一、數據指標認知

在日常工作中很多時候我們會遇到業務方什么數據都要看，即使看了這些指標之后沒有做出任何運營決策，但業務方心里可能在想：看的指標越多，越重視數據，越是在做數據驅動增長的事情，沒有功勞也有苦勞。

造成這一現象的主要原因就是業務方沒有形成正確的數據指標認知，下面介紹什么是好的數據指標以及如何尋找正確的指標，幫助大家對電商數據指標有初步的認知。

1、什么是好的數據指標

什么是好的指標？好的指標能帶來你所期望的變化，指引大家朝著正確的方向去迭代：每個部門都朝著一個共同的目標協作前進，經過不斷迭代優化后，最終實現業務目標。

好的數據指標具有以下四個特點：

（1）具有比較性

好的數據指標具有比較性，可以在指標的不同階段進行不同用戶群體、競品、不同時間段之間進行對比，以更好的洞察產品的實際走向。例如本周的用戶轉化率比上周高，就比轉化率為 2% 更加有意義。

這意味著數據指標需要有一個基準值用來做對比，單純的日銷售額是沒有意義的。比如告訴一個剛入職的運營“公司今天的銷售額是 1000 萬”，他看到這個數字是沒有什么概念的。但如果再告訴他“過去 30 天的日均銷售額是 800 萬”，這個時候就會覺得今天的銷售額還不錯，較過去有一個較大的提升。

這就告訴我們，不能只看一個數據指標的具體數值，它只能說明當下的狀態。如果沒有一個與之對比的基準值，指標就很難成為判斷的依據。因此好的數據指標是具有比較性的，設置一個基準值進行比較，才能幫助你更好的做出決策。

（2）簡單易懂

一個指標首先需要被人用起來，才能發揮它的價值，否則它就是待下線的數據。如果人們不能很容易地討論或者記住某個指標，那么想要通過它來改變公司的業務動作就會十分困難。

例如你設計了一個能反映業務本質但定義很復雜的數據指標，即使在指標發布初期你已經確保業務理解它了，但是過一個星期或是一個月，對方很容易就忘記了不愿再回憶，更別提去使用它了。

因此我們需要選擇簡單易懂的指標作為我們的核心指標。

（3）是一個比率

比率之所以成為一個好的數據指標，原因有以下幾點：

① 比率的操作性強，它是行動的向導。比如電商業務的銷售額指標，只能透露當下的收入是多少，并不知道這些收入背后是多少成本。但毛利率這種比率指標，則很好的反映公司創造價值的能力，可以依據毛利率調整公司運營策略。

② 比率是天生的比較性指標。比如將日數據與月數據進行比較，你就會知道業務目前到底是一個短期的增長，還是一個長期在慢慢增長的過程。如果把過去 30 天的毛平均毛利率跟當前的毛利率進行比較，就能知道當下公司創造價值的能力是在增長還是在下降的。

（4）能夠指引業務做決策

好的數據指標能夠指引業務做決策。數據指標在被人記住并使用后，其指標的變化還需要能夠指引業務采取對應的措施，才能說這是一個好的數據指標。如果一個指標一段時間內不去看它，業務也沒有絲毫的變化。這意味著這個指標對當下的業務并不是關鍵的，真正關鍵的指標是它有任何的風吹草動，就會做出與之對應的決策。

2、如何尋找正確的指標

下面介紹一下如何尋找正確的指標，主要從以下五大類特點進行介紹。

（1）定性指標與量化指標

① 定性指標是非結構化的、經驗性的、揭示性的、難以歸類的。

業務在上線初期其數據是匱乏的，無法進行量化。此時可以多做一些定性指標，通過問卷調查、圓桌會議等形式收集數據。

② 量化指標涉及很多數值和統計數據，易于操作，提供可靠的量化結果，但缺乏直觀的洞察。

（2）虛榮指標與可付諸行動指標

① 虛榮指標看上去很美，卻不能為公司帶來絲毫改變。

如果你有一個數據，卻不知如何根據它進行決策，該數據就是一個虛榮的指標，存在的唯一作用就是讓你產生膨脹。比如總活躍數，下載量，粉絲數等，這些指標隨著時間的增長是單調遞增的，不能傳達出用戶的任何信息，是沒有指導意義的。

② 可付諸行動的指標可以幫你遴選出一個行動方案，從而指導你的商業行為，這也就是前面所說的好的指標應該具有的特點。

比如每日新用戶下載量，能夠衡量廣告拉新效果：第一周投放市場在抖音，第二周在朋友圈，第三周在百度信息流，第四周在華為應用市場。最后可以比較不同周的每日新用戶下載量，據此選擇后續的投放方案。

（3）探索性指標與報告性指標

① 探索性指標是推測性的，提供原本不為所知的洞見，幫助你在商業競爭中取得先手優勢。

即通過分析歷史的用戶數據，挖掘用戶的行為特征，并產出數據分析報告，告訴運營或產品他們當下不知道的一些結論，根據結論去做決策。

例如一款奶粉在上線初期轉化率很差，通過分析目前的忠實用戶挖掘他們的特征，發現買過奶粉的人很多在買奶粉之前買過公司的輔食或其他產品。這也就是說購買過公司其他產品的用戶對公司的奶粉信任度更高。根據這一特征后續進行了奶粉的精準營銷，最終奶粉的銷售量就上來了。

