01前言

你對(duì)越刷越上癮的抖音又愛(ài)又恨。

對(duì)千人千面淘寶智能推薦的心儀商品滿(mǎn)心歡喜。

對(duì)踏足一個(gè)陌生城市因?yàn)橛辛说貓D、共享出行以及眾多 App 的攻略而不再感到未知和害怕,互聯(lián)網(wǎng)和城市數(shù)字化帶來(lái)的變革,不僅僅是更便捷,還有人與人之間邊界的拉近。

這一切,依賴(lài)于海量數(shù)據(jù)的線上化,基于大數(shù)據(jù)和人工智能技術(shù)的價(jià)值挖掘。正如王堅(jiān)博士的《在線》書(shū)中所言:數(shù)據(jù)量大不重要,讓數(shù)據(jù)在線才重要。

無(wú)論是企業(yè)還是個(gè)體,我們都在逐漸成為這規(guī)模不可及數(shù)據(jù)富礦的一份子。不管是原生互聯(lián)網(wǎng)企業(yè),還是不斷進(jìn)化中的傳統(tǒng)企業(yè),今天的企業(yè)正在逐步進(jìn)化成數(shù)據(jù)企業(yè)?！皵?shù)據(jù)是核心競(jìng)爭(zhēng)力”成為了主流觀點(diǎn),而數(shù)字化轉(zhuǎn)型的本質(zhì)是為了提高生產(chǎn)力,將數(shù)據(jù)變?yōu)樯a(chǎn)資料。

這一切, 都是為了實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)從而達(dá)到降本增效的目的。正所謂:數(shù)據(jù)最了不起的地方,就是靠最小的成本撬動(dòng)更大的價(jià)值。

02數(shù)據(jù)與中臺(tái)

互聯(lián)網(wǎng)最典型的特征是將用戶(hù)行為和觸點(diǎn)線上化,積累著海量級(jí)別數(shù)據(jù)。

行為分析、運(yùn)營(yíng)觸達(dá)、用戶(hù)畫(huà)像、智能推薦、千人千面。一個(gè)個(gè)看似簡(jiǎn)單的詞語(yǔ),背后是海量數(shù)據(jù)驅(qū)動(dòng)的結(jié)果。首先需要對(duì)用戶(hù)的行為進(jìn)行量化并收集,用戶(hù)行為數(shù)據(jù)、交易數(shù)據(jù)又或者產(chǎn)品數(shù)據(jù),都是企業(yè)數(shù)字資產(chǎn)極其核心的內(nèi)容。而這些數(shù)據(jù),往往會(huì)散落在企業(yè)的不同業(yè)務(wù)線,不同數(shù)據(jù)庫(kù),被分為若干個(gè)數(shù)據(jù)集合單元,無(wú)法形成數(shù)據(jù)閉環(huán)。

“如果無(wú)法衡量,那么就無(wú)法管理”。

為了連接這些信息孤島的數(shù)據(jù),可以借助中臺(tái)的理念,即沉淀和去重業(yè)務(wù)線的數(shù)據(jù),將不同系統(tǒng)中的數(shù)據(jù)進(jìn)行全面匯集和管理,提高信息傳遞效率。中臺(tái)的輸出形式為標(biāo)準(zhǔn)化的 API,數(shù)據(jù)中臺(tái)可以簡(jiǎn)單理解為包含數(shù)倉(cāng)體系和數(shù)據(jù)應(yīng)用集的結(jié)合。

數(shù)據(jù)的利用可以分為四個(gè)階段:采集、存儲(chǔ)、分析、展示。,也對(duì)應(yīng)著以上為數(shù)倉(cāng)體系不同模塊。包含了數(shù)據(jù)底層(采集和存儲(chǔ))、數(shù)據(jù)分析和數(shù)據(jù)展示。

數(shù)據(jù)底層主要負(fù)責(zé)管理數(shù)據(jù),包括數(shù)據(jù)采集、數(shù)據(jù) ETL、數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建等環(huán)節(jié),提供數(shù)據(jù)基礎(chǔ);數(shù)據(jù)分析主要是利用SQL查詢(xún)、OLAP 分析、數(shù)據(jù)挖掘以及可視化等方法抽取數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù),形成數(shù)據(jù)價(jià)值。

