数据产品的KPI怎么定?

编辑导读:KPI是工作中的重要组成部分,是工作完成情况的参考。但是因为数据产品的特殊性,KPI很难制定。本文作者对数据产品的KPI制定提供了一些思路,与你分享。

一、为什么需要KPI

对个人而言,有目标才有动力,清晰的目标是照亮前行之路的灯塔;对管理者来说,目标可以更加公平公正的评估同事绩效成绩,用客观结果代替主观评价。目标制定时要符合SMART原则:

  • S(Specific):目标必须是具体的,也就是要用具体的语言描述清楚想要达成的行为标准,例如“增强用户意识”,提高产品质量,提高响应速度,提供专业服务这些可能都可以属于增强用户意识的范畴,“增强用户意识”就会出现指向不明,不知如何着手的情况

  • M(Measurable):目标是可衡量的,即要明确衡量目标是否达成的标准,最好是有可量化的指标,例如“提升用户产品使用时长”,现状是多少,提升至多少才算完成目标呢?

  • A(Attainable)目标要是可以达到的,无法实现的目标只是画大饼而已,而且一直无法实现会影响个人及团队的积极性

  • R(Relevant)目标和业务方向或其他目标有相关性,与主营业务无关的目标只会占用资源

  • T(Time-bound)目标要有明确的完成时间,否则只会无限延期

有符合SMART原则的目标很重要,有可以量化衡量目标完成的情况的KPI(关键绩效指标)更重要。

超级产品经理

二、数据产品KPI的困惑

C端产品或销售部门的KPI比较容易确定,比如转化率提升至XX,8月销售额达到XX千万等,指标确定后基于历史业务增长情况算一下高、中、低标的增幅,或者基于历史数据用时间序列的预测模型预测一把,下个月的KPI就出来了。但对于B端产品,尤其是数据产品,一般服务公司内部(商业化的数据产品服务于外部企业的员工),如何确定产品的KPI呢?

看用户数量?例如日活数为5精准营销平台(DMP)和日活500的OA产品相比,DMP平台产品表现就是很糟糕吗?当然未必,因为DMP核心用户群体相对有限,主要是用户运营,一个公司的运营人员的人数可能就是那么几个,这些人可能每天高频使用产品,进行数百万或千万的用户触达,带来十万级的新客增长或老客召回。而OA平台是员工日常办公场景下的一个门户入口而已。

看版本迭代速度和需求数量?每周都迭代的产品表现未必好,因为也可能是产品规划的时候方案设计缺陷后期返工,或者用户需求调研、挖掘不透彻,上线推广应用后,其他用户提出新的诉求。

显然,数据产品的KPI不能简单从UV和需求完成数量来确定,要把用户使用情况和产品价值两个维度综合考虑,数据产品的价值可以分为:决策支撑、降本提效、数据赋能。

  • 决策支撑:一般是可视化报表、数据分析类产品,通过数据产品帮助业务发现经营问题,调整业务策略

  • 降本提效:工具类数据产品,提升数据获取&分析效率,节省开发时间&人力成本

  • 数据赋能:个性化推荐、AI产品、CDP/DMP平台等,通过数据产品,促进用户转化,拉升业务增长

三、数据产品KPI案例

UGC类型的产品:主要是工具类,用户基于平台进行数据加工任务、数据可视化报表配置、或者SQL查询,以DMP精准平台为例:

  • 用户使用情况:DAU、MAU、累计用户数、访问频次、使用时长、活跃用户占比(访问用户数/开通权限用户)、用户满意度(问卷调研制定量化指标)

  • 内容生产&消费情况:人群数、场景数、标签数、触达用户数

  • 人效提升:业务自助配置VS依赖开发变现,单营销场景时长从XX天降低至XX小时,节省人力成本XX人/日,周营销频次提升XX

超级产品经理

效果提升:基于平台算法模型或系统推荐精细化人群VS业务经验或粗放式版本,这里不能简单用订单数、转化率指标来衡量,因为给用户发Apppush,即使不使用平台,也可以产生订单和转化,而且用户是否点击会受到push文案等多种因素影响。

系统性能:数据处理效率、数据时效性、接口QPS、接口响应时长

超级产品经理

PGC类型的产品:平台生产内容,业务直接使用或者调用,如定制化主题报表、交互式数据查询&分析系统、数据服务接口等。以数据可视化平台为例:

  • 用户使用情况:DAU、MAU、累计用户数、访问频次、使用时长、活跃用户占比(访问用户数/开通权限用户)、用户满意度(问卷调研制定量化指标)

  • 平台稳定性:系统性能(页面加载时长2s内)、故障时长、故障频率、数据异常次数

  • 效果提升:分析效率提升(交互式分析、智能分析时长VSSQL取数或离线excel分析时长)、临时取数频次变化(定制化报表上线一般为了解决常态化的数据获取需求,一个报表上线,相应的临时取数会有所减少,否则只能说明固化报表并未充分挖掘和覆盖业务需求)

  • 业务价值:问题发现占比(数据系统监控预警发现的异常数/系统发现+人工发现)

四、总结

制定可量化的数据产品KPI,不仅是产品迭代的方向指引,在工作总结和汇报乃至求职简历中,关于工作的价值也会更有说服力。关于数据产品KPI,你还有哪些思路呢?欢迎讨论交流。

作者

数据干饭人,微信号公众号:数据干饭人,专注数据中台产品领域,覆盖开发套件,数据资产与数据治理,BI与数据可视化,精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。

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