② 報告性指標讓你時刻對公司的日常運營、管理性活動保持信息通暢、步調一致。

報告性指標其實大部分就是指周報、日報。這種數據看完之后一般不會直接干什么事情，真正的問題會比較滯后地反映在這些數據上。但一旦有發生重大的問題的時候，日報周報的數據會發生一個劇烈的變動。這種指標如果能保持穩中有進，代表著公司是在正常運轉。

（4）先見性指標與后見性指標

① 先見性指標預測未來。通過銷售漏斗查看有多少潛在的用戶，就大致能夠了解到未來所獲得的新客數有多少。

如果你目前的潛在客戶很少，將來也不會增加太多的用戶，這個時候你需要努力地去提高潛在用戶數量。

② 后見性指標解釋過去。

例如用戶流失是指一段時間內離開我們的產品或者是功能的用戶了，當你意識到用戶流失時通常很難挽回這些用戶。也就是說后見性指標通常是對已發生現在的解釋，能夠提示問題的存在，但普遍具有后置性。因此設置后見性指標時可以設置一些相對先見性指標來預見后見性指標的變化趨勢。用戶投訴數指標在一定程度上能預見用戶流失情況。

（5）相關性指標與因果性指標

① 如果兩個指標總是一同變化，則說明它們是相關的。

多數探索性指標同時也是相關性指標，在數據分析報告中通常會給出用戶的哪些行為之間具有相關性。

② 如果一個指標會導致另一個指標的變化，則它們之間具有因果關系。

通常我們會采用 AB test 去驗證指標間的因果關系。

二、如何搭建數據指標體系

1、為什么要搭建數據指標體系

在講如何搭建好的數據指標體系之前，我們先講一下為什么要搭建數據指標體系。

首先指標體系能夠衡量業務發展情況，針對發現的問題聚焦解決，促進業務的有效增長。其次它可以起到監控業務迭代過程的作用，監督業務發展情況。同時它可以指引業務優化方向，提升營銷效果。通過建立指標因果關系，能夠幫助我們采取有針對性的營銷策略，實現降本增效。最后它可以明確數據建設中心，幫助我們將雜亂無序的數據建設成可發揮價值的數據資產。

2、OSM 模型

下面介紹一下 OSM 模型，幫助大家理解建設數據指標體系的方法論。

OSM 模型分成三個模塊，分別是 O 目標、S 策略、M 度量，下面就從這三個模塊展開介紹。

（1）確定核心指標（Object）

核心指標我們又叫做北極星指標，這個指標在當前階段高于其他一切指標，是需要我們集中全部注意力的一個數字，所有人一起朝著這個指標前進。

尋找北極星指標其實非常困難，它需要數據分析師和業務的負責人共同決定，需要討論在當前階段到底什么東西最重要，什么指標可以反映它的本質、幫助業務實現良性發展。

這個看起來其實比較簡單，實際操作起來會比較復雜，有時可能未考慮到長遠的價值，而被一個類似于虛榮指標的指標所迷惑，走了彎路。

（2）制定策略（Strategy）

策略的制定需要我們拆解目標，看看目標（也就是北極星指標）是由哪些方面構成。

比如銷售額可以拆分成曝光人數 * 點擊率 * 轉化率 * 客單價，為了提高銷售額可以去提升每個指標：提高曝光人數，增加點擊率，增加轉化率，提高客單價。這 4 個目標可以由哪些策略來實現？可以繼續再拆解，拆解完成后就形成了整個策略方案。

（3）選擇度量（Measure）

基于準備執行的策略，定義用于衡量策略效果、策略對目標達成情況的度量指標。

比如目標是銷售額，策略是優化詳情頁內容。可以將用戶停留時長、跳出率、等作為直接衡量策略的效果指標，轉化率的提升、銷售額的提升等可以作為策略對目標達成情況的度量指標。

三、電商數據指標體系搭建實戰

電商行業的數據指標體系可以分成運營、用戶、商品、流量、供應鏈五大類，其中運營相關指標體系又由拉新、復購、活動、召回四大塊組成。下面我們以紙尿褲產品為例介紹如何建立拉新指標體系。

（1）選擇北極星指標

在紙尿褲拉新場景中，首先確定我們的北極星目標。一開始可能會把拉新人數作為北極星目標，但拉新的長遠目標是讓拉新來的用戶留下來，能夠持續復購，從而實現公司銷售額的較大增長。

如果選擇拉新人數作為北極星目標，就不會考慮用戶留存，運營可能會進行很多如 0 元送等這種負毛利的活動進行拉新，導致很多用戶來薅羊毛，或拉很多質量差的用戶進來。最終拉新人數指標確實很好看，但公司的銷售額是不會有提升的。即拉新人數并不能真正體現拉新的本質、幫助業務實現良性發展。