其中,數(shù)據(jù)分析和展示是堪比砂礫淘金的壯舉,將數(shù)據(jù)轉(zhuǎn)化為有價(jià)值的信息,減少主觀決策。然而口號(hào)容易,落地難。

無(wú)論是營(yíng)銷(xiāo)活動(dòng),還是產(chǎn)品迭代,又或者是商業(yè)智能,做到數(shù)據(jù)決策的第一步,是搭建一套符合業(yè)務(wù)事實(shí)的指標(biāo)體系。

03

指標(biāo)與指標(biāo)體系

指標(biāo)是什么呢?我們?yōu)槭裁从中枰笜?biāo)體系。

無(wú)論是公司,還是產(chǎn)品又或者是服務(wù),最終都會(huì)有使用對(duì)象?！白脏恕笔谴蠹?“反饋”是必然,根據(jù)使用者的聲音和行為數(shù)據(jù)不段地調(diào)整產(chǎn)品迭代方向,才是一個(gè)良性循環(huán)。

指標(biāo)的作用,則是將業(yè)務(wù)變的可描述、可度量、可拆解,通過(guò)將業(yè)務(wù)單元細(xì)分量化后,形成一個(gè)個(gè)統(tǒng)計(jì)的標(biāo)準(zhǔn)。而指標(biāo)體系,則是將互相關(guān)聯(lián)而又相對(duì)獨(dú)立的指標(biāo)組織分類(lèi),更好的以全局視野“以面看點(diǎn)”,分層次管理單個(gè)業(yè)務(wù)單元。

按照百度百科的介紹:“在統(tǒng)計(jì)研究中,如果要說(shuō)明總體全貌,那么只使用一個(gè)指標(biāo)往往是不夠的,因?yàn)樗荒芊从晨傮w某一方面的數(shù)量特征?！?/p>

通過(guò)指標(biāo)體系,我們可以通過(guò)客觀數(shù)據(jù)衡量業(yè)務(wù)發(fā)展質(zhì)量,厘清業(yè)務(wù)發(fā)展階段和現(xiàn)狀,發(fā)現(xiàn)關(guān)鍵的“北極星指標(biāo)”和“轉(zhuǎn)化率”指標(biāo),還能用作為產(chǎn)品迭代和活動(dòng)評(píng)估的有力支撐。

總的來(lái)說(shuō),指標(biāo)可以分為兩大類(lèi):過(guò)程類(lèi)和結(jié)果類(lèi)。

• 過(guò)程類(lèi)指標(biāo):用來(lái)衡量事件的過(guò)程變化,該類(lèi)指標(biāo)可以用來(lái)關(guān)注用戶(hù)的需求為什么被滿(mǎn)足或沒(méi)被滿(mǎn)足。如轉(zhuǎn)化率、流失率等。
• 結(jié)果類(lèi)指標(biāo):用于衡量用戶(hù)發(fā)生某個(gè)動(dòng)作后所產(chǎn)生的結(jié)果,通常是延后知道的,很難進(jìn)行干預(yù),主要用來(lái)監(jiān)控?cái)?shù)據(jù)是否異常和業(yè)務(wù)事實(shí)。如 UV/PV、用戶(hù)注冊(cè)數(shù)等等。

04指標(biāo)的生產(chǎn)

無(wú)論是過(guò)程類(lèi)還是結(jié)果類(lèi)指標(biāo),要想保證各方的理解無(wú)歧義,除了保證數(shù)據(jù)輸入口徑統(tǒng)一,還需要保證指標(biāo)定義的統(tǒng)一,而定義的統(tǒng)一,可以借助 MECE分析法(相互獨(dú)立,完全窮盡),最終將指標(biāo)拆解為一個(gè)個(gè)原子指標(biāo)。

其拆解過(guò)程如下:

以上每個(gè)過(guò)程,都對(duì)應(yīng)著一個(gè)具體的分析方法,下面以一個(gè)具體案例闡述每個(gè)環(huán)節(jié)的含義。

