基本统计指标体系例子 统计指标体系的例子( 二 )


通过指标体系,我们可以通过客观数据衡量业务发展质量,厘清业务发展阶段和现状,发现关键的“北极星指标”和“转化率”指标,还能用作为产品迭代和活动评估的有力支撑 。
总的来说,指标可以分为两大类:过程类和结果类 。过程类指标:用来衡量事件的过程变化,该类指标可以用来关注用户的需求为什么被满足或没被满足 。如转化率、流失率等 。
结果类指标:用于衡量用户发生某个动作后所产生的结果,通常是延后知道的,很难进行干预,主要用来监控数据是否异常和业务事实 。如 UV/PV、用户注册数等等 。
03 指标的生产
无论是过程类还是结果类指标,要想保证各方的理解无歧义,除了保证数据输入口径统一,还需要保证指标定义的统一,而定义的统一,可以借助 MECE分析法(相互独立,完全穷尽),最终将指标拆解为一个个原子指标 。
其拆解过程如下:
以上每个过程,都对应着一个具体的分析方法,下面以一个具体案例阐述每个环节的含义 。
1)业务线:即产品线,如阿里的手淘线 。
2)数据域:来源数仓概念,指面向业务分析,将业务过程或者维度进行抽象的集合 。如淘宝的手淘线商品域、用户域、交易域等 。
3)业务过程:相关业务事件组成的业务流程,如手淘用户域的注册、注销等 。
4)修饰类型:对修饰词的抽象分类,如手淘的支付方式、用户来源等 。
5)派生指标:派生指标=时间周期+修饰词+原子指标,可以选择多个修饰词,由具体的派生指标语义决定 。如客单价(支付金额除以买家数)为派生指标 。修饰词:继承修饰类型的数据域,除了维度外的修辞词语,如手淘的终端类型、用户性别等 。
时间周期:统计的时间范围,如近 30 天访问手淘的用户终端类型等
原子指标:原子指标 = 业务过程+度量 。其中度量是基于某一业务事件(支付、成单、退款)行为下的度量(份额、次数、频率、金额),是明确的统计口径,不可拆分指标,如支付金额,支付频率等 。
6)维度:是事物或现象的某种特征,指度量单位,具备唯一性,如地理维度、时间维度等 。
属性:隶属于维度,有定量和定性的区分,如省份名称、邮政编码等 。定性:文字可维度如省份城市、性别、职业等 。
定量:数值类维度如收入、年龄等 。
最终,根据以上拆解过程,我们得到了一个指标实例:最近 30 天 IOS 的各省份的注册数 。
另外需要说明的是,上述案例得到的指标(最近 30 天 IOS 的各省份的注册数)属于过程类指标 。实际上,过程类指标都是虚荣指标,即无法直接促进交易额增长,只能度量业务 。常见的虚荣指标还有 PV/UV/总用户量等 。
03 搭建指标体系
讲了这么多,终于开始步入正戏 。
搭建指标体系需要贴合实际的业务场景,可以根据不同的分析方法和抽象模型自上而下的驱动指标体系建设 。常用的指标搭建方法有 OSM 模型和指标分级 。
指标分级比较简单,即将公司的北极星指标拆解成业务线指标,到最后执行侧的指标 。体现了金字塔式的结构化思维 。而OSM模型(Obejective,Strategy,Measurement)分别对应目标、策略、度量 。一句话概括为了目标采取了哪些策略,如果度量这些策略的效果 。O:目标——用户使用产品的目标是什么?产品满足了用户的什么需求?
S:策略——为了达成上述目标我采取的策略是什么?
M:度量——这些策略随之带来的数据指标变化有哪些?
以笔者在云计算行业的为例,从该视角来看如何用 OSM 定义指标体系:


特别声明:本站内容均来自网友提供或互联网,仅供参考,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。