為什么選擇第三次購買人數作為北極星指標？在經過深入分析后，我們發現不管通過什么渠道、手段或促銷力度拉來的用戶，一旦他有三次購買行為，基本上就成為公司的忠實用戶了，不受渠道的影響。因此第三次購買人數才是我們真正希望去提升的一個指標。

（2）拆解目標

直接提升第三次購買人數是無法做到的，需要進行對其進行拆解。我們可以將第三次購買人數拆解成首次購買人數 ?? 第二次購買留存率 ?? 第三次購買留存率。

（3）策略方向

對上述給出的三個策略方向進一步拆解。提高首次購買人數的策略有哪些？我們可以進行試用裝拉新，新人優惠券拉新，新人紅包拉新，或者是 Mini 半價拉新，首單全額返，或者是新人加價等等。

在對第一個子目標首次購買人數進行拆解后，我們再以試用裝拉新為例。試用裝拉新也可以進行再拆解：0 元試用裝，2.99 元試用裝，5.99 元試用裝。不同的試用裝有不同的特點，針對的是不同的人群，拉進來的用戶質量也不一樣。

（4）衡量指標

以 0 元試用裝為例，我們來找其衡量指標。

首先我們需要衡量 0 元試用裝對整個拉新活動有多少貢獻，那么我們需要知道 0 元試用裝拉新的人數占我們整體拉新的占比是多少的，也要知道 0 元試用裝占試用裝拉新的整體的占比是多少的。

其次我們需要知道 0 元試用裝拉進來的用戶質量，因此還要看 0 元試用裝的第二次和第三次購買留存率。

衡量活動效果之后，還需要知道如何指導運營在活動過程當中如何干活，是否需要做出改變、應該做什么改變能夠提升北極星指標。

這里對 0 元試用端的拉新人數進行橫向拆解：拉新人數等于曝光人數 ??1 個點擊率 ??1 個轉化率。這些是真正能指導運營干活的一個指標。比如曝光人數少了，就要去申請資源進行渠道投放或擴大投放。如果點擊率不行了，就需要優化投放的一個圖片的 UI、標題、利益點等等。如果是轉化率低，我就要去優化一個詳情頁的 UI，促銷方式、賣點、評價等等。

我們還可以進一步對拉新人數進行縱向拆解。因為拉新人數等于曝光人數 ??1 個點擊率 ??1 個轉化率，那么曝光人數的來源是哪里？每個渠道到底貢獻了多少曝光和貢獻，每個渠道的點擊率跟轉化率怎么樣，它貢獻了多少拉新人數，用戶的留存率是怎么樣的。通過對各個渠道的質量評判，幫助我們去找到好的渠道擴大投放，找到一些不好的渠道減少投放。這個就是我們的運營過程。

上述只是拆解目標策略中一小環的說明，整個紙尿褲拉新體系都是一樣的方法論：拆解目標，找到衡量目標的評價指標體系。一套流程走下來，就構成了我們母嬰電商紙尿褲拉新數據指標體系，它既能衡量業務的發展，又能及時發現問題，幫助我們去迭代優化。

四、問答環節

Q1：一般流失用戶的定義，有沒有行業的標準？

A1：是有相關方法論的。以電商為例，可以看多少天沒有來買的人，下一次再來買的概率是多少。畫出這條曲線之后，就能快速地找到曲線拐點在哪里。比如 90 天沒買過的人，后面只有 5% 的人再來買了，說明基本上是可以流失了。每個公司的情況不太一樣，把曲線畫出來，找到它的拐點，基本上就能確定多少天沒來購買的用戶算是流失用戶了。

Q2：指標體系怎么保證完整性？

A2：完整性就是我們剛才的拆解，拆解可窮盡就可以了，你只要去窮盡，它就不會有漏。如果有哪一小步有遺漏，沒有關系，可以去增加數據。指標體系永遠無法一次就做到完整，它一定是隨著業務的發展也進行迭代的。

Q3：新老用戶如何劃分？

A3：看公司。一般是買過和沒買過，這是比較粗的劃分。或者像我剛才前面講到的，買過 3 次的人，他后面的復購留存基本一致，這些用戶是真正留下來的人。也可以把這個定義作為一個新老用戶的劃分。具體要看業務的情況，沒有固定的標準，看怎么樣能幫助業務更好地運營就可以了。

Q4：為什么是第三次購買人數而不是第三次購買的 GMV？

A4：紙尿褲是一個復購型的產品，一單買得多，不代表著是一個好事。我們希望用戶持續地復購。一次買 4 包，還是一次買 2 包，還是一次買 8 包，其實問題都不大，因為你買 4 包之后，下一次還是要買的。一次買 8 包，只是你下一次購買的時間間隔更長了一點。因此，對于紙尿褲來說，如果第三次購買的 GMV 高，并不意味著第三次購買人數高。但第三次購買的人數多，則未來持續復購所貢獻的 GMV 是一定更高的。