• 業(yè)務(wù)線:即產(chǎn)品線,如阿里的手淘線。
• 數(shù)據(jù)域:來(lái)源數(shù)倉(cāng)概念,指面向業(yè)務(wù)分析,將業(yè)務(wù)過(guò)程或者維度進(jìn)行抽象的集合。如淘寶的手淘線商品域、用戶(hù)域、交易域等。
• 業(yè)務(wù)過(guò)程:相關(guān)業(yè)務(wù)事件組成的業(yè)務(wù)流程,如手淘用戶(hù)域的注冊(cè)、注銷(xiāo)等。
• 修飾類(lèi)型:對(duì)修飾詞的抽象分類(lèi),如手淘的支付方式、用戶(hù)來(lái)源等。
• 派生指標(biāo):派生指標(biāo)=時(shí)間周期+修飾詞+原子指標(biāo),可以選擇多個(gè)修飾詞,由具體的派生指標(biāo)語(yǔ)義決定。如客單價(jià)(支付金額除以買(mǎi)家數(shù))為派生指標(biāo)。
• 修飾詞:繼承修飾類(lèi)型的數(shù)據(jù)域,除了維度外的修辭詞語(yǔ),如手淘的終端類(lèi)型、用戶(hù)性別等。
• 時(shí)間周期:統(tǒng)計(jì)的時(shí)間范圍,如近 30 天訪問(wèn)手淘的用戶(hù)終端類(lèi)型等
• 原子指標(biāo):原子指標(biāo) = 業(yè)務(wù)過(guò)程+度量。其中度量是基于某一業(yè)務(wù)事件(支付、成單、退款)行為下的度量(份額、次數(shù)、頻率、金額),是明確的統(tǒng)計(jì)口徑,不可拆分指標(biāo),如支付金額,支付頻率等。
• 維度:是事物或現(xiàn)象的某種特征,指度量單位,具備唯一性,如地理維度、時(shí)間維度等。
• 屬性:隸屬于維度,有定量和定性的區(qū)分,如省份名稱(chēng)、郵政編碼等。
• 定性:文字可維度如省份城市、性別、職業(yè)等。
• 定量:數(shù)值類(lèi)維度如收入、年齡等。

最終,根據(jù)以上拆解過(guò)程,我們得到了一個(gè)指標(biāo)實(shí)例:最近 30 天 IOS 的各省份的注冊(cè)數(shù)。

另外需要說(shuō)明的是,上述案例得到的指標(biāo)(最近 30 天 IOS 的各省份的注冊(cè)數(shù))屬于結(jié)果類(lèi)指標(biāo)。實(shí)際上,結(jié)果類(lèi)指標(biāo)都是虛榮指標(biāo),即無(wú)法直接促進(jìn)交易額增長(zhǎng),只能度量業(yè)務(wù)。常見(jiàn)的虛榮指標(biāo)還有 PV/UV/總用戶(hù)量等。

05搭建指標(biāo)體系

講了這么多,終于開(kāi)始步入正戲。

搭建指標(biāo)體系需要貼合實(shí)際的業(yè)務(wù)場(chǎng)景,可以根據(jù)不同的分析方法和抽象模型自上而下的驅(qū)動(dòng)指標(biāo)體系建設(shè)。常用的指標(biāo)搭建方法有 OSM 模型和指標(biāo)分級(jí)。

指標(biāo)分級(jí)比較簡(jiǎn)單,即將公司的北極星指標(biāo)拆解成業(yè)務(wù)線指標(biāo),到最后執(zhí)行側(cè)的指標(biāo)。體現(xiàn)了金字塔式的結(jié)構(gòu)化思維。而OSM模型(Obejective,Strategy,Measurement)分別對(duì)應(yīng)目標(biāo)、策略、度量。一句話概括為了目標(biāo)采取了哪些策略,如果度量這些策略的效果。

• O:目標(biāo)——用戶(hù)使用產(chǎn)品的目標(biāo)是什么?產(chǎn)品滿(mǎn)足了用戶(hù)的什么需求?
• S:策略——為了達(dá)成上述目標(biāo)我采取的策略是什么?
• M:度量——這些策略隨之帶來(lái)的數(shù)據(jù)指標(biāo)變化有哪些?

