOC 等特殊的变形场景。「OSM×UJM×业务场景」是 GrowingIO 在服务上千家客户后总结出的一套指标体系搭建思路。借助这套方法论，新兴行业能够快速找到指标体系搭建的黄金公式，细化业务目标，映射于用户的 UJM 路径之中，最终匹配对应的场景。

关于指标体系规划的详细介绍，可以参考如何搭建一套业务、数据一体化的数据指标体系。

二、「5×3」矩阵搭建企业指标体系

接下来和大家分享企业进入数字化进程后，搭建指标体系时需要关注的五项工作和三个阶段。

我们把搭建指标体系的过程划分为 5 纵 3 横的几个模块。纵向的五项工作，对应着 OSM 模型的策略执行场景。依次是拓展高质量渠道、流量分发、产品体验、运营促销及商品运营。

横向代表了企业的三个运营阶段，分别是全局统一运营、会员分层运营和智能模型运营。

尽管企业因为行业性质、目标用户等不同，构建指标体系的落足点也有所不同。但 GrowingIO 在服务企业的初级阶段，所面临的用户第一需求几乎都是搭建全局统一的运营体系，即渠道投放、首页分发、解决转化瓶颈等基础场景。只有关注基础场景，才能快速发掘产品的痛点和问题，做出基于全局的诊断。

其次，企业需要关注分层运营的需求和场景，建立分层会员体系支持运营需求。最后是实现自动化的管理与分发，提升个性化推荐的效率和效果。

1. 全局统一运营阶段

全局统一运营是搭建指标体系的第一阶段。在这个阶段，企业的核心在于识别用户：我们的用户是谁？从何而来？有无转化阻碍？

为了达到这个目的，我们抽取出了三个最关键的场景：

1. 打通渠道数据，找到最优投放渠道
2. 监管首页分发，优化用户引导
3. 串联访问数据与业务支付数据，获取真实转化率

通过数据打通数据，我们可以获得两个业务场景的应用效果。

第一个场景是准确识别渠道质量。获取不同渠道的获客质量和获客能力，是市场投放与外部引流中最关注的环节，因此需要建立合适的指标衡量不同渠道产生的用户效果。

上图展示了不同广告来源的流量效果。橙色框代表着各个广告渠道获得的流量；蓝色框用于衡量用户访问行为，使用跳出率、人均浏览页数和人均访问时长三个指标；黄色框用于衡量业务效果，涵盖浏览详情页、加购成功、购买成功三个用户行为。打通渠道数据、访问数据、业务支付数据后，我们就能得到各个渠道的用户转化率，识别出高质量的广告渠道。

从上图可知，仅从用户量而言，B 是一个较小的流量渠道，如果只看访问数据，它的整体跳出率低，人均访问质量非常高，B 是访问效果较好的渠道。

结合业务效果指标分析，就会发现 B 渠道的购买转化率非常低，只有 0.01%。像 B 渠道是交互效果强但真实购买转化效果差的渠道，就是业务部门常说的异常渠道，需要重点关注，把握渠道流量，提升转化效果。

还原平台转化地图，识别转化痛点，是打通数据后的第二个应用场景。分享一个客户案例。上图展示了一套电商平台从来源引导到访问，再到高价值行为、支付的标准流程图。

通过打通全局数据，我们可以清晰地描绘出该电商小程序用户来源的渠道构成、整体访问情况，包含从首页、搜索再到高价值支付行为的全流程用户数据，挖掘可优化的用户转化环节。

在全流程监控用户行为后，我们发现了客户产品设计中的最大问题——加购流程过于复杂。与首页列表或产品列表页直接加购的设计不同，该电商小程序要求用户必须进入产品详情页面才能完成加购。

通过还原数据行为，我们佐证了该电商小程序中过于复杂加购设置对用户转化率的负向影响。

基于该流失转化率，我们为客户提出了优化意见：缩短转化路径。即通过首页或产品页的加购引导，使用户点击小程序后可直接跳转至高转化率的产品列表页，变相提升小程序的付费转化率。

在该案例中，通过埋点流量分发环节，帮助客户识别最优渠道、提供产品优化思路，使该电商平台支付转化率提升 20%以上。

2. 会员分层运营

在完成数据积累后，就进入到会员分层运营的阶段。会员分层运营指向多样的场景：比如基础的用户运营、会员运营，再到定向的活动推送、弹窗曝光……

在用户运营上，通过细分用户生命周期，划分出不同类型、不同状态的用户，针对性设置差异化提升指标，匹配精细化运营策略。

举个例子：对于新客而言，复购转化是其阶段目标。可进一步拆解成复购率、次月留存率，通过保证留存来提升用户复购。对于新客而言，运营策略应集中于新客优惠福利。通过识别处于新客阶段的用户，使用定向推荐红包、满减优惠等策略，进行精细化运营，提高用户复购及次月留存。

分享一个内容平台的案例帮助大家理解会员分层运营。这个案例的目标是希望通过派发免费会员权益，引导新用户完成付费转化，实现平台付费和留存率的提高。为了提高新用户付费和留存率，我们在用户领取会员权益后，设计分阶段转化率测试，识别影响用户付费转化的关键因素。

在测试设计的过程中，需要特别关注以下两个问题：

第一，识别用户行为。在进行分阶路径设计时，需要明确的是我们到底要对什么样的用户进行测试——是领取过会员卡的用户还是没有领卡的用户？

显然，测试的对象为领过会员权益卡的用户。因此我们需要判断平台上的用户行为属性，这就依赖于用户行为数据的采集。

第二，判断兴趣标签。在找到领取会员卡的用户群后，需要根据采集到的行为数据构建用户兴趣标签。

比如用户是喜欢历史的、还是喜欢地理的？是有内容偏好的、还是进行泛阅读的？不同用户标签标记都会影响后续的运营分组测试。

以上就是我们数据准备过程的一个概述。

在划分领卡用户后，就可以进行用户测试，通过回收数据、复盘数据实现测试迭代。在这个过程中，我们使用了 GrowingIO 智能运营平台，测试有无内容偏好对购买转化率的影响。

