一提到數據指標體系，很多人喜歡背誦AARRR、RFM一類。可真到工作中，會經常發現很難滿足業務需要。比如前幾天就有同學在星球提問：用戶流失該如何搭建指標體系？

起因是：某公司定義了用戶流失率指標是“連續三個月不消費”，可業務看到這個指標卻很懵：

1、知道了用戶流失率是30%，所以呢？能干什么？

2、知道了用戶流失要召回，可召回劃算嗎，值不值得干？

3、為啥一定要等到用戶流失了才干活？不能早干點事嗎？

因此，想讓數據部門幫忙建立一個用戶流失指標體系，全面反映問題，輔助業務決策。那該怎么辦呢？想要搭建一個業務用得起來的指標體系，需要考慮三個流程：業務流、管理流、數據流，下邊一個個看一下。

第一步：梳理業務流

梳理業務流，即搞清楚業務上需要分幾步達成目標。有些業務流程是很清晰的，比如銷售流程，就是一個大轉化漏斗；比如客服流程，根據客戶需要，分類處理問題。業務流程是數據指標的基礎（如下圖）：

圖片

在本文流失分析場景中，面臨的第一個挑戰是：業務流程不清晰。業務方自己也不知道可以干啥，此時肯定不知道該看哪些指標。

對用戶流失而言，常見的措施有：

1、事前預防：當用戶出現投訴/退貨，及時安撫

2、事前預防：當用戶消費一個月比一個月少，及時激勵

3、事前預防：當用戶1個月/2個月未消費（此時尚未達流失標準）進行刺激

4、事后補救：利用優惠活動/新品上市/爆款產品等進行召回，嘗試重新激活

可以先列出清單，然后讓業務選：希望從哪個方向下手。注意！業務方很有可能說：“我們不了解情況，暫時選不出來”。那么下一步，可以先把這幾種情況對應的數據撈出來，讓業務方看清楚大局再行動：

圖片

第二步：梳理管理流

梳理管理流，即搞清楚管理層到底希望業務想做成啥效果。注意！即使業務流程很清晰，業務的目標也有可能是多元化的。

比如銷售流程，有可能有好幾種考核方法：

1、只考核銷售額

2、銷售額+毛利

3、銷售額+毛利+回款

4、銷售額+特定產品銷量

不同考核方式，決定了指標體系的主指標不同，當然會影響考察哪些子指標。因此搞清楚管理層意圖很重要。

圖片

在本文流失分析場景中，面臨的第二個挑戰是：業務方也不明確到底要做成啥樣。所以才會發問：“到底值不值得做”“到底該不該做”。

此時，可以做一些輔助工作：

1、這些用戶流失前的貢獻有多大 → 理論上流失前貢獻越大，越應該召回

2、這些用戶處于流失狀態多久 → 理論上流失狀態越短，越容易召回

3、這些用戶有沒有自然回流的跡象→ 理論上有回流跡象，越容易召回

可以先把數據梳理出來，讓業務方看一看找找感覺，這樣容易定出目標了。

圖片

幫業務方定一下目標是很重要的。因為不同難度的目標，意味著采取的手段不一樣，軟綿綿的業務手段也不會起到效果。比如召回流失用戶，如果就孤零零地發條短信，啥好處都不給，那用戶愿意傻乎乎回來消費就見鬼了。

此時業務讓你“深入分析下，為啥召回沒用”，有啥好分析的！作為用戶，你看到一條短信就樂呵樂呵地給企業送銀子呀！換你你也不會。

如果前期實在定不下來目標，可以預留一段時間做觀察期。比如留仨月時間，留一筆預算，測試一下不同召回手段的效果，了解下在一定預算支持下，能實現的效果是啥。這樣有了測試數據支持，后邊再落實目標就容易了。

第三步：梳理數據流

梳理數據流，即明確業務的目標是否已量化記錄，業務的操作流程是否已量化記錄。這一步是確保前兩步梳理的內容，能落地成數據表報，而不是懸在空中。考察的是數據采集的功夫。

比如銷售流程，傳統企業的最大問題就是數字化能力不行，除了最后一步的簽約合同，之前啥過程數據都沒有，這不就歇菜了，還建啥指標體系，指導啥業務工作呀。

回到用戶流失的例子，除了流失用戶人數這個孤零零指標外，上述兩步梳理的內容，最好都有記錄（如下圖）:

圖片

注意！數據指標體系不止有指標，標簽也很重要：

1、流失前用戶消費：高消費、中消費、低消費

2、流失前用戶偏好：品類偏好/優惠偏好

3、流失前用戶狀態：有投訴、無投訴

4、對召回行為的響應：有響應、無響應

5、召回用戶素材：優惠類、新品類、換季類

6、召回用戶優惠力度：高、中、低

這些都需要打好標簽，才能方便后續的深入分析。當需要解釋：“為什么召回效果不好？““為什么流失增多”這些問題時，直接利用標簽對比，就能得出初步答案，從而極大提高數據指標體系的可用性。

理想的效果

理想狀態下，一個好的數據指標體系，可以指導業務實現工作閉環，用通俗的話說，是：我想干什么→我要針對誰干→我要怎么干→我干成了沒有，全流程都有數據監控。這樣在數據的指導下，業務方不斷具體到用戶流失案例，整個指標體系如下圖運作：

圖片

這樣就不是一個孤零零“流失率35%”的指標，而是可以按圖索驥，找到解決問題的思路，追蹤效果，可以說能實現用數據驅動業務了。