以筆者在云計(jì)算行業(yè)的為例,從該視角來(lái)看如何用 OSM 定義指標(biāo)體系:

當(dāng)然,以上僅是指標(biāo)搭建方法。好比于我們做菜,有時(shí)候會(huì)需要菜譜,因?yàn)樾枰獙㈨樞虻姆湃胧巢暮瓦m當(dāng)?shù)幕鸷虿拍芘腼兂梢坏烂牢丁?/p>

搭建指標(biāo)體系可以借助一些抽象模型,比如,交易類(lèi)平臺(tái)最經(jīng)典的“人貨場(chǎng)”模型,用戶(hù)、商品、場(chǎng)景以不同的方式組合在一起,往往也意味著不同的交易模式,但是核心還是一句話:誰(shuí)在什么「場(chǎng)景」下「買(mǎi)」了什么「商品」。

以電商公司為例:用戶(hù)(企業(yè)/個(gè)人)在場(chǎng)景(平臺(tái))購(gòu)買(mǎi)了哪些資源(商品)。通過(guò)對(duì)三者的分析,覆蓋到了產(chǎn)品線的方方面面,從定目標(biāo)到完成,也借此來(lái)調(diào)整運(yùn)營(yíng)的策略以及功能迭代的側(cè)重點(diǎn)。

“用戶(hù)”的視角,主要是識(shí)別用戶(hù)從哪里來(lái)(渠道)、用戶(hù)有哪些特征(畫(huà)像)、可以分成哪些層次(RFM模型)以及用戶(hù)的消費(fèi)質(zhì)量等等。

“場(chǎng)景”的視角,主要識(shí)別平臺(tái)的有多少流量,這些流量的轉(zhuǎn)化率,購(gòu)買(mǎi)了多少金額,購(gòu)買(mǎi)了多少商品等等。

“商品”的視角,主要分析售前時(shí)客戶(hù)需要哪些品類(lèi)、這些品類(lèi)如何定義,售中時(shí)是否需要優(yōu)惠券,以及用售后時(shí)用戶(hù)對(duì)于商品的使用情況及反饋建議等。

其實(shí),作為一種抽象模型,起源于傳統(tǒng)零售行業(yè)的“人貨場(chǎng)”理論,在電商行業(yè)發(fā)揚(yáng)光大。在如今不僅可以運(yùn)用電商和零售,還可以應(yīng)用內(nèi)容、社交等一系列場(chǎng)景。

比如,可以“人貨場(chǎng)”的角度來(lái)剖析 B 站作為內(nèi)容社區(qū)的發(fā)展。

當(dāng)然,除了在經(jīng)典的“人貨場(chǎng)”模型,還有被稱(chēng)為“海盜模型”的AARRR模型,分別對(duì)應(yīng)了用戶(hù)生命周期中的五個(gè)階段:Acquisition [獲取] 、Activation [激活] 、Retention [存留] 、Revenue [收益] 和Referral [推薦] 。

當(dāng)用戶(hù)處于不同的用戶(hù)生命周期不同階段時(shí),也需要使用不同的指標(biāo)去定義。根據(jù)海盜模型 AARRR 產(chǎn)品增長(zhǎng)模型,可以將指標(biāo)分為五大類(lèi):拉新指標(biāo)、活躍指標(biāo)、留存指標(biāo)、轉(zhuǎn)化指標(biāo)、傳播指標(biāo)。

06

結(jié)語(yǔ)

數(shù)據(jù)是杠桿,借助數(shù)據(jù)能撬動(dòng)更大的價(jià)值。但是玩轉(zhuǎn)數(shù)據(jù)的前提,首先是存儲(chǔ)和利用數(shù)據(jù)。很多時(shí)候,企業(yè)已經(jīng)不滿(mǎn)足分析 T+1 周期的離線數(shù)據(jù),正如抖音的實(shí)時(shí)推薦解決了人與信息匹配的匹配,淘寶的千人千面解決了人貨匹配。這不僅要求數(shù)據(jù)在線,更對(duì)數(shù)據(jù)的實(shí)時(shí)性也有著越來(lái)越高的要求。

指標(biāo)體系的生產(chǎn)和建立,依賴(lài)于數(shù)據(jù)的準(zhǔn)確性、時(shí)效性和完整性。無(wú)論是數(shù)倉(cāng)還是數(shù)據(jù)中臺(tái),都只是一種手段,更重要的是借助數(shù)據(jù)去實(shí)現(xiàn)量化業(yè)務(wù)態(tài)勢(shì),找到當(dāng)前的癥結(jié),最終實(shí)現(xiàn)業(yè)務(wù)升值。

作者：進(jìn)擊的零度