工作5年，我总结了指标里的这些“坑”

作为一个5年+的数据打工人，相信只要与数据打过交道，都直接或间接的接触过“指标”相关的问题或需求，那么，我们今天就来聊聊指标里的那些“坑”

01 指标搭建过程

开局先上图：

我们来详细解读一下：

第一步：确定目的

目的很重要！目的很重要！目的很重要！重要的事情讲三遍～

“把问题描述出来，问题就解决了一半”，一样，确定度量的目的，就基本知道需要什么指标了。

我们第一步一定要和产运确定好度量的目的，如果想看用户粘性，我们可以使用留存率、活跃频次、DAU贡献度等；如果想看用户消费，我们可以使用点展比、pv均消费次数、日均消费次数等。

一切的指标，都是为目的服务，所以，我们确定好目的，就如同客人点好了菜，我们才知道要做什么

第二步：确定评估维度

客人点好了菜单，作为厨师，我们就要开始配菜了。

其实“菜”点了，作为一个有经验的“厨师”，我们就知道需要什么样的配料了。

通过目的的确认，我们可以把具体业务拆分为产品功能和业务过程，我们把功能映射到相应的指标上，生成最初的原子指标，也就是无法再次拆分的指标。

如：XX页面的PV，是该页面的原子指标之一，XX页面的点击次数，也是该页面的原子指标之一。

通过目的，我们找到了对应产品功能下的原子指标；但是我们怎么确认，我们筛选出的（原子）指标能够更全面的反应功能的情况呢？后面我们接着说。

第三步：明确计算逻辑

配料之后，我们就要开始做菜了。

产品功能映射完了，我们还需要对原子指标进行处理：组合原子指标，修饰原子指标，使其变成派生指标（也就是在原子指标上，加入业务流程）。

举例：

CTR（pv均点击次数） = 点击次数 / PV

业务流程：该功能能够被点击&展现，想要度量一次展现，能够带来几次消费

XX功能当日UV渗透率 = 使用XX功能人数 / 上级功能使用人数

业务流程：该功能通过某个上级功能流转过来，想要度量该功能被消费的效率/漏斗

这些指标都有明显的修饰词，或是由多个原子指标组合而来，这些就是派生指标。

派生指标就类似做菜时的烹饪手段，煎炸炒烧，如何把原子指标“做成“我们需要的指标，从而更好的度量产品，反应产品好坏，达到我们建立指标的目的，才是我们最关键的步骤

第四步：计算波动阈值

大多数分析师可能都不会算波动阈值，觉得没有必要或者麻烦。

但是如果我们算了波动阈值，会有哪些好处呢？

主要有以下3点：

（1）事前：非常明确的知道，波动是否处于正常范围，从而及时的发现和提出问题

举例：某APP，日常DAU 1000w左右，昨日波动了15w，那么，15w是正常值还是异常值？如果我们率先发现提出了问题，我们后续是否能够更多的进行分析，摆脱Sql Boy的“命运”

（2）事中：建立相应的AB-test评估体系，指导产运进行实验分析

举例：某功能上线了一个实验，CTR从基准桶的50%上涨至53%，涨幅的3%是否有收益？如何衡量收益大小or正负？

（3）事后：沉淀复盘，培养自己的数据敏感度

举例：某会议上，产运找你聊想要做的实验，预计会影响的指标，问你如何评估影响或计算收益，你直接说出这项指标的“经验波动阈值”，产运后续是否会更信服你，后期是否更容易开展工作

但是，切记：不同的流量下，波动的大小不同，阈值也会不一样，所以我们需要计算的是： 常用流量分桶 （不同流量区间）的波动阈值，切忌一切波动都套用大盘波动阈值。

02 常用指标举例

上文留了一个疑问：如何保证指标能够较全面的反应产品情况？

我们现在来解答一下：通过指标的分类，我们会大致知道，在不同的度量目的下，需要建设怎样的指标。

从覆盖角度来说，我们可以大致把指标分为 横向指标 & 纵向指标

• 纵向指标：漏斗转化，如UV渗透率

但是纵向指标有一个非常明显的缺点：渗透1次，UV算1次，渗透2次，UV渗透还是只算1次，所以，我们就需要横向指标。

• 横向指标：人均点击次数、人均消费次数

在度量纵向效率的同时，我们还需要度量横向的消费效果，类似坐标轴里的的XY轴才能确定坐标；横向指标和纵向指标组合，我们才能度量不同场景下的产品情况。

从度量内容来说，我们可以大致把指标分为 效率指标 & 消费指标 & 活跃指标：

• 效率指标：度量服务效率是否高效，如功能渗透率、用户转化漏斗等
• 消费指标：度量用户的消费深度 & 消费广度 & 消费满意度，如 消费页面数、页面停留时长、功能尾点击比例等
• 活跃指标：度量用户的活跃度，如 周活跃天数，XX留存率，XX使用频次等

从业务角度来说，近期随着视频的兴起，我们把指标分为 视频指标 & 非视频指标（社交or电商or流量）

视频指标：

• 3vv ：观看时长>=3s的观看数 / 总观看数
• 长播/完播率 ：播放比例>=0.6或0.8的观看数/ 总观看数
• 平均视频观看数：总观看视频数 / 打开APP次数
• 平均观看时长 ： 总观看时长 / 打开APP次数
• …..

非视频指标：

• DAU：Daily Active User，即日活，这里有个坑：一定要明确口径；是打开APP即算日活？还是打开超过10s算日活？还是其他条件？很多分析师只知道日活，但是并不知道日活的口径，这会导致DAU波动时拆解逻辑不对，得出错误结论
• NU：New User，即新增，也需要注意口径的坑，是下载就算，还是激活APP就算，还是新增注册才算？
• GMV：Gross Merchandise Volume，即交易金额，注意，GMV理论上来说，含有已付款&未付款，但是各个公司不一样，需要注意口径
• LVT：客户生命周期价值，这个在做渠道时常用，咱们下期文章再来解释指标的详细计算逻辑和波动拆解，敬请期待
• CAC：获客成本，这个也是做渠道时常用，咱们也下期讲
• ……

指标太多，大家可以多看看相关书籍，也可以多总结沉淀自己用过/见过/了解过的指标，后期对于产品的分析，策略的制定，都有很大的帮助。

好了，本期内容就是这些，希望对你有帮助。

本文作者 @巡山猫 。

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！