1.2　底层逻辑

第7问：如何建立完整有效的数据指标体系？

导读：清楚了什么是指标，了解了常见的指标，接下来就需要建立一个完整、有效的数据指标体系来帮助数据分析人员更好地梳理、理解业务，发现业务过程中出现的问题，进而推动业务的迭代优化。本问就从什么是指标体系、为什么需要指标体系、如何建立数据指标体系这三个方面介绍指标体系的基本概念和构建方法。

1．什么是指标体系？

指标体系，即相互之间有逻辑联系的指标构成的整体，所以一个指标不能叫指标体系，几个毫无关系的指标也不能叫指标体系。好的指标体系有如下特点：

（1）能体现当下业务的关注点。

我们知道，业务在不同时期的重心不同，关注的核心指标也会不同。例如，一般在业务初期会重点关注新用户的增长和留存；中期会关注用户的活跃和转化复购；后期会关注用户的流失和召回。不同阶段关注的核心指标不同，所对应的指标体系也必定有所差异，所以不能指望一套指标体系从头用到尾，每个阶段都应该针对当下的业务关注点搭建指标体系，这样才能够和业务保持一致，真正起到指标体系的价值。

（2）同时包含结果性指标和过程性指标。

我们习惯通过指标体系监控业务的发展趋势和出现的问题，但更重要的是，我们希望了解问题背后的原因，知其然更要知其所以然，对症下药才能够针对性地进行改进和优化。所以一个好的指标体系除了要有表征现状问题的结果性指标，还要有影响这个结果的过程性指标，这样才能在出现问题时有据可循，快速找到出现问题的原因。

（3）有对应的业务抓手。

在前面两点的基础上，我们除了希望通过指标体系反映业务现状、定位问题原因外，更希望它能够指导业务动作，告诉哪些部门应该在哪些环节进行改进，这个就是我们说的“要有对应的业务抓手”。要有具体到人、具体到策略的指导性意见，否则就算定位到了问题的原因所在，没有对应的人和策略跟进，问题依然得不到解决。

注意：建立指标体系不是一个人能够完成的，需要业务部门（市场、运营、产品部门等）、数据部门、开发部门相互协作，共同讨论确认。一个人闭门造车建立的指标体系很容易和业务脱节，也很难落地。在日常工作中，业务部门、数据部门、开发部门也需要紧密合作。

2．为什么需要指标体系？

指标体系的作用如下：

（1）全面诊断业务现状。

没有指标对业务进行系统衡量，就无法明确业务现状，也就无法把控业务发展，尤其现在很多业务比较复杂，单一数据指标容易片面化。因此，搭建系统的指标体系，才能全面衡量业务发展情况，针对性地制定业务策略，促进业务良性增长。

（2）快速定位业务问题。

一个完整的指标体系能够明确结果型指标和过程型指标的关系，不仅能监控结果，更能分析过程。通过结果型指标回溯到和用户行为相关的过程型指标，找到解决问题的核心原因。如转化率这种结果型指标，影响它的可能是浏览次数、停留时长等过程型指标，通过指标体系，能明确转化率和浏览次数、停留时长的关系。

（3）有效驱动业务发展。

产品、运营、市场营销等部门都是促进公司发展的重要组成部分，而这些部门都需要通过数据发现业务上的问题，针对性地提升改进。产品需要通过数据评估版本迭代效果；运营需要通过数据验证运营策略；市场营销需要通过数据洞察用户的消费习惯。通过完整的指标体系和数据分析，可以有效指导各部门的工作，通过数据找到业务当前痛点和瓶颈，以数据驱动找到优化方向，进而实现业绩的提升。

3．如何建立数据指标体系？

一个指标体系的构建通常需要先确定一个核心指标作为一级指标，然后将核心指标进行逐层拆解，得到一个完整的指标体系。这里涉及几个关键的问题：如何确定这个核心指标？如何进行业务拆解？拆解后的过程如何进行衡量？这里介绍一种常用的构建指标体系的模型—OSM（Object Strategy Measure）模型，这个模型的含义如下：

O（Object，目标）：在建立数据指标体系之前，一定要清晰地了解当下的业务重点和目标，也就是模型中的O。换句话说，业务的目标对应着业务的核心指标，了解业务的核心指标能够帮助我们快速厘清指标体系的方向。

S（Strategy，策略）：了解业务目标和核心指标之后，就需要在此基础上根据用户行为路径进行拆解，这个拆解一定对应着业务策略，也就是模型中的S。把核心指标拆解成一个个过程指标，每个过程指标对应着相应的行动策略，这样就可以在整条链路中分析可以提升核心指标的点。

M（Measure，指标）：针对上面拆解的每个业务过程，制定对应的评估指标，也就是模型中的M。评估指标的制定是将产品链路或者行为路径中的各个过程指标进行下钻细分，这里用到的方法就是麦肯锡著名的MECE模型，需保证每个细分指标是完全独立且相互穷尽的。

下面通过一个电商行业的案例来了解如何基于OSM模型构建指标体系。

（1）明确核心指标。

构建指标体系的第一步，需要明确当下业务的目标（Object）是什么，找到核心指标作为一级指标。例如当下的业务目标是增加营收，对应的核心指标就应该是总营收（Gross Merchandise Volume，GMV）。

（2）拆解业务过程。

明确了核心指标或者一级指标是GMV，接下来就要对业务过程进行拆解，影响到GMV的各个环节有哪些？用户到最终付费贡献营收一般需要经历以下完整过程：注册产品→登录产品→商品曝光给用户→点击商品浏览详情→收藏加购→成交转化。

这样一来就把核心指标对应的中间过程梳理出来了，同时，针对每个中间过程也有对应的策略（Strategy），例如在注册环节，可以通过广告投放和优惠激励的形式进行拉新、提高注册量等。

（3）指标体系细分。

对这些中间过程建立指标，并向下进行逐层拆解，这个过程我们称为指标体系分级治理，用到的模型是MECE模型。MECE模型的指导思想是完全独立、相互穷尽，根据这个原则拆分可以逐层细化，暴露业务本质，帮助我们快速地定位业务问题。

例如，针对第（2）步拆解的每个环节，建立对应的指标进行评估。在注册、登录、曝光、点击、成交各环节，可以通过各环节的UV（Unique Visitor，独立访问数）去衡量。

同时，还可以建立相邻环节之间的转化率，用于评估整个环节中各个漏斗的转化率，例如点击率（点击人数／曝光人数）用于衡量从曝光到点击环节的转化率。

经过以上一步步的拆解，最终形成初步的指标体系，如下图所示。

当然这个指标体系还比较简单，因为只进行了一层拆解，实际上针对以上每个过程，可以进一步拆解细分。例如，我们可以对点击UV按照来源渠道等进行逐层拆解，拆解成自然流量点击和付费流量点击，自然／付费流量点击又可以进一步细分为PC端和移动端的点击，以此类推，逐层拆解。

4．小结

数据指标体系搭建的方式不拘一格，拆解方式也多种多样，但原则一定是结合着业务进行，因为数据指标体系最终一定是指导业务，帮助业务发现和解决问题，脱离了业务的指标体系只能是纸上谈兵，毫无意义。