此外，我们还测试了用户触达时点对转化率的影响——是在会员卡有效期内做触达效果更好，还是失效后的效果更好？如果是失效后的效果更好，是失效后的 15 天内，还是 4 周后？

通过测试，我们洞察出在用户领取会员卡 0-15 天内做触达得到的付费转化率最高，业务部门快速将这个结论落地于文案设计的实践中。

比如在文案中设置紧迫性的语言提示，要求用户必须当日领取会员权益、或是在三天内兑换会员，以达到提升转化效果的目的。

通过结合测试结论与业务实践，我们帮助客户实现了两大跨越：

1. 付费转化率达提升 58%。
2. 构建了完整的用户标签体系，助力平台精细化运营。

通过获取用户行为数据，可以测试不同因素对付费转化的影响。充分利用运营的持续性，进一步通过回收用户数据不断调整和迭代影响因素测试，实现用户精细化运营。

3. 智能模型运营

人治阶段的运营以经验导向为主，可以通过收集数据、标签用户，完成用户精细化运营。相较于基础版的全局运营，极大地提升了整体运营效果。但在长期运营中，人治的方式在效率上还有所欠缺。

因此在搭建指标体系的第三个阶段，我们可以通过智能运营模型，实现“黄金铺位”的管理和分发，进一步提升运营效率。

下面我们将通过一个案例，分享智能推荐的实操。在该项目当中，我们与头部电商合作，帮助客户汇总用户的行为数据，并做出以下成果：第一，丰富了用户的特征列表。通过采集用户行为数据，商城可以设置基于商品标签的推送逻辑，动态调整推送商品。

比如，当我们发现用户对“水杯”类产品浏览次数增加却没有下单时，可以判断用户有购买该产品的需求却没有找到理想款式。于是通过商品标签的推送逻辑，在用户浏览页推送款式、功能、价格相近的水杯，缩减用户搜索时间，提高商品成交率。

其次，通过强大的用户标签体系，帮助平台构建基于用户属性的推荐模型。通过整合用户行为数据，可以为每位用户贴上标签，并进行深入化的应用。

比如，一个用户的标签为：20-25岁，女性，白领阶层，单身…最近购买了某品牌的连衣裙。那么具有相似标签的用户群体，我们推断她们有很大的可能在该时间段产生相似的需求，并基于此做出相应的推荐。基于用户属性推荐的商品列表，能够唤醒用户潜在消费需求，扩大电商的 GMV。

第二，实时调整运营场景动作。通过收集用户行为数据，我们可以洞察用户推荐接受偏好。推荐弹窗是平台商品推荐的方式，也是激发用户购买兴趣的首发页，研究推送方式对推荐点击率的影响非常必要。

用户接触推送弹窗可以分为主动点击和被动点击两种。通过追踪平台上用户的弹窗点击行为，可以区分出高弹窗点击兴趣和低弹窗点击兴趣两种类型用户，根据用户的动作偏好设计浏览页。

比如年轻的用户群体可能喜欢主动点击弹窗，那么我们就可以提高弹窗在年轻用户浏览页中出现的频率，吸引用户点击。

当我们发现某类群体对弹窗的态度相对被动时，就需要及时调整页面的推送动作，提升用户体验感。

通过智能化运营，该电商平台实现了推荐位点击率 10%的提升。值得注意的是，推荐位点击只是一个中间效果，不能将其看成是关键指标，最终还是需要围绕电商平台的成交量指标去做转化。

目前，我们与该电商平台的合作还在持续进行，如果还有机会，期待和大家分享进一步的结果。

综上可知，搭建指标体系是一个 5×3 的一个推进过程，也是企业逐步提升运营效率和效果的过程。

三、指标体系搭建的实操流程

1. 6 大核心模块

前面的部分和大家分享了指标体系的搭建阶段和搭建环节，明确了相关的指标模块、场景模块以及数据要求。这部分我们会带大家进入一个真实的指标搭建情景，提供实操的建议。

我们把指标体系的搭建过程做了一个去行业化的整理，保留了以下 6 个比较核心的模块。

在全局统一运营阶段，我们需要核心打通的有三个环节。

第一个就是渠道的数据打通，明确用户的渠道来源。第二个是各个渠道的分发效率，它的转化表现如何。第三个是监控转化效率，也就是打通访问数据和效果数据。在会员分层阶段，除了监控活动效果，还需要打通用户属性。即汇集 CRM 的数据，串联用户属性和用户行为。

智能模型运营阶段中，核心环节在于推荐位的智能运营。

以上这六块是「5×3」矩阵中较为核心的工作项目。通过串联用户行为与企业运营阶段，就能构建出与企业阶段发展目标相匹配的指标体系。

2. 协作赋能 高效落地

搭建指标体系依赖多维度的用户数据，因此需要公司全体部门联动实践。市场、运营、产品、数据、开发等部门均需赋能指标体系搭建过程，协助完成需求收集、方案规划、数据采集、方案评估、数据验证、效果评估等工作，共同搭建数据驱动业绩增长的指标体系。

以上是搭建企业指标体系方法论、体系和实践应用的分享。希望今天的内容能够对大家有所帮助，有所启发，谢谢大家！

作者：张荠卉，GrowingIO 的商业数据分析师

来源：GrowingIO 增长公开课

本文作者 @GrowingIO

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！